當 AI 代理開始替公司下單：自動採購省下人力，也可能把權限風險送進結帳頁

生成式 AI 的下一站，早就不是只會聊天。真正讓企業高層眼睛發亮的，是那些能「動手做事」的代理系統：幫你找供應商、比價、整理規格、發詢價單、追蹤交期，甚至在條件符合時直接替公司下單。這種敘事很迷人，因為它看起來幾乎完美地命中了企業焦慮：人力不足、流程太慢、資訊分散、採購部門天天被急件追著跑。於是「讓 AI 代理接管一部分採購」這件事，從簡報上的未來式，迅速變成管理層覺得今年就應該試試看的現在進行式。

我完全理解這股衝動。企業採購流程裡有太多重複性工作，從需求彙整、規格比對、供應商詢價到內部簽核，確實存在大量可自動化的空間。AI 代理如果做得好，不只會節省時間，還可能降低人為遺漏，讓資料整合、文件生成與例行追蹤都更有效率。問題在於，當大家被「效率紅利」吸引時，最容易被一起打包忽略的，就是權限風險。換句話說，當 AI 不再只是給建議，而是真的開始替公司採取行動，企業要處理的就不再只是模型準不準，而是：到底誰授權它、授權到哪裡、出了事誰負責、怎麼留下可稽核紀錄。

從 copilots 走向 agents，風險性質完全不同

企業過去比較熟悉的是助手型 AI。你問它，它答；你請它整理，它輸出。即使有錯，很多時候也還在人類最後把關的範圍之內。可是代理型 AI 的風險性質完全不同，因為它不只是產生內容，而是可能觸發流程、調用工具、跨系統存取資料、操作 API，甚至根據設定自行決定下一步。當模型從建議者變成執行者，責任鏈條就被重寫了。

以採購為例，一個看似簡單的「幫我補貨」動作，背後可能牽涉庫存系統、供應商資料庫、合約條款、價格區間、預算上限、交期優先順序與內部簽核權限。人類採購人員即使做得很快，也往往是靠經驗判斷何時該停下來、何時該追問、何時該升級處理。AI 代理若缺少這些脈絡，只憑文字指令與資料表規則執行，就可能在最不該果斷的地方異常果斷。這也是很多企業導入 agent 時最危險的誤判：以為把流程寫成自動化，就等於把判斷也一起自動化了。

最容易被低估的，是「權限設計不是技術小事」

權限，向來被視為系統管理的背景設定。可在 AI 代理時代，它應該被提升到治理核心。因為任何一個能代你下單的系統，本質上都握有某種形式的財務影響力。它也許沒有公司印章，卻可能有 API 金鑰；也許沒有主管職稱，卻可能擁有跨系統讀寫權限。一旦授權邏輯設計粗糙，AI 代理就會從效率工具瞬間變成風險放大器。

常見問題包括：代理能看到多少供應商資料？能否讀取歷史議價紀錄？是否可直接調用付款或請購模組？它可不可以在預算範圍內自行決策？若使用者以模糊語言下指令，系統會自動補完還是要求確認？若外部資料來源遭污染，代理有沒有能力識別異常？這些問題每一題都不像產品發表會上會被拿來當主視覺的亮點，但偏偏每一題都比「模型多會說話」更接近企業真實的風險入口。

省下的人力，不會憑空消失，只會轉成新的治理成本

企業常喜歡用 ROI 思維評估 AI 導入，這沒有問題；問題在於，很多簡報只計算節省了多少工時，卻沒有把新增的治理成本算進去。導入採購代理後，企業確實可能少掉一部分重複作業，但同時會增加權限管理、流程驗證、異常處理、稽核紀錄、模型監控與員工訓練等新成本。你省下的是表面的摩擦，換來的則是更複雜的責任工程。

這不代表不該導入，而是不能天真地導入。AI 代理最適合先從低風險、高規則性、可被明確回滾的工作開始，例如供應商初步整理、詢價表單生成、交期追蹤、需求與庫存比對建議等。若要讓它真的參與下單或合約流程，就應採分級授權與多段確認機制。換句話說，不要一上車就把方向盤、油門與公司錢包一起交出去。這不是保守，而是成熟。

代理的錯誤，不一定來自惡意，更常來自脈絡缺失

很多人談 AI 風險時，首先想到的是駭客入侵或惡意利用。這當然重要，但企業現場更常見的其實是脈絡缺失型錯誤。也就是說，系統不是故意亂做，而是因為它缺乏足夠的商務理解，卻被賦予了過大的執行權。例如某供應商雖然價格便宜，卻有延遲交貨前科；某材料雖然規格相近，實際上與現有設備不相容；某次臨時需求看似正常，背後其實涉及跨部門協調尚未完成。人類資深採購之所以重要，不只是因為會比價，而是因為懂得在表格之外看風險。

代理系統若沒有把這些脈絡透過知識庫、規則引擎或人工審核節點納入，很容易在最表面的指標上表現漂亮，卻在實際運作中製造麻煩。最糟的是，這類錯誤通常不是一眼就會爆炸的那種，而是安靜、持續、容易被忽略的小偏差。今天少看一個欄位，明天略過一次確認，後天多做一步未經核准的動作，等到企業察覺時，問題已經不只是單一訂單，而是整個控制邏輯被鬆動。

合規、審計與資安，不能等出事才補

如果企業真的要讓 AI 代理碰觸採購與供應鏈，三件事必須前置：合規、審計與資安。合規的重點在於，代理是否遵守內部授權規範、供應商政策、資料保護規定與可能涉及的產業法規。審計的重點在於，每一次建議、每一次調用工具、每一次實際操作，都能不能留下可追溯的紀錄。資安則不只是防外部攻擊，也包括防止代理被提示注入、被惡意資料誤導、或在多工具串接時擴大攻擊面。

很多公司會問：可不可以先做，再慢慢補？答案是，可以，但那叫做把組織當測試場，而且通常是用風險部門的睡眠品質付代價。真正穩健的做法，是在 PoC 階段就同步設計審批邊界、日誌機制、例外處理與權限撤銷流程。說白了，AI 代理不是新實習生，它更像一個速度很快、記憶力很好、但沒有天生倫理感與脈絡直覺的自動員工。你不能因為它跑得快，就假裝公司不需要門禁系統。

企業該怎麼開始，才不會把創新做成災難

我建議企業若想導入採購代理，至少遵循五個原則。第一，先界定場景，從建議型與低風險流程做起，不要一開始就碰付款與合約承諾。第二，分級授權，讓不同金額、不同類型、不同供應商風險的任務有不同審批門檻。第三，全程留痕，確保代理的推理、資料來源、工具調用與最終動作都可回看。第四，設計人工介入點，特別是在異常情境、模糊指令或高金額決策上，必須讓人類能夠中止、覆核、修正。第五，定期做紅隊測試與稽核，不要等事故發生才知道系統原來把哪一扇門一直開著。

真正要被重新設計的，是責任鏈

我們不需要用恐懼阻止技術進步，但也不該用興奮取消治理。AI 代理很可能會成為下一波企業數位轉型的重要工具，尤其在採購、客服、財務與供應鏈等流程密集部門，它的生產力確實不容小覷。可一旦讓代理直接行動，企業面對的就不是「要不要更聰明」而已，而是「要不要更負責任」。

當 AI 代理開始替公司下單，真正需要被重新設計的不是購物車介面，而是授權邏輯、責任歸屬與風險治理。省下人力很好，但若因此把權限風險一路送進結帳頁，最後省下的，可能只是表面的工時；多出來的，卻是更昂貴的信任成本。這才是所有想用 AI 代理碰觸企業核心流程的人，最該先回答的問題。

source-check notes

1. NIST AI Risk Management Framework（AI RMF）。

2. OWASP Top 10 for LLM Applications 與 agentic / prompt injection 安全資料。

3. ISO/IEC 27001、AICPA & CIMA SOC Suite of Services 與 AICPA Guide SOC for Supply Chain。

4. Reuters：AI-focused procurement playbook refresh、Agentic LLMs in the Supply Chain 與 Will bots take over the supply chain?。