很多小企業挑 AI agent，第一個問題是它能不能直接幫我把事情做完。但從行銷實務看，真正該先問的是：這個 agent 目前是在查資料、提出建議，還是要直接改動系統？這三種能力的風險完全不同。

Agents Finance 的文章整理了幾個 2026 年會計實作案例，其中 SAP consulting 團隊用三個 Joule Studio agents 處理現金應收：辨識 incoming payments、暫存或入帳，再做 three-way match。關鍵不是 agent 很會做帳，而是每次實際異動前都有人確認，S/4HANA 仍是 source of truth。另一個 Odoo partner 則把 Claude 接到 Odoo、spreadsheets、Looker 和 Gmail，用來協助預算、MRR、逾期應收與發票檢查，但仍保留系統權限與人工複核。這篇文章也很誠實地說明，部分案例數據有限，不能直接當成通用 ROI 證明。

我覺得這套思路很適合搬到行銷流程。第一層是查詢，例如讀 CRM、廣告平台和 GA4，整理出異常與趨勢；第二層是建議，例如提出預算調整、受眾測試或內容排程，交給人審核；第三層才是異動，例如改廣告預算、發送 EDM、發布貼文。前兩層可以放寬自動化，第三層則要設金額上限、審批人和可回復機制。

我的原則很簡單：讓 AI 加速判斷，不要讓它無聲無息做不可逆的事。選 agent 時，先畫出資料流與權限層，再用真實任務測試成功率、人工修正時間和失敗後能否復原。功能表看起來再漂亮，也不如一個有清楚護欄、每天穩定交付的流程。