AI Agent 是什麼？和 Agent Skill 差在哪，行銷人一次搞懂

「AI Agent」滿天飛，但它跟你在用的聊天 AI 差在哪？跟 Agent Skill 又是什麼關係？這篇用白話把這兩個常被混用的詞拆開，再補上 Agentic workflow 怎麼跑、現在市場上最流行的 AI Agent 運用、以及 Skill 最常用的場景，讓你聽得懂、也用得上。

「AI Agent」每天都在聽，但它到底是什麼

打開產業新聞，「AI Agent」幾乎每天都出現。可是真要解釋它跟你平常在用的聊天 AI 差在哪，多數行銷人會卡住。更混亂的是，旁邊還有一個長得很像的詞叫 Agent Skill，兩個常被混在一起講。

這股熱度不是錯覺。市場研究機構 Gartner 在 2025 年 6 月的預測中估計，到 2028 年會有三分之一（33%）的企業軟體內建 agentic AI 能力，而 2024 年這個比例還不到 1%。三年之內從幾乎沒有到三分之一，難怪它天天洗版。

先給一個最簡單的分法：AI Agent 是「會做事的 AI」，Agent Skill 是「教這個 AI 把某件事做對的專長」。一個是會行動的主體，一個是這個主體身上的一項能力。白話說，AI Agent 是能在目標、權限與規則內，規劃步驟並使用工具完成多步驟任務的 AI 系統。把這兩者分清楚，你再看那些 AI Agent 的新聞就不會霧煞煞，也比較能判斷哪些跟你的工作真的有關。這篇就從這裡講起。

我們發現一個簡單的判準：它會不會自己把事做完

每次有人問我們什麼才算 AI Agent，我們都用一個比較精準的判準：你給它一個目標後，它能不能在授權範圍內，自己規劃步驟、呼叫工具、推進多個環節，而不是只回覆一段文字。

這裡說的一般聊天 AI，指的是沒有接工具、沒有流程設計、主要靠對話回覆的使用方式，你問一句、它答一句。AI Agent 則更像一個會做事的助理：你給它一個目標，它會在設定好的權限與規則內拆步驟、去拿需要的資料、用工具完成。會不會「在規則內自己推進任務」，是我們區分聊天機器人和 Agent 最直覺的一條線。

AI Agent、Agent Skill、聊天 AI 並排看

把幾個常一起出現的詞並排，關係就清楚了。

1. 聊天 AI，你問一句、它答一句的問答工具，像一位隨問隨答的顧問，適合查資料、寫初稿。
2. AI Agent，能依目標規劃步驟、使用工具、在規則內推進多步驟任務的 AI 系統，像一個會做事的員工，適合交付完整任務而不只給答案。
3. Agent Skill，給 Agent 的一項可重複專長（含規則與流程），像員工手上的一本作業手冊，讓 Agent 照你的規矩把特定工作做對。

用員工來比喻最好懂：AI Agent 比較像一個被設定好職責、可以使用工具的工作角色；Agent Skill 則是你交給他的一本本作業手冊，月報怎麼做、文案怎麼檢查、分群怎麼定義，各寫成一本。同一個角色，載入不同手冊，就能在那一刻照你的規則把那件事做對。

一個會做事的 Agent，需要哪三樣東西

聊天 AI 要進化成會做事的 Agent，通常要補上三樣東西。

第一樣是規劃能力，能把「做一份檔期復盤」這種大目標，自己拆成撈資料、算指標、寫結論幾個步驟。第二樣是工具連接，能透過像 MCP 這樣的開放標準接到外部的資料、工具與工作流，不必再靠你把資料一份份貼給它。這個把 AI 接上外部系統的開放協定，是 Anthropic 在 2024 年 11 月開源發表的，等於幫 Agent 統一了插上工具的接口。第三樣是上下文與規則，它需要知道任務邊界、判斷口徑、可用資料與執行規範，這一部分可以來自系統設定、資料來源，也可以用 Agent Skill 把可重複的流程與規則包起來。

換句話說，Agent 提供「行動力」，Skill 提供「know-how」。光有行動力沒有 know-how，Agent 做事會很通用、不貼你品牌；有了對應的 Skill，它才知道你品牌的月報長什麼樣、分群怎麼定義。Skill 的重點不是再寫一次 Prompt，而是把可重複的流程、規則與素材，包成 Agent 能載入的工作方法。這套做法在 2025 年 10 月被正式提出，用一個叫 SKILL.md 的簡單檔案描述一項技能，同年底進一步被整理成跨平台的開放格式，目標是讓技能在支援這個標準的 agent 工具之間更容易重複使用。

接著澄清三個常見誤解。

誤解一，以為 Agent 和 Skill 二選一。不是。Skill 是裝在 Agent 上的能力，兩者是搭配關係，不是並列選項。

誤解二，以為買了 AI Agent 就自動懂你的生意。不會。Agent 是通才，懂不懂你的生意，要看你有沒有把品牌 know-how 寫成 Skill 餵給它。

誤解三，以為 Agent 能完全取代人。目前更務實的定位是分工：Agent 負責把流程跑完，人負責定義目標、設邊界、做最後判斷。

Agentic workflow 怎麼運作，大家又都拿 Agent 做什麼

前面把名詞拆開了，這一段獨立談「它實際怎麼跑」與「大家都拿它做什麼」，因為這正是這波熱潮真正在變的地方。

先講 Agentic workflow。傳統用 AI 的方式是「一問一答」：你丟一個 prompt，它回一段文字，好不好全看那一次的輸出。Agentic workflow 換了一種運作邏輯，讓 AI 在一個目標下自己跑一個循環：先規劃、再行動、接著檢查結果、發現不對就修正，然後再跑下一輪，直到把任務推進到可交付、或待人工確認的狀態。以「做一份月報」為例，一問一答只能給你一段建議文字；Agentic workflow 則會自己去撈當月訂單、算出關鍵指標、比對上月、發現某個數字兜不攏就回頭重算，最後產出一份結構完整的報告。差別不在 AI 更聰明，而在它從「回答問題」變成「推進工作」。

這種運作方式之所以到最近才成熟，背後有模型能力提升、工具調用普及、企業自動化需求等多重推力。其中和行銷團隊最相關的兩塊基礎是：MCP 這類工具連接標準讓 Agent 拿得到外部資料，Skill 這類把規則與流程打包的方法讓 Agent 知道每一步該照什麼規矩做。行動力加上判斷規則，多步驟循環才跑得穩。

那市場上最流行的 AI Agent 運用是哪些？從近兩年的產業調查可以看出輪廓，不過要提醒：不同調查問法與受訪對象不同，數字彼此不能直接相加或跨年比較，各自看趨勢即可。

1. 客服與服務。這是應用升溫最明顯的一塊。AI 顧問公司 LangChain 在 2025 年底的 State of Agent Engineering 調查中，客服首度成為最常見的 agent 部署場景；Gartner 更預測到 2029 年，agentic AI 將能自主解決八成（80%）的「常見」客服問題，並讓相關營運成本降低三成。要注意「常見」兩個字，指的是規則清楚、重複性高的問題，不是全部客訴。
2. 研究、資料分析與摘要。這是早期最大宗的用途。LangChain 在 2024 年的調查中，把資料撈整、彙整、寫摘要列為當時最主要的 agent 應用。對行銷人來說，這對應的就是「幫我把這個月的成效整理成一頁」這種活。
3. 個人生產力與助理。排程、彙整信件、草擬文件這類每天重複的雜事，也是採用率一直很高的一類。
4. 程式開發輔助。coding agent 是最受關注的應用之一，只是它比較貼近工程團隊，離行銷日常較遠，這裡點到為止，不套用不相干的數字。

放大看整體採用，顧問公司 McKinsey 在 2025 年底的 State of AI 調查中發現，已有 62% 的組織至少在試驗 AI agents，其中 23% 已在企業某處規模化使用，但真正在單一業務職能大規模落地的仍不到一成。熱度很高，成熟度還在路上，這是這波最真實的樣子。

也因此，不是每個專案都會成功。Gartner 同時預測，到 2027 年底，超過 40% 的 agentic AI 專案會因為成本過高、商業價值不清或風險控管不足而被取消。這個數字不是要潑冷水，而是提醒一件事：能不能跑出價值，關鍵往往不在 Agent 本身，而在你有沒有把「要它做什麼、照什麼規則做、接什麼資料」想清楚。

最後講 Skill 最常用的運用場景，也就是你會拿它教 Agent 做哪幾件事。對零售與電商行銷團隊來說，最實用的通常是這幾類：

1. 定期報表與復盤。把月報、週報、檔期復盤的資料口徑、分析結構、結論寫法包成一本手冊，讓 Agent 每次都照同一套規矩產出，不會這個月一種樣、下個月又一種樣。
2. 會員分群與標籤命名。把「主力客、流失客、註冊未購」這些分群怎麼定義、門檻怎麼抓、對應什麼溝通策略，寫成 Skill，Agent 貼出來的名單才對得上你團隊的共同語言。
3. 文案與素材檢查。把品牌用語規範、禁用字、法遵要注意的地方寫成一本檢查手冊，讓 Agent 在產出前先行把關。
4. 把重複的 SOP 資產化。任何一件「每次都要做、規則又明確」的工作，都可以整理成 Skill。這正是把團隊 know-how 沉澱下來、不隨人員流動而流失的做法，我們在零售行銷的十個 AI Skill 場景裡談得更細。

一句話收束這段：Agentic workflow 是「怎麼跑」，流行運用是「大家拿它做什麼」，Skill 場景是「你要教它做哪幾件」。三者疊起來，你才知道這波浪潮跟你的工作接在哪。

行銷團隊該怎麼看待這波 Agent 浪潮

對行銷團隊來說，重點不是追著「AI Agent」這個詞跑，而是想清楚要它做什麼、需要餵它什麼。

經理人把這類客製能力的差異講得很清楚：與其糾結平台名詞，不如先把你最常重複、規則最明確的工作整理成 Skill。等於是先準備好幾本作業手冊，之後只要平台支援相同或相近的 Skill 格式，就比較容易把這套做事方法搬過去，省下每換一套工具就重寫一次的功夫。這個順序很重要：先有清楚的做事方法，Agent 才幫得上忙；做事方法本身一團亂，再強的 Agent 也只是把混亂跑得更快。數位時代也整理過 Agent 與 Skill 的關係，可以一起看。

一個實際案例：用 Skill 客製 agent 的能力

設計平台 Canva 在 Anthropic 官方分享的 Agent Skills 案例中表示，計畫用 Skills 來客製 agent、擴充它的能力，幫團隊更輕鬆做出高品質設計。這正好印證這篇的核心：agent 是會做事的主體，skill 是讓它在特定任務上變專家的能力包。對行銷團隊來說，比起等一個什麼都會的 agent，更實際的是先想清楚要用 skill 教它做好哪幾件事。

要提醒的是，Canva 是國際大型平台，這個案例是說明 agent 與 skill 搭配方向的參考，不是台灣團隊可直接複製的成效。

Agent 要對你的生意有用，得先接得上你的數據

一個會做事的 Agent，要對零售品牌真的有用，光有行動力還不夠，得接得上你的會員與訂單資料。

不管 Agent 多聰明，拿不到你的第一方數據，能做的就只有通用內容，碰不到真正能帶來價值的會員分析。從 CDMP 的角度看，這件事可以拆成兩層：先讓第一方數據整理到 AI 能讀、能用的狀態，再把團隊的判斷方法整理成 Skill，會做事的 Agent 才有東西可做、也知道怎麼做。Agent 提供行動力、資料提供原料、Skill 提供規則，三者到齊，AI 才從一個會聊天的工具，變成真的幫得上零售生意的助手。想深入了解資料這一層，可以看 Agentic Commerce 時代的資料困局。

先動手做的三件事，比追平台名詞更值得

如果讀到這裡你想開始，不必等一個完美的平台，先從這三件事著手。

1. 挑一件每週都會重複、規則又清楚的工作先開刀。像月報或分群命名，把它的資料口徑、步驟與結論寫法整理成一本 Skill，讓 Agent 照著跑，先在小範圍看它穩不穩，再逐步擴大。
2. 盤點你的第一方數據接不接得上。趁早確認會員與訂單資料整理到 AI 讀得懂、用得動的狀態，這一步沒做，再強的 Agent 也只能給通用建議。
3. 分清楚哪些交給 Agent、哪些留給人。讓 Agent 負責把流程跑完，人保留定義目標、設邊界與做最後判斷的位置，這樣導入才穩、也才守得住品質。

與其追逐名詞，不如先準備好你的手冊

回到開頭那個讓人霧煞煞的「AI Agent」。

把它和 Agent Skill 的關係想成員工與作業手冊，多數新聞你就讀得懂了：大家在搶的是更會做事的員工，但真正讓員工對你有用的，是你有沒有把自己的做事方法寫成手冊交給他。對行銷團隊來說，與其焦慮哪個 Agent 最強，不如先動手把最常重複的工作整理成 Skill。

這波浪潮裡，最後拉開差距的不是誰先有 AI，而是誰先把自己的專業，整理成 AI 接得住的形式。會做事的 Agent 會越來越多，但懂你生意的手冊，仍然要從你的團隊方法開始整理。

品牌最常問的 AI Agent 與 Agent Skill 問題

Q1：AI Agent 和聊天 AI（chatbot）差在哪？ A1：聊天 AI 是你問一句、它答一句的問答工具；AI Agent 則會規劃步驟、用工具、跑多個環節推進任務，比較像會做事的員工而不是問答機。最直覺的分法是：它是否能在設定好的權限與規則內，規劃步驟並呼叫工具推進任務，而不只是回覆一段文字。

Q2：AI Agent 和 Agent Skill 是同一個東西嗎？ A2：不是，但有關係。AI Agent 是會做事的 AI 主體，Agent Skill 是裝在 Agent 上的一項可重複專長。用員工比喻，Agent 是員工，Skill 是他的作業手冊，兩者是搭配關係，不是二選一。

Q3：什麼是 Agentic workflow？和一般用 AI 有什麼不同？ A3：一般用 AI 是一問一答，你丟一個問題、它回一段文字。Agentic workflow 則讓 AI 在一個目標下自己跑「規劃、行動、檢查、修正」的循環，把任務一步步推進到完成。差別不在 AI 更聰明，而在它從回答問題變成推進工作，例如自己撈資料、算指標、發現數字兜不攏會回頭重算。

Q4：市場上最流行的 AI Agent 運用是哪些？ A4：從近兩年的產業調查看，最常見的集中在客服與服務、研究與資料分析、個人生產力助理三類，程式開發輔助則偏向工程團隊。其中客服在 2025 年的多份調查中升溫最明顯。要提醒的是不同調查問法不同，數字不能直接相加或跨年比較，看趨勢就好。

Q5：哪些工作適合、哪些不適合做成 Skill？ A5：對零售行銷團隊來說，最適合的是定期報表與復盤、會員分群與標籤命名、文案與素材檢查、以及把重複的 SOP 資產化這幾類，共通點是「每次都要做、規則又明確」。反過來，一次性的專案、每次規則都不同、或高度依賴臨場創意與判斷的工作，就不適合硬做成 Skill，那類工作更適合讓人來主導、AI 當輔助。

Q6：是不是買了 AI Agent，它就懂你的生意？ A6：不會。Agent 出廠時是通才，懂不懂你的生意，要看你有沒有把品牌的做事方法（月報口徑、分群定義、文案規範）寫成 Skill 餵給它，以及它接不接得上你的資料。沒有這兩樣，它只能做通用的事。

Q7：AI Agent 會取代行銷人嗎？ A7：目前更務實的定位是分工，不是取代。Agent 負責把流程跑完，人負責定義目標、設邊界、做最後判斷。它讓你少做重複的執行，把時間留給策略與判斷，人力並不會因此被換掉。

Q8：行銷團隊想用 AI Agent，第一步該做什麼？ A8：先別急著選 Agent，先把你最常重複、規則最明確的工作整理成 Skill，例如月報或分群命名。等於先備好作業手冊，之後只要平台支援相同或相近的 Skill 格式，就比較容易搬過去用。做事方法清楚了，Agent 才幫得上忙。

Q9：AI Agent 一定要懂技術才能用嗎？ A9：使用面通常不需要寫程式，但要用得好，得能把你的工作目標和規則講清楚（也就是寫 Skill 的能力），以及確認它接不接得上你的資料。技術細節可以交給工具或工程協作，行銷人的關鍵是把做事方法說明白。

Q10：什麼是 MCP？和 Agent、Skill 有什麼關係？ A10：MCP（Model Context Protocol）是一個讓 AI 接上外部資料與工具的開放協定，由 Anthropic 在 2024 年 11 月開源發表。它負責的是 Agent 的「工具連接」這一層，讓 Agent 拿得到你的資料與系統；Skill 負責的是「照什麼規則做」。MCP 讓 Agent 接得上，Skill 讓 Agent 做得對。

Q11：導入 AI Agent 有什麼常見風險？ A11：Gartner 預測到 2027 年底，超過四成的 agentic AI 專案會因成本過高、商業價值不清或風險控管不足而被取消。用員工比喻最好懂：常見的坑就像請了一位新員工，卻沒給他清楚的作業手冊（Skill）、不讓他進系統查資料（資料連接），也沒想好他跟團隊怎麼分工，自然難有產出。先把目標、規則與資料想清楚，比急著上工具重要。

Q12：Skill 和 Prompt、範本有什麼不同？ A12：Prompt 是你當下丟給 AI 的一句話或一段指令，用完就過；Skill 是把可重複的流程、規則與素材打包成一份可載入的工作方法，能重複使用、也能跨任務套用。簡單說，Prompt 是臨時交代，Skill 是一本會被反覆翻閱的作業手冊。想再細分 Skill、Prompt、MCP 的差別，可以參考我們另一篇說明。

Q13：預算或團隊規模有限的品牌，也適合用 AI Agent 嗎？ A13：適合，而且更該從小處開始。不必一次導入大平台，先挑一兩件重複性高的工作寫成 Skill，用現成的 agent 工具跑起來看效果。重點是先把做事方法整理清楚，這件事跟預算大小無關，小團隊反而更需要把有限人力從重複執行中釋放出來。

Q14：導入 AI Agent 多久能看到成效？ A14：這要看你挑的第一件工作有多清楚、資料接得多順。若從一件規則明確、資料現成的重複工作開始，通常能較快看到「省下重複執行時間」的效果；但要它產出真正貼近你生意的判斷，前提是資料整理到位、判斷方法有寫成 Skill。與其問多久，不如先確認這兩個前提有沒有到位。

Q15：AI Agent 需要接自己的數據才有用嗎？用顧客數據平台整理資料是必要的嗎？ A15：對零售品牌來說，Agent 要產出有價值的會員分析，前提是接得上你的第一方會員與訂單資料。資料若散在各處、格式不一，Agent 拿到的原料是破碎的，給出的建議也只能是通用的。把第一方數據整理到 AI 讀得懂、用得動的狀態，是讓 Agent 真正幫得上零售生意的基礎工程，這也是顧客數據平台這類工具要解決的核心問題。

延伸閱讀

1. Skill、Prompt、MCP 差在哪？行銷人最常搞混的三個 AI 名詞一次講清楚
2. 選 CDP AI Agent 前，先問這 4 個問題：不然你買的只是一個會聊天的介面
3. AI Agent 平台怎麼比較？2026 四大陣營全解：開發框架、低程式碼、巨頭生態系與桌面代理
4. SKILL.md 怎麼寫才好用？description 與五種設計模式一次搞懂
5. ChatGPT Skills 教學：台灣零售行銷團隊把 SOP 變成可重複資產
6. Agent Skills 開放標準：一套 SKILL.md 跨 ChatGPT、Claude、Codex，怎麼降低 AI 工作流的移轉成本
7. 91APP AgentOne 是什麼？從 AI 助理到數位產能，零售與餐飲的下一場轉型

想把會員分群、報表口徑與活動檢討的判斷標準整理成可重複使用的團隊方法，不妨先從一件每週都會重複的工作開始。