你有沒有想過，你公司的 AI 同事，需不需要打考績？
有位客戶老闆跟我說，他一口氣上了三個 AI agent：一個管客服、一個自動產報表、一個幫招募篩履歷。我問他：「這三個 agent 的績效指標是什麼？」他愣了一下：「績效指標？它們……不犯錯就好了吧？」
這句話，就是 2026 年企業 AI 最普遍的現狀。大家搶著「雇」agent，卻沒人給它「打考績」。
為什麼現在非談不可？
2026 年 8 月 26 日，McKinsey 發布了一集 podcast，標題直白得嚇人：《Your AI agents need performance management, too》，白話翻譯就是「你的 AI agent，也需要績效管理」。同一個星期，兩則數據把這件事焊死：一則研究指出，企業 AI 部署只有大約 5% 的專案真的獲利；另一邊，資料庫廠商 ClickHouse 因為 OpenAI 等 agent 大量呼叫，年化營收衝破 3.5 億美元。
三件事拼在一起，講的是同一句話：agent 已經開始上班了，但幾乎沒人給它打考績。 AI 正式從「賣未來」，走進「驗收現在」。
McKinsey 的四件套：管 agent，其實就是管人
McKinsey 的核心主張很直白：AI agent 已經從「工具」變成「虛擬員工」。是員工，就要管理；要管理，就要績效。該集主講人 Kate Smaje（McKinsey 技術與 AI 全球主管、《Rewired》共同作者）講了一句我很喜歡的話：
「AI 的崛起，不代表我們可以把品質控管和批判思考的責任外包出去。這不是我們身處的世界，現在這些能力反而有了溢價。」
翻譯成大白話：AI 越強，你越不能當甩手掌櫃；會「盯品質、會判斷」的人，反而更值錢。
我把 McKinsey 這套「agent 績效管理」拆成四件事。你會發現一件很有意思的事：這四件事，跟我們做 HR 的人搞了二十年的績效管理循環，一模一樣。
第一件事：定 KPI，別讓 agent「有在動」就交差
KPI，就是關鍵績效指標。
CJ 哥點評： 我在第一線看到的，十個老闆有九個對 agent 的要求是「別出錯」。但「別出錯」不是 KPI，是底線，就像你不會用「別曠職」當一個員工的年度目標。agent 的 KPI 要跟它被雇來的目的綁在一起：客服 agent 看「一次性解決率」和「升級率」，招募 agent 看「初篩準確度」，報表 agent 看「出錯率」和「人工校對時間」。目標不量化，你就永遠不知道，這波 agent 經濟你自己分到的是產值，還是帳單。
第二件事：監控失誤，定期抽樣比對「該做的 vs 實際做的」
agent 最可怕的地方，在於它「錯得很禮貌」。語氣自信、格式漂亮、看起來專業，錯起來你根本看不出來。
CJ 哥點評： 管人我們還會定期抽考、看工作紀錄、做回饋；管 agent 卻常常是「放出去就不管了」。McKinsey 的建議很實際：設監控點，定期抽樣，比對「這個 agent 該做什麼」和「它實際做了什麼」。就像你抽查員工的報表，不能因為他笑容滿面，就相信他數字沒算錯。
第三件事：定期回訓，表現不好不是丟掉，是輔導
CJ 哥點評： 這是最反直覺、也最關鍵的一條。多數老闆對 agent 的態度是二元的：能用就留，不能用就換。但 McKinsey 說的是「回訓」。agent 表現下滑，可能不是它「爛」，而是你給它的資料過時了、流程變了、客戶口味變了。這跟管人完全一樣：員工績效下滑，第一反應不是開除，是先搞清楚是能力問題、資源問題，還是環境問題。agent 也是，先診斷，再處置。
第四件事：離職面談，停用一個 agent 也要做檢討
CJ 哥點評： 這條我特別有感。停用一個 agent 時，你有沒有想過「它為什麼失敗」？還是直接換下一個？員工離職我們會做離職面談，把原因記下來；agent 停用也該一樣。是目標定錯？是資料餵錯？還是這個任務根本不該交給 agent？不檢討，你就會在同一個坑裡再摔一次。
技術面的對照：你不需要會寫程式，但要知道背後對應什麼
寫到這裡，技術讀者可能會說：這些「管理語言」，工程上其實各有一整套東西。沒錯，我把它對照出來，讓兩邊的決策者都能看懂：
| 企業視角（管人語言） | 技術分類 | 對應的技術機制 |
|---|---|---|
| 定 KPI | 任務準確度／效率／體驗／成本四類指標 | 任務完成率、延遲、token 成本、顧客滿意度追蹤 |
| 監控失誤 | 即時監控與告警 | 儀表板、異常偵測、抽樣人工評分 |
| 定期回訓 | 持續迭代與優化 | 人類回饋（HITL）、資料更新、模型微調 |
| 離職面談 | 停用與事後檢討 | 緊急停止開關、A/B 測試、失敗歸因 |
你看，右邊那一欄，是你的工程團隊或供應商該負責的；左邊那一欄，是你作為企業主和管理者，本來就會的。這才是重點。
回到那個客戶的問題
McKinsey 那集 podcast 裡，有一位客戶講了一句我反覆咀嚼的話：
「教我的冶金師用 AI，遠比教我的 AI 專家懂冶金容易。」
這句話，就是榕耀「以管理為本、以 AI 為用」的全部理由。AI 的技術是公版的，誰都買得到；但「懂你產業的人」是私有的，買不到。未來的競爭，不在誰的 agent 多，而在誰能把 agent 管出績效。而這門功夫，恰好是我們這些「只會管人、不會寫程式」的管理者，練了二十年的看家本領。
AI 沒有消滅管理，它把管理變成了最稀缺的技能。
給中小企業主的三個立即動作
- 1給你現有的每個 agent 寫一行 KPI。 不用多，就一行，用一個數字把這個 agent 存在的目的講清楚。寫不出來，代表你根本不該養它。
- 2設一個「每月抽樣日」。 固定一個時間，抽查每個 agent 最近的實際產出，跟 KPI 對一對。十分鐘就夠，但一個月都不能斷。
- 3停用任何東西前，先做五分鐘的「離職面談」。 記下它失敗的原因，這是你公司未來最便宜的 AI 經驗值。
你的 AI 同事，該打考績了。而能打好這份考績的人，才是 agent 時代真正的主角。