AI Agent 可以替市場部做甚麼？由一條可控的客戶查詢流程開始

新查詢進來後，自動閱讀客戶需求、搜尋產品資料、整理背景，再草擬一封跟進電郵——這類示範很容易令人想像，整個市場部都可以交由 AI 運作。

但真實工作還包括不完整資料、重複提交、過期價目表、語言混用，以及客戶臨時改變要求。AI Agent 的設計，必須連這些情況一起處理，才有機會從示範變成日常工具。

先分清楚需要哪種自動化

規則式自動化按照預先設定的條件執行，例如查詢類別是「企業會籍」，便建立相應待辦。一般聊天工具主要回應使用者輸入；有工具權限的 AI 系統，則可能進一步查詢資料或執行動作。

Anthropic 的工程文章區分了預先安排步驟的工作流程，以及由模型動態決定過程的 Agent，並建議先從簡單、可組合的設計開始。這個區分有助企業判斷，哪些步驟需要彈性，哪些只需可靠地按規則完成。參考：Anthropic，Building Effective Agents

例如記錄提交時間不需要語言模型；理解一段混合中英文的服務需求，才可能適合由 AI 協助。

用客戶查詢設計第一個流程

假設一間提供區域顧問服務的公司收到查詢：「我哋想入香港市場，已有英文網站，想了解 CRM 同內容本地化。」

第一步是保存原始內容及來源，讓之後的摘要可以追溯。第二步由 AI 抽取客戶明確提出的需求，並列出缺少的資料，例如預計推出時間、目前使用的系統，以及希望接觸哪類客戶。

第三步，系統只從已批准的服務資料中查找相關內容。第四步，AI 草擬內部摘要及跟進問題。最後由同事確認，才向客戶回覆或建立正式會議安排。

這裏的交付成果是「一份較容易審核的查詢摘要與回覆草稿」，而不是由系統自行作出服務承諾。

權限應按動作逐項決定

可以讓系統讀取公開服務介紹，卻未必需要它讀取所有客戶合約。可以允許建立內部待辦，卻不代表它應能修改報價或大量寄送電郵。

一個初期權限表可以是：

外來電郵或附件裏的文字，是需要分析的資料，不應自動變成系統指令。這一點尤其重要，因為具工具權限的 AI 所犯的錯，可能由內容錯誤變成實際操作。

最值得演練的是失敗情況

測試集不應只有格式完整的理想查詢。加入內容空白、語言混雜、需求矛盾、相同個案重複提交，以及找不到相應服務資料的例子。

找不到資料時，系統應把問題交回同事，而不是補出看似合理的答案。服務暫時不可用時，要保留原始查詢並顯示待處理狀態。同一宗個案重試，也不應產生多封電郵或多張重複待辦。

每個步驟需要留下足夠的操作記錄，讓負責人知道用了哪個資料版本、哪裏失敗，以及誰批准了對外動作。

用可用成果決定是否擴大

先量度摘要準確率、同事修改時間、需要轉交人工的比例，以及整體回覆時間。若 AI 令起稿快了一倍，核對卻花了更多時間，仍然需要調整資料或縮小任務。

當一條流程可靠後，再考慮加入活動資料整理、會議後摘要或定期報告。每新增一種對外動作，都應重新檢查權限與驗收方法。

想找出適合先試行的 AI Agent 場景？ 與 Martech HK 討論，由一個清楚、可追溯的工作流程開始。