每天還在重複對 AI 下一樣的指令？問題在你還沒把它設計成流程。本文用每週週報示範非技術主管怎麼做 AI 工作流自動化，把重複工作拆成步驟、交給代理人，打造一條會自己跑的 agentic flow。
每週一早上九點，你做的第一件事跟上週一幾乎一樣，把上週數據抓出來貼進固定表格、挑出幾個不太對勁的數字寫成摘要傳給老闆。換成請 AI 幫忙的人差別也不大，只是把「自己整理」換成「一句一句把指令打給 AI」，下週一還是得從頭再下一次同樣的指令。
如果你心裡曾閃過「這樣好像不太對」，那個念頭是對的，重複下同一個指令本身就是訊號，它在告訴你缺的是一條會自己跑的流程、而你還沒把它設計出來。與其每次都把 AI 問得更好，不如把重複工作設計成一條會自己跑的流程，而這件事不需要你會寫程式，下面用所有人都做過的「每週週報」走完整個設計過程。
第一步：分清楚一次性問答與 AI 工作流自動化的差別
AI 工作流自動化的核心，是把重複在做的事設計成一條流程，讓它每次自動從頭跑到尾，你不必每次重新開口問。一次性問答是「我問、它答、結束」、下週要再問一遍；一條 agentic flow 則是你設計好流程之後，它每次自己抓數據、整理格式、標出異常、把草稿放到你桌上。差別不在 AI 多聰明，在你有沒有把它設計成流程。
這裡先把詞講白。agentic flow，中文可以理解成「一條會自己跑的工作流」，它的「agentic」指流程裡有 AI 代理人，代理人會照著你設計好的步驟自己一關一關往下做，做完把成果交回給你過目。
天下未來城市在「重塑工作流」專題裡點出同一個轉向，企業的競爭力正從「導入多少 AI 工具」轉到「能不能把工作重新設計成代理人跑得動的流程」。微軟 2025 年工作趨勢報告也指出，全球有八成知識工作者每天缺乏足夠時間和精力把事情做完，這種節奏下把重複的事交給流程才是出路。想理解 AI 落地容易卡在哪，可參考企業 AI 導入容易踩的坑。
第二步：把一件重複的事拆成幾個清楚的步驟
設計一條 flow 的第一個動作，是把你重複在做的那件事拆成步驟。拆步驟就是把一件大事還原成一連串小動作，每個動作只做一件事、有明確的輸入和產出。以週報為例它其實是五個動作串起來的，每一步清楚了你才看得出哪幾步可以交出去，而這份對工作的理解主管本來就有。
| 步驟 | 這一步在做什麼 |
|---|---|
| 抓數據 | 從固定幾個系統把上週數字撈出來 |
| 整理格式 | 把數字填進每週固定的表格欄位 |
| 找出異常 | 比對上週與目標值，標出落差大的項目 |
| 寫成摘要 | 把表格和異常用幾句話講清楚 |
| 給你過目 | 你看草稿、補上判斷、決定送不送出 |
卡住非技術主管的，向來是沒人告訴他「把事情拆成這幾格，就是在做 AI 工作流自動化的流程設計」。這也是個人 AI 技能診斷在做的事，以「工作任務」為單位盤點你哪幾段時間可以交給代理人。
第三步：判斷哪幾步交給 AI 代理人、哪幾步留給你
拆好步驟之後，逐一判斷每一步該由誰來做。判斷準則很簡單：規則明確、重複性高的步驟交給 AI 代理人；需要判斷、需要拍板的步驟留給你。一條設計良好的 AI 工作流自動化會保留人的位置，是人和代理人的分工，把這個分清楚，流程才跑得穩。
很多人對「自動化」的第一個想像就是「完全不用人」，這會嚇退決策者也會把流程設計帶歪。國際顧問公司 Deloitte 在 2025 年的報告裡這樣描述代理式 AI，它能自主規劃、執行、迭代一連串任務，但完成後會主動把成果交回給人確認。把週報五步套上這個準則，分工就清楚了。
| 步驟 | 交給誰 |
|---|---|
| 抓數據、整理格式 | AI 代理人，來源固定、規則明確 |
| 找出異常 | 代理人初篩、你複核哪個異常重要 |
| 寫成摘要 | 代理人草擬、你定稿語氣和取捨 |
| 給你過目 | 你，對外的東西最後一定人負責 |
代理人負責跑、人負責收尾和拍板，五步裡有兩步整段交出去、兩步是代理人先做你再修，只有最後一步完全是你。McKinsey 在 2025 年 AI 現況調查裡點出一個關鍵差異，在 AI 上拿到最多成效的高效能組織有超過半數做了工作流程的根本性重新設計，比例是其他公司的近三倍。關於主管怎麼決定哪些事放手給 AI，主管與 AI 的策略協作那篇有更完整的拆解。
第四步：先跑順一條 AI 工作流自動化，再把它們串起來
先別想「把整個部門自動化」。挑一個你最煩、最常重複的迴圈設計成第一條 flow，跑順了再設計第二條，當你有了幾條會自己跑的流程，它們會開始互相銜接，這就是一支 Agent Team 實際運作的樣子。
挑第一條 flow 的原則是選「重複頻率高、規則清楚、出錯影響不大」的事，週報就是好的起點，先別碰對外報價或合約審核這類「一出錯就是大事」的流程。跑順的標準很具體，連續四週這條流程都能自己把草稿送到你面前、你只需做判斷而不需重下指令。
真正有意思的是第三條之後，當週報 flow 的產出剛好是月報 flow 的輸入，這些流程就接成了一張網。台灣紡織業的旭榮集團就是這樣走過來的，他們從盤點各部門的重複痛點開始一條一條設計，最後做出五十支以上的 AI 代理人，光是把客戶成衣製作單轉譯成內部製造單，時間就從兩小時壓到約二十分鐘。主導這件事的是業務出身的主管，可見把工作設計成流程靠的是業務判斷，工程能力不在門檻上。
至於決策者最關心的「一個人能推還是要跨部門」，第一條 flow 你幾乎都能自己推，週報的數據和步驟都在你掌握範圍內，等流程跨到別部門才需要把協調拉進來。今天可以做的第一步，是拿一張紙寫下你這週重複下給 AI 或重複自己做的那件事，拆成三到五個步驟、每一步標上「給代理人」或「留給我」，這就是你第一條 agentic flow 的草圖。智谷的 Claude Code 公開班系統性地帶非技術主管走完這套設計，把腦中「一堆該做、卻沒人有時間做」的事交給指揮得動的 AI。
FAQ
agentic flow 跟我現在用 ChatGPT 有什麼不同？
用 ChatGPT 多半是一次性問答，你開口問、它回答、這次就結束，下次要做同樣的事得從頭問一遍。agentic flow 是一條會自己跑的工作流，你事先把步驟和分工設計好，之後它每次自動從頭跑到尾把成果交回給你，這正是 AI 工作流自動化和一般用 AI 的差別。簡單說，ChatGPT 是工具，agentic flow 是你用這個工具搭出來的流程。
設計一條 flow 需要會寫程式嗎？
不需要。設計一條 flow 的核心動作，是把一件重複的事拆成清楚的步驟、再判斷哪幾步交給 AI 代理人、哪幾步留給自己，這兩件事靠的是你對這件工作的理解，而那正是部門主管最擅長的。寫程式、做系統對接屬於後段執行，可以交給工具或技術同事。
flow 自己跑、出錯了怎麼辦？
這正是「分工」存在的理由。設計良好的 flow 會保留人的位置，需要判斷和拍板的步驟本來就留給人，所以對外送出前一定有一關是你過目，出錯會在那一關被攔下來。這也是為什麼第一條 flow 要挑「出錯影響不大」的工作，等你跑順幾條、有把握了，再把流程擴大到更關鍵的工作。
把腦中那一堆「該做、卻沒人有時間做」的事，來公開班學會設計成會自己跑的流程
智谷網絡（Kvalley Network）自 1996 年創立，專注企業 AI 轉型與中高階主管培訓，累計服務 3,000+ 家企業、75,000+ 小時訓練執行時數、年度訓練 30,000+ 人次。本文由智谷內容團隊整理，研究來源包含：天下未來城市〈重塑工作流 × AI Agent 應用〉專題（futurecity.cw.com.tw）、Microsoft 2025 Work Trend Index 全球知識工作者調查、McKinsey《The state of AI in 2025: Agents, innovation, and transformation》（2025 年 11 月）、Deloitte《Driving adoption of the ‘human with agentic AI’ era》2025 報告、PwC AI Agent Survey 2025（美國企業高階主管調查）、Cheers 快樂工作人〈紡織業首例，50 年傳產新設 AI 長〉旭榮集團報導。
推薦精選文章
📚 不需要 IT、不需要預算，她用 Google 試算表把重複行政縮成 15 秒
更多企業 AI 培訓服務：https://www.kvalley.biz/tcservice/digital/