編按：當AI代理走進企業流程，自動化往往被直接等同於效率提升，但實際情況可能更複雜。根據史丹佛研究，任務若完全交由AI代理執行，整體效率反而下降；唯有人類保留關鍵判斷、AI負責可標準化環節，效率才能真正被放大。
過去一年，只要打開科技新聞、看產業報告，或是聽公司主管談策略，AI Agent（AI代理）幾乎無所不在。我們的數創實驗室社群也是，在2025年舉辦的活動中，超過一半的主題都和AI Agent有關。
這股熱潮，悄悄把大眾對AI Agent的直覺想像，簡化成一個漂亮的公式：只要把流程交給Agent自動跑，工作效率就會上升。在這個公式的想像下，許多企業相信自己可以靠AI Agent，一邊省下人力成本，一邊做完同樣多、甚至更多事。
然而，根據史丹佛與卡內基美隆大學的一項最新聯合研究：How Do AI Agents Do Human Work? Comparing AI and Human Workflows Across Diverse Occupations（AI代理如何執行人類工作？跨不同職業比較AI與人類工作流），卻對這個看來完美的公式潑了冷水。
研究團隊在Upwork上，招募48位具有實務經驗的專業工作者，同時使用四種常見的AI Agents（OpenHands-GPT、OpenHands-Claude、ChatGPT Agent、Manus Agent），一起執行16組真實任務。這些任務涵蓋五大通用技能（數據分析、計算／表格處理、軟體工程、寫作、設計），用來比較在「全自動」和「人機協作（或AI增強）」兩種模式下，工作者與Agent的工作表現差異。
結果顯示，當任務交給Agent全自動處理時，整體工作效率反而下降17.7％；但在人機協作的模式下，效率則提升24.3％。
讀到這裡，相信有些人會對這組「打破直覺的數字」感到訝異。因此，接下來，我們先退一步，看看這項研究的設計、以及到底在觀察什麼。
快又便宜，但為何無法省事？
這項研究可靠嗎？應該還算可靠。
研究團隊先從O*NET中取出五大通用技能，這五類技能合計涵蓋71.9％白領工作者每天在電腦前做的事情；再從900多種職業、上萬個工作任務中，實際挑出16組具體任務作為代表。這些任務，包括你我都很熟悉的整理員工聚餐收據、依照財報做數據分析等。
接著，研究團隊將這16組任務，同時分配給人類專業工作者與AI Agent。
當這16組任務的數據被攤開來，第一眼看到的，是一個非常符合直覺的結論：在效率與成本上，AI Agent的確遠勝人類。
舉例來說，在所有人類與Agent都成功完成的任務中，Agent的平均完成時間，比人類快了將近九成，電腦上的實際操作動作也少了超過九成。從成本角度來看，Upwork平均一個案子大約是25美元；把同樣的任務交給Agent來跑，大約只落在1～2.4美元之間。對習慣算ROI的管理者來說，這是一個巨大的成本差距。
然而，如果我們從任務成功率與品質的角度來看，Agent明顯輸給人類。
研究結果顯示，AI Agent的任務成功率，比人類低了大約32.5～49.5％。舉例來說，一旦任務牽涉到視覺理解（像是從收據影像裡讀金額），或是需要在UI上進行點擊、拖拉等非結構化操作時，差距會變得更明顯。
更麻煩的是，這些不是一眼就看得出來的錯誤。當Agent無法順利從圖像中讀出數字，它有時會直接編造一組看起來合理的數字填進表格；讀不懂使用者上傳的PDF財報，會改用網路搜尋其他文件來補資料。從模型角度看，它只是想辦法完成任務；但從企業角度看，這是難以察覺的數據與合規風險。當這種看起來沒問題、實際有風險的輸出堆疊起來，人類就需要花更多時間檢查、重做與收拾爛尾。
全自動vs.人機協作，哪個更有效率？
研究團隊接者把視角拉回整體工作流程，以人類自己做當作基準線，比較兩種方式：
．全自動模式（Automation）：工作者把任務整包交給Agent，自動跑完整個流程，最後才接手檢查、修正結果。
．人機協作模式（Augmentation）：工作者維持原本的工作流程，只在中間幾個可被標準化的步驟交給Agent處理，開頭的資料準備與最後的檢查，仍由人類負責。
得到的結果，如同前述所提。讀至此，或許我們可以猜到原因：因為當任務交給Agent全自動處理時，省下的僅是表面操作時間，增加的卻是後續追錯、驗證與重工的時間；而在人機協作模式下，Agent承接中段重複又可程式化的步驟，人類則專注在定義問題與把關結果，重工成本大幅下降。
Agent當渦輪，Human-in-the-loop才是最佳解
這項研究，反轉我們對AI Agent的直覺想像：把整個工作流交給它，自動跑完，效率就會自然提升。如果企業只把AI Agent視為一條「能省錢省事的捷徑」，最後可能得到一個更複雜、更脆弱，又無法讓人放心的系統。
或許，接下來真正該思考的是，我們要如何善用AI Agent這顆引擎上的渦輪，讓我們跑得更快；但路要怎麼選、什麼時候該減速、哪些路段要親自掌舵，仍需要人來決定。只有在這樣的前提下，人類與Agent才有機會都待在對的位置上，各自發揮長處。
