# 將 AI 代理程式工作流程投入生產的 5 大經驗教訓

> 前線部署的工程師分享 5 個經驗教訓，說明如何將 AI 代理程式工作流程從示範階段轉變為日常使用，並在生產環境中穩定運行。

Source: https://asana.com/zh-tw/inside-asana/ai-agent-workflows-demo-to-production

## 從示範到日常使用：將 AI 代理程式工作流程投入生產的 5 大經驗教訓

#### 簡而言之：在任何企業中將 AI 代理從試用階段推進到正式運作

_要讓 AI 代理程式從示範階段進入日常使用階段，與模型本身的關係不大，而與邊緣案例、遺漏的資料和信任度關係更大。 Alberto Arrighi 負責領導 StackAI (現為 Asana 的一部分) 的客戶成功團隊，而 Max Poff 是其前線部署工程師之一，他們將時間分配在撰寫程式碼以及在銀行、私募股權公司、代理機構和國防承包商內部部署代理程式之間。 在最近一次_ [MTS 的訪談](https://www.youtube.com/watch?v=HJdg7bKlYAY)_中，他們分享了將代理程式從原型階段推進到正式運作的五大做法：從繁瑣且風險高的工作流程著手；將使用者測試視為實際的建置階段；整合整個團隊仰賴的資料；內建學習迴圈；以及從第一天起就將安全性納入設計考量。_

## 將 AI 代理程式投入生產的最困難部分是什麼？

最困難的部分是從可運作的示範到使用者在日常工作中信任該代理程式之間的過程。 Max 表示：「最困難的部分是處理從示範到使用者在日常生產中真正信任代理程式之間出現的邊緣案例。」

示範是根據乾淨的輸入和一個人的假設來執行的。 實際應用會帶來雜亂的文件、權限缺失，以及工作方式與專案發起人不同之同事。

## 1. 從繁瑣且風險高昂的工作流程開始

最適合的入門級代理程式會負責那些至關重要但進度緩慢的工作。 Max 描述了一家歐洲大型銀行的風險和合規性團隊。 每次收到業務變更提案時，風險經理都會交叉參考一份大型風險管控表，以識別新風險，然後再參考一份控制措施管控表，以指派風險緩解措施。

現在，團隊會將提案發佈至自訂的 Slack 機器人。 StackAI 工作流程會傳回格式化的 Excel 活頁簿，其中包含完整的風險評估、標記的風險和對應的控制項。 Max 表示：「過去需要花上一整個下午的任務，現在大約只要 10 至 15 分鐘。」

有兩件事讓它得以持續：代理程式在人們已在使用的工具中與他們互動，且輸出結果以他們已在使用的格式呈現。

## 2. 將使用者驗收測試視為真正的建置階段

使用者驗收測試 (UAT) 是示範版轉變為產品的階段。 Max 與一家私募股權公司的執行助理團隊合作，將 SAP Concur 中的費用編碼自動化。 他表示：「您可以非常快速地建立一個示範版本。」 「但一旦我們將其交給測試人員進行測試，真正的挑戰才正要開始。」

StackAI 在每次部署時都會執行結構化的 UAT 階段，以找出代理程式失敗的案例。 每次修復都能讓工作流程在實際使用中更具彈性。 請在您的時間軸中為此階段做好規劃；這並非專案落後的跡象。

## 3. 連結整個團隊仰賴的資料

與一位專案關係人一起建立的專員只能看到該專案關係人的世界。 Alberto 的團隊為北歐最大的媒體與行銷公司之一打造了一個媒體規劃員代理程式。 在收到客戶簡介後，它會推薦管道、預算分配和推廣計劃。

在主要關係人看來，它似乎很可靠。 當更大範圍的團隊測試時，他們指出了代理程式無法存取的關鍵資料集。 Alberto 表示：「建立示範版很簡單；當您開放給真正的測試人員時，才會發現缺少系統權限或邏輯有問題。」 解決方法是連結更多工具，並打破它們之間的孤島效應。

這反映出更廣泛的轉變。 一年前，大多數使用案例將客服人員與單一知識庫連結起來。 如今，它們是從多個來源擷取資訊、根據事件觸發並跨工具採取行動的協調系統。

## 4. 將學習迴圈納入每個工作流程

當代理人記住所學內容時，它們就會變得更有用。 StackAI 代理程式在客戶組織中保留跨使用者的共享記憶體檔案。 當人們使用代理程式並提供回饋時，該記憶體就會更新，而代理程式會在未來的執行中載入該記憶體。

Alberto 指出了第二個迴圈：將輸出寫回原始知識庫。 他表示：「這種持續的回寫迴圈是我們企業部署的巨大價值驅動因素。」 隨著時間推移，每次執行都會增加組織的知識。

## 5. 從第一天起就考量安全性和治理的設計

在受監管的行業中，代理程式的運行方式與其所做的事情同樣重要。 頂尖金融機構越來越要求代理程式在其私有雲端或內部部署中執行，而不是在共用的 SaaS 基礎架構中執行。 StackAI 還支援在氣隙環境中運作的國防承包商。

Max 表示：「對於國防、銀行和對沖基金而言，資料邊界安全是不可妥協的。」 一旦代理程式接觸到敏感資料並採取風險更高的動作，治理、可觀察性與安全性就變得至關重要。

## 現在 AI 代理程式能做哪些幾年前還做不到的事情？

現在，模型能夠很好地處理結構化資料。 Max 表示：「我剛開始時，常見的建議是：如果您的工作流程仰賴雜亂無章、複雜難懂的 Excel 試算表，那麼 AI 可能不是合適的解決方案。」 如今，他建立的許多代理程式都能產生複雜且經過格式化的 Excel 活頁簿。

代理程式也可以在背景執行，在人們簡單提出問題的同時維護資料層。 Max 認為這對靜態的 BI 儀表板造成了壓力：「儀表板代表的是某人猜測您可能想看到的靜態快照。」

## Asana Work Graph® 的適用情況

上述的每個做法都歸結為一件事：背景資訊、組織知識……瞭解人、事、時、方式和原因。 當代理程式能夠看見工作背後的資料、決策和負責人時，就能從示範階段進入日常使用階段。 這正是 Asana Work Graph® 的內容。 StackAI 新增了跨系統執行功能，因此代理程式可以在企業運作所使用的工具之間採取行動。 結合兩者後，工作流程不必從聊天視窗開始：在 Asana 中指派任務可以觸發 StackAI 代理程式從頭到尾執行，並由人員在過程中核准和移交工作。 Alberto 表示：「將代理程式功能直接連結到企業 Work Graph®，即可開啟一個全新的營運層級。」

#### 開始使用

準備好將您自己的 AI 代理程式工作流程從示範階段轉變為日常使用嗎？ 瞭解 StackAI by Asana 如何協助企業在其業務運作的系統中建立、測試和部署代理程式。
- [深入瞭解](https://www.stackai.com/)

## 關於專家

[Alberto Arrighi](https://www.linkedin.com/in/alberto-arrighi/)領導 StackAI 的客戶成功團隊，該公司現已成為 Asana 的一部分。 他領導的 AI 策略專家和前線部署工程師團隊與企業客戶合作，為代理程式尋找最具價值的工作流程，並將其轉化為生產部署的規格和要求。 他最初在 StackAI 擔任 AI 策略師。 

[Max Poff](https://www.linkedin.com/in/maxpoff/)是 StackAI 的前線部署工程師，該公司現已成為 Asana 的一部分。 他將時間分配在撰寫程式碼和與企業客戶一起部署代理程式之間，包括銀行業的風險和合規團隊以及私募股權的營運團隊，並將他所學到的知識回饋到產品中。

- [我們如何透過保持快取完整無損，將瀏覽器代理程式的成本降低 76 倍，並使其速度提升 5 倍](/zh-tw/inside-asana/cut-browsers-agent-cost)

工程

人工智慧 (AI)

#### StackAI 的技術長

一項在 Codex 中使用 GPT-6 Astra 的研究，涵蓋四種模型，從調查程式碼到評估結果。為什麼我們要研究Asana 正透過 StackAI 將代理程式工作流程自動化引入其平台，而在 Asana 的規模下，小小的效率低下問題會累積起來。 我們的目標是讓一個瀏覽器代理程式更便宜、更快，同時不降低答案品質。「這就是人類和代理程式團隊在實務上的運作方式。 ...

- [AI 隊友如何建立記憶：將工作轉化為可重複使用的知識](/zh-tw/inside-asana/ai-teammates-turn-work-into-reusable-information)

人工智慧 (AI)

工程

大多數 AI 產品將記憶視為個人功能，記住關於一位使用者或一段對話的事實。 但跨團隊協作的 AI 需要一種截然不同的記憶。 當 AI 系統能夠在先前學習的基礎上再接再厲時，就會變得更加實用。 但在企業軟體中，記憶不僅僅是儲存更多內容的問題。 更困難的問題是，讓記憶在共用工作中發揮作用，同時仍保持其可檢查、可治理且具有權限意識。這就是我們打算透過 AI 隊友 ...

- [為團隊打造的 AI 代理程式：企業 AI 中的共享背景資訊和透明度](/zh-tw/inside-asana/ai-agents-built-for-teams-context-transparency)

工程

人工智慧 (AI)

當責差距 企業 AI 代理是 AI 系統，可在跨團隊和專案的共用工作流程中執行動作。 隨著越來越多的平台推出自己的 AI 輔助功能，涉及共享的團隊內容，這個領域迅速發展。絕大多數組織仍無法超越試驗階段。 Camunda 的《2026 年代理協調與自動化狀況》報告發現，只有 11% 的代理 AI 使用案例已進入生產階段，73% 的組織表示其 AI 目標與現實 ...

- [AI 如何讓工作轉型](/zh-tw/inside-asana/ai-transforming-work)

人工智慧 (AI)

#### 執行長暨共同創辦人

Dustin Moskovitz 是 Asana 的執行長暨共同創辦人，也是 Facebook 的共同創辦人。進入科技行業的早期時候，我就被 AI 的潛力所吸引。 儘管前進的道路並不總是明朗，但我感覺到 AI 將會從根本上改變我們的工作和生活方式。在 Asana，我們最初專注於機器學習和自然語言處理方面更直接的突破。 但我從未忘記 AI 研究的前沿，透過支 ...

- [從示範到日常使用：將 AI 代理程式工作流程投入生產的 5 大經驗教訓](/zh-tw/inside-asana/ai-agent-workflows-demo-to-production)

人工智慧 (AI)

Asana 團隊

#### Head of Global Communications

將 AI 代理程式投入生產的最困難部分是什麼？最困難的部分是從可運作的示範到使用者在日常工作中信任該代理程式之間的過程。 Max 表示：「最困難的部分是處理從示範到使用者在日常生產中真正信任代理程式之間出現的邊緣案例。」示範是根據乾淨的輸入和一個人的假設來執行的。 實際應用會帶來雜亂的文件、權限缺失，以及工作方式與專案發起人不同之同事。1. 從繁瑣且風險高 ...

- [人工智慧 (AI)](/inside-asana/artificial-intelligence)
