數十年來，「成熟」企業的標誌就是其擁有一套完整的標準作業程序 (SOP) 庫。我們被教導，若想實現規模化，就必須記錄每一次點擊、每一項決策以及每一種邊際情況。但當我觀察數千家試圖整合現代自動化技術的企業數據時，我發現了一個重複出現的模式：那些旨在提高效率的文件，現在反而成了阻礙企業發展的最大阻力。當人們詢問 AI 取代職位 的功能是否可行時，他們通常關注的是執行工作的人。更聰明的問題應該是：AI 是否可以取代對工作的「記錄」。
在 AI 優先的企業中，靜態 SOP 已經過時。它正被「活體代理人」(Living Agent) 所取代——這是一種不僅僅遵循一套指令，而且能理解目標、在約束條件下運作，並根據即時回饋更新自身邏輯的軟體。如果您的企業仍依賴一份 40 頁的 PDF 文件來教導員工如何處理發票或客戶投訴，那麼您不僅是落後於形勢，更是陷入了我所稱的程序衰退陷阱 (The Procedural Decay Trap)。
程序衰退陷阱：為何您的手冊正成為負擔
💡 想要 Penny 分析您的業務嗎？ 她繪製了人工智慧可以取代哪些角色的地圖，並制定了分階段計劃。 開始免費試用 →
「程序衰退陷阱」是指企業流程變得越僵化、越詳細，它轉化為負擔的速度就越快的現象。在 AI 出現之前的世界，我們需要高精確度的 SOP，因為人類的記憶是不可靠的，且人類的理解各不相同。我們撰寫手冊是為了強迫人類像可預測的機器一樣行動。
但市場的變化速度遠快於您的文件編寫團隊。當一份關於零售庫存管理的 20 頁 SOP 完成撰寫、審核並發布時，底層軟體可能已經更新，供應鏈已經轉移，客戶的期望也已經改變。
當企業試圖弄清楚 AI 取代職位 的結構如何在高度合規的行業中運作時，我最常看到這種情況。例如，在我們的 醫療保健產業節省指南 中，我們發現最成功的實踐並非那些給 AI 一本手冊去閱讀的診所，而是那些給予 AI 一個目標和一套監管護欄的診所。
靜態 SOP 存在三個致命缺陷：
- 高維護成本： 需要持續的人為干預才能保持內容與時俱進。
- 零學習： SOP 永遠不會變得更聰明。它不會注意到「第四步」有 20% 的失敗率；它只會等待人類發現並編輯文件。
- 變革阻力： 由於 SOP 難以更新，企業往往在更好的方法出現後，仍長期堅持「我們一直以來採用的方式」。
從指令到目標：代理邏輯的興起
當我們討論 AI 取代職位 可能如何發生時，我們正從「基於指令的執行」轉向「基於約束的執行」。
傳統的 SOP 會說：「當客戶要求退款時，請檢查日期。如果少於 30 天，請檢查商品狀況。如果狀況良好，請點擊 CRM 中的退款按鈕。」
而 AI 代理人會說：「您的目標是在將退款率控制在總營收 5% 以下的同時，維持 90% 以上的客戶滿意度。您必須遵守我們的法律服務條款。請為長期客戶價值進行優化。」
這是一個根本性的轉變。AI 代理人不需要被告知要點擊哪個按鈕；它自己能找到按鈕。它需要被告知的是「為什麼」要點擊，以及界限在哪裡。這就是為什麼「活體代理人」優於靜態文件。代理人是流程的具現化，而非流程的描述。
流程過時的 90/10 法則
我在數百次轉型案例中觀察到一個模式：流程的 90/10 法則。當 AI 處理了一項職能 90% 的執行工作時，剩餘 10% 的「人為監督」很少能成為維持一個複雜、基於手冊的職位的理由。
以薪資管理為例。許多企業花費數千英鎊購買 傳統薪資服務，因為他們認為稅法的複雜性需要人類遵循龐大的手冊。事實上，連接到即時稅務 API 的 AI 代理人更準確，因為它不「遵循」手冊——它每次運行時都會直接查詢數據真相的來源。
如果您仍在使用試算表來追蹤這些手動交接，您實際上是在支付「複雜性稅」。您可以在我對 Penny 與試算表 的分析中，看到這與 AI 優先方法的對比。
回饋循環：為何代理人越變越聰明，而 SOP 卻在腐爛
AI 代理人相較於 SOP 最顯著的優勢在於回饋循環。當人類遵循 SOP 遇到障礙時，他們可能會找到一個權宜之計。那個權宜之計只存在於他們的腦海中。而 SOP 對其他人來說依然是「錯誤」的。
當 AI 代理人遇到障礙時，它會記錄下異常情況。如果它是建立在現代 LLM 架構上的「活體代理人」，它可以：
- 識別差距： 「我被要求優化滿意度，但現行的退款政策正對高價值客戶造成困擾。」
- 提出變更建議： 「根據過去 500 次互動，將 VIP 會員的『無理由退貨』期限從 14 天延長至 21 天，將使留存率提高 4%。」
- 更新執行方式： 一旦獲得批准，邏輯會立即在每次互動中更新。無需重新培訓，也無需重新列印手冊。
如何轉型：廢除文件，建立代理人
如果您想邁向 AI 優先的運營模式，您必須停止撰寫指令，開始定義參數。以下是我為準備超越靜態 SOP 的企業推薦的框架：
1. 確定「邏輯錨點」
每個職位都有一個「邏輯錨點」——即支配決策的核心規則。與其將這些規則寫進文件中，不如將它們記錄為數據架構 (Data Schemas)。AI 需要什麼資訊才能做出決策？哪些是絕對禁止的區域？
2. 轉向「人機協作」審批
最初，不要讓代理人自主執行。讓它根據對目標的理解來「提議」行動。您的角色（或您團隊的角色）從「執行者」轉變為「編輯者」。當您批准一項行動時，您就是在強化代理人的邏輯。
3. 以「成效標準」取代「步驟說明」
與其記錄「如何做」，不如記錄「做什麼」。用可衡量的指標定義成功的結果。如果 AI 透過跳過舊 SOP 中的某個步驟能更快或更便宜地達成該結果，那就隨它去——只要它保持在您的約束條件內。
現實檢核：AI 仍需要人類劇本的地方
我對此保持絕對坦誠：AI 不是萬靈丹。在某些領域，「人類劇本」依然至關重要——特別是在高度同理心的場景，或是尚無數據可依循的全新戰略領域。
然而，對於 80% 的後勤、行政和重複性營運任務來說，書面 SOP 的存在就是即將發生顛覆的信號。如果一個流程可以被一步步寫下來，它就可以被代理人執行。如果它可以被代理人執行，那麼您目前定義的該職位將會消失。
結論： 「如何操作」的終結
我們正在進入一個「知道如何做」的價值低於「知道目的為何」的時代。獲勝的企業主不會是那些擁有最完善流程文件的，而是那些擁有最強大代理人和最清晰目標的人。
停止更新您的手冊，開始建立您的代理人。維持過去的成本高於創造未來的成本。如果您仍不確定最大的節省空間隱藏在哪裡，或者哪些職位正被「程序衰退」拖累，是時候看看數據了。手動企業與代理企業之間的差距不僅僅是技術問題——它是腐朽與學習之間的差別。