AI代理來了 人還剩什麼工作？

我有個朋友是鑽研人工智慧的大學教授。最近他指導研究生，在符合學術倫理的前提下，用了不少AI Agent（智慧代理）輔助研究。論文順利做完，學生卻頓時冒出一句：「啊，那我來讀研究所是要做什麼？」—這種失落，大概跟很多工程師第一次用AI輔助寫程式、看著它把整個功能一口氣刷出來時的心情很像。朋友身為老師，當下竟也語塞，半天接不上話。

AI Agent時代來臨　人類價值重新定義

讓人類連自己都覺得自己沒什麼用，這跟過去最大的差別，主要就在AI Agent的興起。大概1年前跟客戶講AI Agent，多數人還一臉茫然不知道那是什麼；現在呢，客戶的員工或多或少都用過了，事實上，你只要用大廠的AI，自然而然就會用到Agent。

對一般人來說，以前講AI，感覺就是大家跑去問一個對話框，問完答案還是自己做；現在的AI Agent，比較接近我們從小想像的那種機器人—它可以把事情自己做完，自己檢查，自己交付，甚至自己喃喃自語、自己生出下一道命令。人跟AI的關係，因此變得非常微妙。當機器能把流程從頭跑到尾，站在旁邊的人，價值到底在哪裡？

不過AI Agent要真的動起來，其實跟人一樣，不可能孤零零一個人在世界上、手邊什麼工具都沒有，它需要各種底層的基礎建設。

好消息是，今年這些底層協定大概收斂下來了，開發開始有了標準：模型上下文協定（Model Context Protocol, MCP）負責Agent對工具，A2A負責Agent對Agent，代理式商務協定（Agentic Commerce Protocol, ACP）與通用商務協定（Universal Commerce Protocol, UCP）則管商務交易。這三者不是互相廝殺，而是堆疊在不同的層。

其中，Anthropic的MCP基本上已經贏了工具這一層，被Anthropic、OpenAI、谷歌、微軟全面採用，等於拿下了Agent連接外部工具的位置；我前一陣子去美國，看到谷歌力推的A2A也已經領跑Agent之間的協作層，拉了50多家技術夥伴，而ACP、UCP這些購物導向的協定，電商廠商也開始採用。基礎建設初步成形，意思是：機器已經可以自己跟機器對話、互相委派工作。Agent已經成為一個新的軟體層，而且你會發現每一家大廠手上都備了一個。

除了基礎建設，最能說明這股成長的，還是砸進去的錢。Agent這個次類別本身就在飆─市場規模號稱2025年約78億美元，估計到2030年衝上526億元，年複合成長率約41%。Gartner則預測，到2028年，1/3的企業軟體將內建Agentic AI，而我們日常工作裡約15%的決策，會由Agent自主完成。換句話說，這些環節原本要靠人力的部分，會一塊一塊地被Agent接走。

通用走向專業　垂直Agent成下波贏家

那麼AI Agent產業商機到底在哪裡？矽谷一直有一種說法：真正的機會在「垂直型」Agent，比方說金融專用、會計專用、法律專用這類。原因是這些領域藏著大量的內隱知識，又高度依賴企業內部的數據，不是通用模型隨便就能吃下；至於泛用、什麼都能做一點的通用Agent，最後大概只有資本與算力雄厚的大廠玩得起。

事實也站在這一邊：這兩年跑得最快的，幾乎都是深耕單一行業的垂直玩家—法律有Harvey、醫療有Ambience、客服有Sierra（8季就做到1.5億美元的年經常性收入，號稱企業軟體史上最快）。它們的護城河，說穿了就是專屬數據加上夠深的整合，外人短期內抄不走。也難怪一流的加速器與創投，現在都拿出不少錢專押這類垂直Agent，賭的就是裡頭會長出下一個Salesforce等級的贏家。

那要用誰的AI Agent呢？台灣老闆最愛講一句「這個我們自己做就好」，但省下來的授權費，最後常常加倍奉還—因為自建團隊要繳的學費，遠比帳面上想像的貴。

去年有個MIT研究發現，由外部廠商打造的AI系統，成功率是企業自己土法煉鋼的兩倍。一樣是去年的MIT報告是說95%的企業AI還沒辦法產生回報，所以企業要有耐心，因為執行循環是最昂貴的，如果工作循環可以用AI Agent，一旦成功會對企業營運的成本結構產生非常大的變化。

AI Agent再這樣完善下去，我相信會有愈來愈多人，在某個加完班的深夜，盯著螢幕上那個自己把活幹完、還自己檢查過一遍的Agent，冒出一種「我是誰？我在哪裡？我在做什麼？」的恍惚。但Agent接走的是執行，留給人的是提問。那位研究生其實手上握著最好答案—會問出「那我來幹嘛」的人，本身就還很有用的。