《The Economist》的文章中提到，巴基斯坦法院累積了超過兩百萬件待審案件，因此開始讓一套叫 JudgeGPT 的 AI 工具協助法官搜尋法律、整理判決與草擬文件。結果使用這套工具的法官，每年平均多處理約 6.3% 的案件，而且上訴率並沒有因此增加。原本會擔心效率提高之後，判決品質是否跟著下降，但從結果來看，至少上訴率並沒有因此增加。這個案例真正有趣的地方，不是 AI 取代法官，而是 AI 先把那些大量、重複又耗時間的工作處理掉，讓人把時間留在真正需要判斷的地方。
這其實很像現在企業正在努力的事。幾年前，我們還在討論 ChatGPT 能不能幫忙寫信、整理資料；現在已經開始進入 AI Agent 的階段，讓 AI 讀信、找資料、建立工作、更新系統，甚至直接執行下一個動作。但延伸的問題也因此完全不一樣了。
如果 AI 只是幫我修飾一封 Email，發生錯誤時，我還有機會修改；但如果是 AI Agent 讀錯一封信，接著建立錯誤任務、排入錯誤的時間，再把錯誤訊息送出去，那麼錯誤就可能沿著整個工作流程一路往下走。這時候問題就不再只是「答案準不準」，而是錯誤會不會被系統一路放大。
《The Economist》提到的另一個案例更明顯。印尼部分地方政府用 AI 判斷哪些家庭符合社會福利資格，原本需要 75 到 200 天的審查，導入 AI 後縮短到不到一天，看起來效率非常漂亮，但後來卻有超過 9,000 戶家庭對分類結果提出異議。原因其實不難理解，AI 看得到資料，卻不一定看得到資料之後發生的生活。去年有工作，不代表今年沒有失業；去年收入正常，也不代表今年沒有發生疾病、事故或其他變化。這也很符合資訊業常說的一句話：「Garbage in, garbage out。」資料如果有問題，再好的模型也可能得到錯誤的結果。
所以這件事情真正提醒我的，不只是 AI Agent 可以放大效率，也可以放大錯誤。 當 AI Agent 真正開始進入工作流程後，我們要管理的，就不再只是模型能力，而是到底有多少事情可以讓 AI Agent 自己決定，以及哪些地方需要設置檢查點。
真正重要的問題，可能已經不是「AI Agent 能不能做？」而是「這件事情即使 AI Agent 能做，我們是不是應該讓它自己做？又應該在哪些流程中保留人類的檢查點？」前者是技術問題，後者才是管理問題。而未來真正有競爭力的組織，可能不是擁有最多 AI Agent，而是最早弄清楚哪些事情應該交給 AI Agent、哪些事情需要在流程中設置人的檢查點，並且在重要決策上仍然保留人的判斷與責任。
#AI #AIAgent #人工智慧 #AI治理 #數位轉型 #工作流程 #管理思維
資料來源：The Economist，Asia 區塊，文章 “AI and Asian governments — Hello, ChatGOV”，副標題 “Can AI make dysfunctional Asian governments more effective?”，2026 年 8 月 29 日出版之 2026/8/29–9/4 期刊，約第 42–43 頁。
吳超然（SuperWu )契約管理&專案管理 
發表留言