最近一直在想，很多人把 AI agent 當萬能員工在用，結果每跑一次都要燒一輪模型費，久了根本不是自動化，是固定開銷💰

這兩天看到一篇很有感的研究，講的不是 agent 多聰明，而是什麼時候該讓它退下來。作者把流程分成三段：先讓 agent 去探索，把真的跑得通的步驟找出來；接著把重複驗證過的部分半固化；最後再變成 deterministic workflow。講白一點，agent 負責開路，穩定之後就不要每次都叫最貴的人來做同一件事。

我覺得這個思路對小團隊超重要。很多人卡在「我要不要全面上 agent」，但我的做法反而會是先拿 agent 去試客服分流、訂單異常判讀、廣告素材初篩這種不穩定環節。等規則和例外都摸熟了，再改成固定流程。這樣才真的省錢，也比較不會半夜流程壞掉沒人知道。

論文裡提到，他們在 production 跑八個月後，deterministic execution 拉到 45%，單次事件成本降超過 70%。這個數字對大公司很漂亮，對一人公司更有感，因為我們本來就沒本錢一直為了「看起來很 AI」付學費。

所以我現在愈來愈相信，agent 最值錢的地方不是永遠替你做事，而是幫你找出哪些事情未來根本不用它做。這才是省錢的做法吧。