AI 已經會寫程式，為什麼辦公室的重複流程還在手工做

問題是什麼

Prentis 是里坦卡爾·達斯與里德·霍夫曼、馬克·平卡斯在今年 4 月共同創辦的 AI 實驗室。它正以 10 億美元估值洽談 1 億美元募資，已與包含一家醫療管理服務公司與多家製造商在內的客戶簽下最高 5,000 萬美元的合約，團隊約 25 人，第三季年化營收預期為 7,500 萬美元。真正值得盯的是收費方式：它按實際節省金額的 20% 收費(TechCrunch)。這家公司的判斷可以壓成一句話：日常辦公作業的自動化很快會超過寫程式，成為 AI 最大的用途。

方向多半是對的。問題在於這句話與真實工位之間缺了什麼。

OSWorld 2.0 用 108 個真實工作流程評測電腦操作代理，每個流程人類完成的中位耗時約 1.6 小時。結果很冷靜：在 500 步預算下，最好的系統是開啟最大思考的 Claude Opus 4.8，端到端嚴格完成率 20.6%，部分分數可到 54.8%，但獨立走完全程的只有五分之一。GPT-5.5 停在 13% 附近(arXiv)。論文點出的失敗原因也不是 GUI 操作或寫程式能力，而是約束條件的追蹤、對中途才出現的資訊的處理、自我查核，以及從隱藏狀態中復原。這幾項描述的都是人怎麼把一件長活兒一路扛住。

於是買方桌上剩下兩個問題。五單有四單半途停下，殘局誰來收拾。以及「節省金額的 20%」裡，節省金額由誰來量。

現在這兩件事都靠一頁簡報解決。上線前顧問估一個單件處理時長，乘以人力成本，這個數字寫進合約，之後再無實測。代理中途停住，承辦人打開畫面猜它走到哪一步，然後接手。什麼完成了、什麼沒完成都沒有紀錄留下，於是下個月的帳單也無從核對。

為什麼是現在

按成果計價正在快速鋪開。以節省金額計費不是 Prentis 獨有的設計，而是一個按席次收費過不了預算審核的市場找出來的答案。但這種結構必須有計量才成立。賣方自己算節省金額、自己開帳單的狀態撐不久，財務在第二次續約時一定會問。台灣的共享服務中心尤其如此：上一輪 RPA 大規模導入時，機器人數量一路增加，人力編制卻幾乎沒動，這段記憶還在。中小企業占多數的產業結構也讓這件事更尖銳，沒有專職自動化團隊的公司只能靠廠商的報表說話。

技術前提已經齊了。代理會把畫面截圖、點擊座標、DOM 存取與工具呼叫全部寫成日誌，業務系統這一側也透過 API 回傳單據狀態。缺的不是資料，而是把兩條流對上、判定「這一單是否真的結清」的那一層。

人力市場的訊號指向同一個方向。翻一遍 AI 基礎設施公司的公開職缺，成長最快的職位是解決方案架構師與資安工程師，而不是模型研究員。瓶頸已經從模型能力挪到落地導入與可稽核性上。

時間表也是定好的。今年上半年簽下的試點合約，大約在兩到三季後走到續約談判。那場會議要用的資料，做資料的工具得更早出現。

怎麼構建

flowchart LR
    A[人工操作畫面日誌] --> C[工序地圖]
    B[代理執行日誌] --> C
    C --> D[逐步通過判定]
    D -->|通過| E[結清紀錄]
    D -->|未達標| F[打包狀態與證據轉人工佇列]
    E --> G[月度實測節省報告]
    F --> G

MVP 要切得窄：一個作業族，一個客戶。理賠受理、關稅退稅、發票對帳都行，只要是人做一遍要 30 到 90 分鐘且反覆發生的定型工作。先幫人工版本裝上儀表，把流程拆成工序並逐步計時。再把代理的執行日誌疊到同一張工序地圖上。每一步都掛通過條件，而且條件必須能被系統查核，而不是讓模型自己打分：單據是否已登錄、金額是否與總帳一致、文件是否已歸檔。某一步沒過，就把此前的狀態與證據打包推給人工佇列。到月底，用結清單量乘以實測節省時數，交給客戶一份他自己能驗證的帳單依據。

真正的紀律是不去做代理本身。Prentis、Anthropic、OpenAI 都在做那層模型，那場競賽需要九位數資金。而一個對任何廠商的代理都用同一把尺去量、用同一種方式交接的層，越中立越值錢。技術堆疊本身很普通：事件日誌採集、工序地圖編輯器、描述通過條件的小型 DSL，再加一個人工佇列。難點不在模型，而在工序地圖由誰來畫，客戶越多，這份圖庫越像護城河。

成功條件

第一個假設是企業是否真的想查核節省金額。找五家已經簽了成果計價自動化合約的公司，問它們的財務主管上一季那張帳單是拿什麼核對的，兩週就能問清楚。如果有三家回答「把廠商給的報表直接送上去了」，市場就是存在的。

第二個假設是代理廠商能否接受身邊坐著一個計分員。有些廠商不會接受，所以這套東西賣給買方而不是賣方。有意思的是，按成果收費的廠商越到後面越需要同樣的證據來守住續約，最早強硬推開它的那幾家，一年後反而可能主動來問。這個轉向什麼時候發生，決定了這門生意的速度。