AI Agent能力版圖到哪裡了？未來呢？

Token單價下滑、總消耗量大增，專欄2026年3月分析過，趨勢至今有增無減。新一代前瞻模型朝AI代理（AI Agent）的使用型態設計：這幾個月各家前瞻實驗室競爭加劇，接連發布的新模型能規劃任務、分派工作、運用各種技能與工具、直接操作電腦介面，定價卻更低。AI代理正被快速導入各種知識工作。

那麼，AI代理真的能承接知識工作嗎？能承接多少？尚未承接的部分，是還沒有人投入，還是技術未到？7月初參加在加州聖地牙哥舉辦的計算語言學年會ACL 2026，一場「AI代理人與工作的未來」專題講座（tutorial）把技術現況以及這些問題拆開來看。浮現一張讓人驚訝的能力版圖：AI代理已經站穩的區域，小得出乎意料；版圖之外，一部分是還沒有人投入的空白，另一部分是技術還待克服的難題。

先看站穩的區域。前瞻模型業者OpenAI在2025年推出代理人基準測驗（benchmark）GDPval，從GDP貢獻最大的44種職業中，設計出1,300多項「規格明確」的真實任務（如簡報、財務模型、工程圖說），來測試代理人執行能力，並請同行專家盲評AI與人類的成品。依業者2026年4月發布的最新結果，最強模型的成品已有逾8成被評為不輸人類專家；這套基準2025年9月推出時，這比例還不到5成，再前一代模型也只達到1成出頭。依業者推出這套基準時的估算，完成速度與成本約為人類專家的百分之一。單看這些數字，AI代理似乎已經可以上工。

但這片區域在整個勞動版圖上有多大？ACL會議中主講的CMU團隊把目前43個AI代理基準測驗（學術、產業時常使用的Agent評測任務）共72,342個任務，對應到美國1,016種職業的技能分類（參考美國O*NET職業資訊資料庫）。基準測驗的分布，可當作目前AI代理研發重心地圖：考題集中的地方，訓練資料與研究人力也跟著集中。結果顯示，任務多數落在「取得資訊」與「操作電腦」2項技能，在整體就業所需技能中的權重合計不到5%；投入最深的程式與數學領域，只對應7.6%的就業人口。原因不難理解：這些工作結構化程度高、輸入輸出明確、成功與否可以驗證。

本專欄先前提過，自動化總是先從結構化的場域開始，研發投入也一樣。

版圖之外的第一種空白，是還沒有人投入的高價值區。同一份報告指出，管理、法務、建築工程的工作已高度數位化（約88%、70%、71%），基準測驗的覆蓋卻只有1.4%、0.3%、0.7%，而管理正是以薪資加權後經濟價值集中的領域。這些工作中不少環節有明確的輸入輸出，未必是技術做不到，更可能是還沒有人投入；論文稱之為「錯失的機會」。一旦投入到位，對企業來說，這裡可能是生產力改善較早出現的地方。

第二種空白，是技術還待突破的複雜工作。資料標註平台業者與AI安全研究機構合作的「遠距勞動指數（Remote Labor Index）」，從接案平台選取真實付費委託（3D建模、建築圖說、影音製作、資料分析等，專業者完成一件的中位時間約11.5小時），讓前瞻AI代理端到端執行，再由人類評審對照專業接案者的成品盲評，以此模擬企業交付員工的工作指令。指數2025年10月發布時，最佳模型只有2.5%的專案達到可驗收水準。真實委託的需求模糊、規格多步驟、常要求修改既有成品，這些都還沒被結構化。

長時序的複雜任務是另一道關卡。前述CMU團隊的報告同時量測AI代理自主性：即使在表現最好的軟體領域，任務複雜度一提高，成功率就明顯下滑；其他測驗加入工具中途出錯、給定資訊不完整、需要多人協作等情境後（模擬真實複雜場域），表現同樣走低。

值得注意的是這張版圖移動的速度。2026年7月，研究機構以最新一代模型、搭配更完整的代理人執行環境重測遠距勞動指數：最佳模型的成功率已從2.5%升到15.8%，前後不到1年；同一份更新也指出，絕大多數專案的成品仍達不到專業驗收水準。兩個現象並行：能做的還很少，推進的速度很快。GDPval從1成出頭到逾8成不輸專家，說的是同一件事：AI代理目前的能力版圖比想像中小，但持續擴張中。這類成長難免包含針對測驗最佳化的成分；但這兩套測驗過的是人類專家對真實成品的驗收，能拉高分數的改進，多半也是AI代理真實能力的提升。

目前技術擴張的方向也有跡可循。研發正把做不到的難題當成訓練目標：新一代測驗把出錯、協作、真實委託等情境逐步納入題目，最新的訓練方法把專家驗收的標準（rubric）轉成訓練訊號；今天做不到的清單，很可能就是下一輪訓練資料與運算投入瞄準的地方。還沒有人投入的高價值空白，很可能也將循同一條路逐步被填補。

回到開頭的需求端。目前代理人技能只在結構化的一小塊版圖上站穩，如今的用量成長與供應鏈投資，大致就發生在這一小塊之上（但已相當可觀）。版圖之外的大量工作，仍由人補位：釐清模糊的需求、拆解執行步驟、修正最後的產出；而這些補位動作，專欄近期談過，正是企業在教模型。

目前AI代理能完成的工作比想像中少，但是需求已經這麼大，而技術能力版圖還在往外擴。接下來市場的成長與組織的變動，可能又會超乎我們的想像。