每週總有幾件固定要做的事：要彙整的報表、要追的進度、要回的訊息。你知道該交給 AI，卻一想到設定、串接、寫程式就停住。其實讓 AI 代理人自己把一件重複工作跑完，靠的是把腦中流程講清楚，不用寫一行程式。本文用非技術主管的語言，拆解從挑工作、下指令到驗收的完整路徑。
每個部門主管腦中都有一張清單：要彙整的報表、要追的進度、那些固定回得很煩的訊息。你清楚這些早該交給 AI，可是一想到要設定、要串接、要寫程式，手就停在原地。這篇用非技術 AI 的語言，帶你走一條不碰程式碼的路：怎麼挑工作、怎麼講清楚流程、怎麼驗收，讓一支 AI 代理人替你把一件重複工作跑完。
為什麼你想交給 AI 代理人的工作，一直交不出去？
那些工作之所以一直交不出去，真正的卡點很少是技術。多數非技術主管停在一個誤會：以為要先會寫程式、會設定，才談得上把工作交給 AI 代理人。實際上，讓一支 AI 代理人自己把一段重複工作從頭跑到完成，需要的是把腦中那套流程講清楚，不用碰任何一行程式。能不能自動化，看的是你講不講得明白。
所謂 AI 代理人，可以想成一位很聽話、但需要被交代清楚的新進助理：你給它一段明確的工作說明，它能依步驟一路做下去，遇到要判斷的地方照你定的規則處理，最後交出成品。想通這點，門檻就從「會不會寫程式」變成「我能不能把這件事說清楚」，而後者正是主管每天在做的事，這也是 Agent Team 對非技術決策者最友善的地方。
Step 1：挑一件「每週都要重做」的工作
挑工作的原則：先選重複、規則清楚、出錯不致命的那一件。第一支 AI 代理人不要挑最複雜、最關鍵的任務，而要挑每週都要重做、步驟固定、偶爾出錯也補得回來的工作。客訴彙整、例會資料整理、固定格式的進度回報都是好起點：價值高，又不會因一次閃失就釀成大事，你才敢放手讓它跑。
要挑得準，可以借用智谷企業 AI 診斷的視角，從策略、組織、流程、資料、人才五個維度看一件工作適不適合先交出去：流程穩不穩定、資料拿不拿得到、判斷規則清不清楚。把腦中那張清單照這幾個維度過一遍，最適合當第一棒的工作通常會自己浮出來。一次只挑一件，跑順了再加第二件，比一口氣自動化整個部門務實得多。
Step 2：把這件事拆成「觸發、步驟、判斷、產出」
拆解的方法：用四個欄位，把一段工作攤成 AI 看得懂的骨架。挑好工作後先別急著下指令，把這件事拆成四塊：什麼時候開始（觸發）、依序做哪幾步（步驟）、哪裡要做選擇（判斷）、最後產出什麼（產出）。這四塊就是 AI 代理人的骨架，缺一塊它跑起來都會卡。
以「每週客訴彙整」為例，拆出來會像這樣：
| 環節 | 這件工作的內容 |
|---|---|
| 觸發 | 每週五下午，從客服信箱與表單蒐集本週客訴 |
| 步驟 | 逐筆讀過、分成產品、物流、服務三類、各抓重點 |
| 判斷 | 同一客人重複申訴、或情緒明顯升高的標為優先 |
| 產出 | 一頁摘要，三類各列前三件，附一句本週趨勢 |
能把一件工作填進這張表，它就具備交給 AI 代理人的條件。填不滿，代表這件事你自己也還沒想清楚，那就先別自動化，這也是這個練習最值錢的地方。把重複工作設計成可交付的流程，本身就是一種主管能力。
Step 3：用自然語言把流程講成 AI 聽得懂的指令
下指令的關鍵：說清楚角色、輸入、步驟、產出格式，全程用中文。把上一步的四塊內容，用平常交辦同事的口吻寫成一段話，就是 AI 代理人的指令。一段好指令包含四個元素：要它扮演什麼角色、會拿到什麼輸入、照哪些步驟做、產出長什麼樣，整段都是自然語言，不需要任何程式碼。
延續客訴的例子，指令可以這樣寫：「你是客服主管的助理，我會給你本週所有客訴紀錄。請逐筆閱讀，分成產品、物流、服務三類，各挑最重要的三件；同一客人重複申訴或情緒激烈的標為優先。最後產出一頁摘要，三類各列三件，結尾加一句本週趨勢。」這跟你交代一位新同事幾乎一樣，寫得越像在帶人，AI 代理人做得越準。
Step 4：用三個問題驗收這支 AI 代理人
驗收的標準：問省了多少人時、出錯率能不能接受、要不要一直盯。讓 AI 代理人跑幾輪後，別憑感覺判斷好不好用，用三個問題量它：第一，它省下多少原本要花的人時；第二，出錯率落在你能接受的範圍嗎；第三，你還需不需要全程盯著它。三個答案會告訴你，這支代理人能放手、要再調指令、還是還不適合交出去。
| 驗收問題 | 怎麼判讀與處理 |
|---|---|
| 省了多少人時 | 跟自己做比，省很多就擴大用、省很少就換一件工作 |
| 出錯率可不可接受 | 錯在判斷就回去補規則、錯得離譜就縮小範圍 |
| 需不需要一直盯 | 還要緊盯代表指令不夠清楚，回 Step 3 改 |
驗收時別期待它一次到位，多數 AI 代理人要三到五輪修正才真正穩定，這個過程也順帶幫你把那件工作的流程理順。想避開放手太早的風險，可以先看交給 AI 代理人前該算的幾本帳。
上手前最常踩的三個坑
三個坑：一次想自動化太多、指令省話、出錯就全盤否定。非技術主管剛開始用 AI 代理人，最常踩的第一個坑是貪多，一口氣把五件事都交出去，結果每件都半生不熟。第二個坑是指令太省，以為 AI 會自己懂，省掉的判斷規則最後都變成它出錯的地方。第三個坑是一出錯就否定整件事，其實多數錯誤回頭補一條規則就解決。
避開這三個坑，靠的是把第一支代理人當練習：範圍小、指令細、容錯高。跑順一件，你對「把工作講清楚給 AI」的手感就成形，之後會越來越快。這正是智谷強調的方向：每家公司都有一堆該做、卻排不進人力的事，與其等人，不如學會把它們說清楚，指揮 AI 來接手。
FAQ
AI 代理人和一般的 ChatGPT 問答有什麼不同？
一般的 AI 問答是你問一句、它答一句，每次都要你接著下一步。AI 代理人則是你給它一整段工作說明，它能依步驟做到完成，遇到判斷照你定的規則處理，最後交出成品。差別在於能整段接手一件多步驟的工作，對主管來說，交辦的單位就從一個問題放大到一件事。
真的完全不用寫程式嗎？
是的，挑工作、拆解流程、下指令、驗收這四步全程用自然語言完成，不需要寫程式或做技術串接。你需要的能力是把腦中的工作流程講清楚，這跟你平常交辦同事用的是同一套能力。技術設定的部分，現在的工具已經把門檻降到非技術使用者也能上手，真正的工夫在「想清楚、講明白」這一端。
第一支 AI 代理人該挑什麼工作最安全？
挑每週都要重做、步驟固定、就算出錯也補得回來的工作，例如客訴彙整、例會資料整理、進度回報，避開最複雜、最關鍵、一次閃失就釀成大事的任務。原則是價值夠高、風險夠低，你才敢放手，也才有空間在錯誤中把指令調好。
怎麼知道該放手，還是該收回來自己做？
用三個問題量：省了多少人時、出錯率能不能接受、需不需要一直盯。三個都正向就放手擴大用；省得有限或還要緊盯，多半是指令不夠清楚，回去補細判斷規則再試一輪；錯得離譜又補不回來，代表這件工作還不適合交出去，先換一件。
想帶你的團隊學會指揮 AI 接手沒人做的工作，了解 Claude Code 公開班怎麼上
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：智谷網絡企業 AI 導入輔導實務觀察（非技術主管 Agent Team 上手路徑）、智谷企業 AI 診斷框架（策略、組織、流程、資料、人才五維度）。
推薦精選文章
📚 主管腦中那張「該做、卻沒人做」的清單，正是 AI 代理人該接手的工作
📚 你已經會用 ChatGPT 了，下一步是帶一支會自己跑的 AI 代理人團隊
更多企業 AI 培訓服務：https://www.kvalley.biz/tcservice/digital/