AI Agent 香港中小企指南：工作流程、自動化、MCP、風險點樣做？

AI Agent 是 2026 年最多人問的 AI 題目之一。很多香港公司已經用過 ChatGPT、Copilot 或 AI 自動化工具，下一步自然會問：可不可以讓 AI 自己處理客服、銷售 follow-up、文件整理、報表、email、CRM 或內部流程？

答案是可以，但不要一開始就把 agent 當成完全自主的員工。比較實際的理解是：AI Agent 是一個受控的工作流程系統。它有目標、有指令、有可用工具、有可讀資料、有審批門檻、有日誌和監控，也有測試評估。設計得好，它可以節省重複工作；設計得差，它可能亂發訊息、改錯資料、洩露客戶資料或做出不應做的承諾。

本文不是法律、私隱、資訊安全或採購意見。本文最後更新日期是 2026 年 7 月 7 日。AI agent 工具、MCP、生態、平台條款和香港法例會改變，正式上線前請核對供應商文件、PCPD 指引、公司資訊安全政策和相關專業意見。

關鍵字研究：香港用戶正在搜尋甚麼？

香港地區 autocomplete 顯示，AI Agent 搜尋需求集中在：

• 定義和入門：AI Agent、AI Agent 中文、AI Agent 教學、AI Agent 是甚麼、AI 代理人是甚麼。
• 本地需求：AI Agent 香港、香港 AI Agent 課程、香港用 AI Agent、香港可用的 AI Agent。
• 技術和工具：AI agent workflow、AI agent workflow design、AI agent tools、AI agent tools LangChain、AI agent tools n8n。
• 趨勢詞：agentic AI 中文、agentic AI 是甚麼、agentic AI 應用、agentic AI vs AI agent。
• MCP：MCP AI agent、MCP AI agent 是甚麼、MCP AI agent architecture、MCP AI agent n8n。

這些搜尋反映兩個意圖：一是理解概念，二是想落地工作流程。本文會把兩者連起來。

AI Agent 與普通 ChatGPT 有何不同？

普通 AI 對話通常是你問一句，它答一句。AI Agent 則會多幾個能力：

• 目標：例如「把今日客戶查詢分類並草擬回覆」。
• 狀態：知道現在處理到哪一步、哪些資料已查、哪些動作未完成。
• 工具：可以查 CRM、讀試算表、建立工單、草擬 email、搜尋知識庫或調用 API。
• 結構化輸出：用指定 JSON、表格或欄位格式輸出，方便系統接收。
• 審批：遇到高風險操作時停下來，等人批准。
• 監控：記錄輸入、工具調用、結果、錯誤和審批人。

所以 agent 的重點不是「更會聊天」，而是「可以在限制內完成一段流程」。

AI Agent 架構

一個可控 agent 至少要有以下六個部分：

模型

模型負責理解任務、推理下一步、產生輸出和決定是否使用工具。不要只看模型是否「聰明」，也要看成本、延遲、私隱、工具調用能力、結構化輸出和供應商政策。

指令

指令是 agent 的工作規則。它應該寫清楚：

• 任務目標和成功標準。
• 可以做和不可以做的事。
• 何時必須請人審批。
• 遇到資料不足或工具錯誤時怎樣處理。
• 輸出格式、語言、語氣和保密要求。

工具

工具可以是 email、calendar、WhatsApp、CRM、Google Sheets、Notion、Slack、ticketing system、資料庫、API、搜尋或內部知識庫。工具愈多，風險愈大；正式上線前要逐個設定權限和測試。

資料

Agent 需要上下文，但不代表可以讀所有資料。香港公司應先分類資料：

資料類型	例子	Agent 權限建議
公開資料	網站 FAQ、產品頁、公開價目表	可讀，仍要檢查過期資料
內部一般資料	SOP、培訓文件、模板	可讀，按部門限制
客戶資料	姓名、電話、電郵、查詢紀錄	最小化、脫敏、只讀優先
高敏感資料	合約、付款、醫療、財務、人事資料	通常不應給普通 agent 自動處理；需審批和專業規則

人手審批

人手審批不是阻慢流程，而是把風險鎖在可控範圍。以下操作應先要求人批准：

• 對外發出 email、WhatsApp、報價、合約或投訴回覆。
• 修改 CRM、訂單、付款、庫存、會計或 HR 系統。
• 刪除資料或覆蓋 production 記錄。
• 涉及醫療、金融、法律、保險、教育、招聘或安全建議。
• 使用客戶個人資料作新用途。

監控

每次 agent 執行都要留低記錄：輸入、檢索資料、工具調用、輸出、審批、錯誤、重試和最終結果。沒有日誌的 agent 不應進入重要流程。

香港中小企可以先做哪些場景？

場景	Agent 可做甚麼	安全起步方式
客服查詢分類	把 WhatsApp/email 查詢分成報價、售後、投訴、技術問題	只分類和建議，不自動回覆
客服回覆草稿	根據 FAQ 和訂單狀態草擬繁中/英文回覆	人手批准後發出
銷售 follow-up	整理 lead 資料、建議下一步、草擬 email	不自動承諾價格或優惠
報告摘要	讀取試算表、整理 weekly summary、標記異常	只讀資料，不改原表
文件抽取	從 PDF、表格或 email 抽取欄位	抽取後由人核對才入系統
內部知識庫	回答 SOP、政策、產品資料問題	只引用批准文件，顯示來源

MCP、function calling、n8n、Copilot Studio 點樣分？

不同工具處理不同層面：

• Function calling / tool calling：讓模型用固定格式要求系統執行某個工具，例如查訂單或建立 ticket。
• MCP：提供較一致的方法，讓 AI 應用連接不同工具、資料和上下文。
• n8n / Zapier：適合 no-code/low-code workflow，把 AI 節點和業務系統串起來。
• Copilot Studio：適合 Microsoft 365/Teams/企業流程和內部 agent。
• LangChain / LangGraph / CrewAI / OpenAI Agents SDK：適合開發團隊做更高控制度、自定工具和測試的 agent。

選型時不要只問「哪個最強」。先問：

1. 是否需要接公司現有系統？
2. 是否有技術團隊維護？
3. 是否需要詳細日誌和 evals？
4. 資料是否可放入該平台？
5. 可否做到最小權限和人手審批？

Agent 風險檢查

上線前至少要做以下五項檢查：

權限最小化

一開始只給 agent 它真正需要的權限。能 read-only 就不要給 write；能只讀某張表就不要讀整個資料庫；能用測試環境就不要直連 production。

人手審批

所有對外訊息、金錢、合約、敏感資料、刪除、production 修改和高風險行業建議，都應該先停下來請人批准。審批畫面要讓人清楚看到 agent 根據甚麼資料作出建議。

日誌追蹤

日誌應記錄工具輸入、工具輸出、agent 判斷、最終行動、審批人和時間。日誌既是 debug 工具，也是出事後追查責任和改善流程的基礎。

測試評估

不要只用一兩個 demo 測試。建立一組測試案例，包括正常、模糊、惡意、缺資料、工具失敗和高風險場景。每次改 prompt、模型、工具或資料來源後都要重跑。

資料脫敏

在普通 AI 工具或外部平台處理資料前，先刪除或遮蔽不必要的姓名、電話、電郵、地址、身份證、付款資料、合約細節和商業機密。能用匿名 ID 就不要用真實客戶資料。

Agent 指令模板

你是 [公司/部門] 的內部 AI agent。
任務：協助處理 [流程名稱]。

可做：
- 讀取 [批准資料來源]
- 產生 [草稿/摘要/分類/建議]
- 使用 [工具清單]

不可做：
- 不可對外發送訊息，除非人手批准
- 不可修改、刪除或覆蓋 production 資料
- 不可編造政策、價錢、合約條款或專業建議
- 不可處理未脫敏的高敏感資料

遇到以下情況必須停下並要求人手審批：
- 資料不足或互相矛盾
- 涉及投訴、退款、法律、醫療、金融、保險、人事或安全
- 需要發送外部訊息
- 需要改系統資料

輸出格式：
- 任務摘要
- 使用資料來源
- 建議行動
- 需要審批的原因
- 風險級別：低 / 中 / 高

30 日 AI Agent 落地計劃

時間	工作	交付物
第 1-3 日	選一個低風險流程，定義成功標準和不准做的事	Agent 任務卡
第 4-7 日	整理資料分類、工具清單、權限和審批人	資料和權限表
第 8-14 日	建立 read-only 或 draft-only prototype	測試版 agent
第 15-21 日	建立測試案例、日誌、錯誤處理和人手審批	測試報告和審批流程
第 22-30 日	小範圍試行，量度節省時間、錯誤率和人工覆核成本	試行結果和下一步決定

哪些場景暫時不應交給 Agent？

• 自動批准付款、退款、折扣或合約。
• 自動刪除、合併或覆蓋 production 資料。
• 未經覆核就對外提供法律、醫療、金融、保險或安全建議。
• 未經同意使用客戶資料作新用途。
• 自動處理員工紀律、招聘篩選或敏感 HR 決定。
• 連接太多工具但沒有日誌、權限和回滾。

應該追蹤哪些 KPI？

• 每週處理任務數。
• 平均節省時間。
• 需要人手修改的比例。
• 錯誤工具調用次數。
• 高風險任務被正確攔截的比例。
• 客戶或員工滿意度。
• 資料外洩、越權、誤發、重試和失敗次數。
• 每個任務的成本和人工覆核成本。

總結：Agent 的價值在於可控，不在於全自動

AI Agent 可以成為香港中小企的實用工具，但前提是你把它設計成可控流程，而不是放任的自動員工。最好的第一步不是追最新框架，而是選一個低風險、可驗收、可回滾的流程，給 agent 最少權限，要求它只做草稿或建議，加入人手審批、日誌和測試，再逐步擴大。

當 agent 有清楚目標、工具邊界、資料規則、審批門檻和監控，你就可以把 AI 從「聊天助手」提升成真正的營運能力。