很多老闆聽到 AI Agent，第一個反應不是「能省多少時間」，而是「它出錯怎麼辦」。這個擔心很合理，但解法不是每一步都派人盯著，那樣只是把工作換個方式做一遍；也不是放手全交給 AI，一旦出錯代價很大。比較務實的做法，是在流程設計階段就決定：哪些步驟全自動、哪些步驟需要人工確認、哪些步驟只做抽查。
為什麼不能「全自動」或「全人工」二選一？
全人工覆核的問題很直接：AI 產出之後，員工還得從頭檢查一遍，總工時可能不降反升，導入的意義就消失了。全自動的問題則是風險集中：只要規則漏掉一種情況，錯誤就會大量複製，而且往往要等到對帳、客訴或稽核時才被發現。
實務上，同一個流程裡的不同步驟風險差很多。例如請款流程中，「讀取單據欄位」錯了可以馬上更正，但「核准付款」錯了就是真金白銀的損失。所以分工要做在步驟層級，而不是整個流程一刀切。
如何判斷一個步驟要不要人工覆核？
可以對每個步驟問三個問題：
- 出錯的代價有多大？涉及金額、法規、對外承諾的步驟，代價高，預設保留人工確認。
- 規則是否明確？能寫成「如果……就……」的判斷，適合自動化；需要看語氣、看關係、看脈絡的判斷，先交給人。
- 事後能不能更正？內部資料整理、草稿產生都能重做；已寄出的信、已入帳的款項就很難收回。
三題都是「低代價、規則明確、可更正」的步驟，可以直接全自動。只要有一題答案偏向高風險，就先設人工確認點。這個判斷也呼應 TURBO 五條件中的 Operable（可操作）：規則越明確、越能被驗證的流程，越適合讓 AI 獨立執行。
人工覆核點該設在哪裡，才不會拖慢流程？
覆核點的設計重點是「讓人只看需要看的」。常見的做法有三種：
- 例外才覆核：AI 對符合規則的案件直接處理，只有信心不足、金額超過門檻、或規則外的情況才送人工。大部分案件不需要人碰。
- 關鍵節點確認：前面的資料整理全自動，到「送出」「核准」這類不可逆的動作前，由負責人一鍵確認。
- 事後抽查：低風險步驟全自動執行，每週或每月隨機抽一定比例檢查，確認品質沒有悄悄下滑。
無論哪一種，都要讓覆核者看到「AI 為什麼這樣判斷」：引用了哪條規則、對照了哪份資料。只丟一個結果給人確認，覆核者很難判斷對錯，久了就會變成形式上的按確認。
覆核要放寬到什麼程度？用數據決定，不靠感覺
人機分工不是一次定案。nextOA 的四步工法最後一步是「上線運行」，在這一步建議用三個數字管理覆核強度：
- 人工修改率：覆核時被人改掉的比例。
- 例外比例：送進人工處理的案件佔總量多少。
- 錯誤逃逸數：通過覆核或抽查後，仍被發現的錯誤件數。
初期可以抓得嚴一些，例如所有案件都先人工確認，連續幾週修改率穩定很低，再把低風險案件改成抽查。反過來，如果規則異動（新法規、新價格、新供應商）造成修改率上升，就暫時收緊。這些基準數字，最好在「量測基準」那一步就先記下來，才有比較的依據。
規則改了、有人離職，覆核機制會不會失效？
會，所以要把覆核本身也寫進 SOP。內容至少包括：誰負責覆核、代理人是誰、哪些情況必須升級給主管、覆核紀錄存在哪裡。AI 能執行的 SOP 越清楚，覆核者的判斷標準也越一致，不會因為換人就變調。
另外，覆核點的存在是為了降低風險，不是永久設置。每季檢視一次：哪個覆核點已經連續很久沒有發現問題？可以放寬就放寬，把人力留給真正需要判斷的地方。
小結：先決定「人在哪裡」，再談自動化
導入 AI Agent 的順序應該是：先用 TURBO 選出值得做的流程，再用 ECRS 精簡流程，接著萃取規則，最後在上線前就把人機分工畫清楚。把「人在哪個環節、看什麼、什麼時候可以放手」設計好，AI Agent 才能既讓老闆放心，也真正替團隊省下時間。