公司知識沒有寫成這樣，agent 一定學不會：誰在什麼情境、依據哪一條規定、產出長什麼樣

公司文件寫得再完整，agent 讀不懂的三個地方

台灣中小企業的營運資料通常散落在各部門的試算表與資料夾裡。經濟部《2025 中小企業白皮書》指出，已導入或正在規劃導入 AI 的中小企業只有 7.4%（2025 年 12 月 26 日發布）。多數公司連自家資料放在哪都沒有答案，就要把工作交給 agent，卡住是必然的。

公司文件有三種用途：SOP、制度、教材。前兩種通常有，第三種幾乎沒人寫，而 agent 只吃第三種。

給人看的 SOP 與給 agent 看的教材差在哪裡

SOP 預設讀者是活人，看得懂「依規定辦理」，也知道沒寫到的要問主管。agent 沒有這段背景，只照字面執行，字面沒寫的就自己補，常跟公司期待差很遠。

客服 FAQ 寫「退款依規定辦理」，人知道查哪條內規、找誰簽核，agent 不知道「規定」是哪份檔案，可能搬網路通用說法或自己編流程。這裡缺的是規則來源，也就是每句判斷背後那條指得出來的條文。

財報解析更明顯。我們協助客戶做醫院財報教學系統，每年兩百多家醫院、三年七百到一千兩百筆資料，痛點全在格式：有的 PDF 可直接複製文字，有的字型編碼損壞，有的是整份掃描圖；科目名稱還有兩套，財團法人用醫務收入，公立醫院用醫療收入。流程文件只寫「彙整科目」，缺「遇到掃描圖怎麼辦」、「兩套科目怎麼對齊」的情境。

第三個缺口是產出範例。文件只寫「產出一份報表」，agent 不會知道欄位順序、單位是千元還是元、小數點幾位。補一份做好的樣本，勝過再寫三段說明。agent 卡住多半無關模型強弱。文件少了情境、規則來源與範例，才是主因。這三個缺口如何拖垮一整個專案，另一篇買了最強的模型，專案還是死掉：企業 AI 卡住的三個地方，多半是流程、權限與驗收從頭講過一次。

一份 agent 學得會的教材，固定寫這四欄

把每項工作寫成一張四欄教材卡：誰在什麼情境、依據哪一條規定、看到哪些資料、產出長什麼樣子。沒待過公司的人或沒讀過你腦袋的 agent，看完就能動手。教材卡之前還有一層，是把職位先拆成工作單，拆法寫在一個職位拆成十二張工作單：把工作交給 agent 之前要先做的事，從寫職務說明書開始。

四個欄位各要填到多細

第一欄寫到觸發條件，不能只寫職稱。「客服收到客戶詢問退換貨，且訂單成立未滿七天」可執行；只寫「客服處理退換貨」，agent 不知道何時該啟動。

第二欄要附出處，不要只複述規定。像「依退換貨辦法第 3 條，鑑賞期七日內可無條件退貨，運費由公司負擔」，條號與原文一起放，日後改規定才知道要改哪張卡。

第三欄寫清楚資料來源與欄位，例如訂單成立日、商品類別、付款狀態，並標出判斷關鍵欄位。第四欄附一份做好的樣本，欄位順序與用字照抄，比再寫三段說明有效。

四欄填完，同一份工作會有兩個版本：新人訓練版重背景與為什麼，agent 執行版重條件與格式。

用一份客服問題單拆給你看

客戶來信問「上週買的鞋子想退，可以嗎」。第一欄寫「客戶來信提及退貨，且能提供訂單編號」；第二欄引退換貨辦法第 3 條與第 5 條，說明鑑賞期與鞋類須保持全新；第三欄列訂單成立日、商品類別、是否已拆封；第四欄附回覆範本，開頭致謝、中間說明條件、結尾給流程。

真正花時間的是確認：規定還在不在、資料抓不抓得到、範本是不是主管認可的版本。教材卡寫完，驗收標準也順便長出來了。

把現有 SOP 改寫成教材：三個動作與一個例外規則

多數公司抽屜裡都有一份寫得很仔細的 SOP，但那是給人看的，人看得懂「依客戶情況斟酌處理」，agent 看不懂。改寫的第一步不是重寫，而是把資深同事腦子裡的判斷搬到紙上。

從「照這樣做」改成「遇到什麼狀況問誰」

第一個動作是補情境與角色，說明這份教材給誰用、什麼時候用、對話對象是誰。以報價單為例，原本寫「依客戶需求填寫報價」，要改成「業務收到客戶詢價信後，依型號查價，對象是採購窗口」，agent 才知道自己站在哪個位置。

第二個動作是把「怎麼做」換成「依據什麼判斷」。原本寫「先確認客戶等級再決定折扣」，對 agent 等於沒說。改寫後要寫「客戶等級見 CRM 的年度採購額欄位，A 級折扣上限 8%，依據 2026 年修訂的報價辦法第 6 條」，把規定、資料來源、判斷門檻一起交代清楚。

第三個動作是補例外規則，講明白什麼情況要停下來往上報。折扣超過上限、客戶要求非標準付款條件、金額超過 50 萬元，這三種不准自己決定，要轉給主管；同時要寫停止條件，例如查不到客戶等級就停，不要猜。agent 出錯幾乎都發生在例外沒人接的時候，這一段最該花時間。

很多人以為教材寫得越細越好。實際上，教死一套固定做法反而限制它的發揮，執行長的說法是，不必教它怎麼做事，要給它更多工具，讓它自己去探索功能。

還有一條界線要講清楚：agent 沒有法律人格，不能簽名、也不能負責。報價單送出去，扛責任的還是公司與那位掛名的業務。

替代方案有限公司觀點：台灣企業先把知識寫成可交接的樣子

跑過七個 agent 之後，我們更清楚教材怎麼分、台灣企業卡在哪。

我們公司七個 agent 的教材怎麼分

我們公司有七個 agent，有的負責執行直接交辦的任務，有的跑固定排程，一個對內當營運長，一個對外當業務長，其餘處理重型任務，分工上分內外、也分主動與被動。教材因此分兩層：一層寫職務範圍與權限，一層寫品味與偏好。

權限要給，而且要安全地給。用了 AI 卻不給權限，它會停在對話框問答，永遠只是比較會回話的搜尋框。所以權限集中在本機機器上管理，讓它知道自己擁有你的權限、知道你的要求。工具給得夠，它才走得遠。

人做前期規劃與後期檢討，過程中不插手，插手會讓效率下降、專案失敗。

台灣中小企業最常缺的三種知識

第一種缺職務說明：誰在什麼情境、依據哪條規定、看到什麼資料、產出長什麼樣。第二種缺例外門檻：什麼情況要停下來往上報。第三種最麻煩，是資料在哪裡。台灣企業普遍不會管數位資產：資料散在各地、沒有統一機制、沒人知道東西放哪，對權限也不熟。

卡住的原因就三個：老闆想一次到位、不願給權限、資料混亂。這也解釋了 McKinsey 2026 年 8 月調查裡的落差，大型企業已有 40% 在至少一個職能規模化 agent，中小企業停在 22%。差距不是模型造成的，是前面那三件事沒解決。

所以先挑一個單一功能、範圍清楚的職務，把教材寫到可交接，再談第二個。替客戶做的財報解析教學系統就是這樣，功能單一、驗收標準具體，才做得成。

教材寫完怎麼驗收：看它改了什麼，不聽它說做了什麼

教材寫完，最危險的一刻是 agent 回你「已完成」。那是它自己認定的完成，不一定是你定義的完成。因此驗收的第一步，就是把「我相信它」換成「我去查它動了哪裡」。Anthropic 在 2025 年的評估方法文件講得很直接：要看環境終態，例如訂位有沒有真的寫進資料庫，而不是讀它產出的說明。

把四個欄位變成四條測試案例

回頭看教材四個欄位：誰在什麼情境、依據哪一條規定、看到什麼資料、產出長什麼樣。它們剛好一一轉成測試案例。情境決定測試起點，規定提供標準答案，資料是餵進去的輸入，產出格式是比對的期待值。所以教材寫得夠細，案例幾乎是抄下來的。

接著要處理「一次不算數」的問題。Anthropic 用三個詞切開評估單位：任務（task）是要它做的事，試次（trial）是同一件事重複跑，評分器（grader）是判定對錯的規則。因為 agent 每次走的路徑不同，同一條案例至少跑五次，過關率才有意義。

第三種證據是錯誤分類。Google 2025 年的Agent Quality 白皮書把評估分成三層：開發期的快速檢查、上線前的回歸測試、上線後的線上監控，並建議把失敗聚類成錯誤叢集再修。這樣你看到的不只是「錯了 12 次」，還會知道其中 8 次是同一個科目對齊問題，修一處就解決大半。

另一種錯最容易被忽略：知識過期。公告修了、費率改了，教材沒更新，agent 仍會照舊版規則做得很順。因此驗收清單要標明每條規定的來源與生效日，並指定一位更新責任人，測試案例也跟著版本走。

三種證據合起來，驗收就從「我覺得還行」變成一張可重複執行的對照表。我們替客戶做財報解析教學系統時也是這樣，科目對齊、比率公式、答案對錯，每一項都有可比的期待值。

常見問題 FAQ

Q：我們公司的規矩都放在老員工腦袋裡，這樣 agent 真的學不會嗎？
文章要說的是，它學不會的其實是公司流程，問題不在模型強不強。知識要寫成教材規格：誰在什麼情境下、依據哪一條規定、看到哪些資料、產出長什麼樣子。這四件事分開寫清楚，它才知道什麼時候該動手、什麼時候該停。如果只是把檔案跟規章整包丟給它，它會照一般常識自己補，超出規則就停下來或亂做。可以先從每週重複很多次、輸入格式固定、完成定義明確的單一工作開始寫。

Q：要不要把公司的 SOP 一步一步教死給它？
不用。教材要寫的是邊界與依據，不是步驟順序：把情境、依據哪一條規定、可用哪些資料、產出格式寫清楚，判斷規則與例外門檻也寫好，它才有辦法在規則內做事、在規則外停手。把每一步教死，反而限制它的發揮，規定一改，整份教材就得重寫。

Q：那到底要寫到什麼程度才算夠？有沒有實際例子？
看能不能驗收。文章裡的客戶案例是財報解析系統，交辦的要求寫得很具體：內建比率公式、科目名稱要對齊、學生先寫答案再由系統評對錯、主機可以放自己單位、一年後能自行維護。另外三條限制也寫明白：學生上傳的檔案只供當次對照不寫入資料庫、每個工作階段限定對話次數、只能看本院歷年與同業對照，不能一次抓走全庫。功能單一、範圍清楚、驗收標準具體，這是它做得成的原因。反過來說，如果你寫不出「產出長什麼樣」和「誰來檢查」，代表這個職務還沒拆開，先別急著交給 agent。

📩 有任何問題或需要協助，歡迎聯絡我們：[email protected]