AI Agent 真正改變的不是速度，而是你在工作流裡的角色
最近看到 Perplexity 跟 Harvard Business School 合作的研究，分析真實部署 Perplexity Computer（AI agent）的使用數據，有幾個數字讓我停下來想了很久。
研究拿 10,000 組相近任務比較 Search（傳統搜尋+人工執行）和 Computer（AI agent）的差異：
- Computer 平均機器執行 26 分鐘，Search 只有 33 秒
- 但 tool-based estimate 顯示：原本要 269 分鐘的任務，Computer+Human 縮到 36 分鐘，品質不降反升
- 不滿意訊號從 2.9% 降到 1.3%
這組數字乍看很爽，但我想跟做行銷、內容、growth 的人講一件事：這個效益不是自動送上門的。
Agent 改變的不是「寫得更快」
我做內容營運這幾年，最常聽到的期待是：「AI 幫我寫文案、寫報告，我就可以少工作幾個小時。」
這個理解是對的，但只對了一半。
研究數據裡有個細節很值得注意：Computer 有 13% 的 session 會 pause for user input（Search 只有 0.3%）。也就是說，agent 在跑任務的過程中，會主動暫停、等你確認、問你方向。
這不是 bug，是設計。Agent 把工作流拆成了兩層：
- 機器執行層：爬資料、串 API、生成草稿、格式化輸出
- 人類決策層：定義目標、審批節點、判斷品質、調整方向
你從「執行工」變成了「審稿者與決策者」。這個轉變的意義，比「省了幾個小時」大得多。
行銷人具體會感受到什麼變化？
舉個我自己經歷過的場景：以前做一次競品分析，要自己開 10 個 tab、截圖、整理 spreadsheet、寫摘要，4 小時起跳。現在用 agent workflow，我的工作變成：寫清楚 brief、設審批點、最後 review 輸出品質。
但這裡有個陷阱：如果你 brief 寫得模糊，agent 跑出來的東西也會模糊。
研究裡提到 7.9% 的 Computer sessions 有呼叫 connector/API（Search 只有 1.8%），代表真正發揮 agent 威力的場景，往往需要跨工具整合。你的 CRM、你的廣告後台、你的內容 DB，要能被串接，效益才會真正放大。
如果你現在的工作流還是「複製貼上 + Excel 手動整理」，接一個 chatbot 並不會幫你省 87% 的時間。
我的判斷
這份研究讓我更確認一件事：AI agent 的紅利，會集中在那些已經有清楚 SOP、能定義明確目標、願意設計審批流程的團隊。
對 growth hacker 來說，這其實是個好消息。因為我們本來就習慣把工作拆成假設、執行、驗證、迭代。Agent 只是把「執行」這一層外包出去了。
真正需要升級的，是你定義問題的能力，還有你審稿的眼光。
那些東西，還是人的事。
作者：Stella