一邊省下人力，一邊多出保母
先看這一週的兩組數字。
思科（Cisco）向全球約 9 萬名員工全面配發個人 AI 代理，協助研究、數據分析、報告撰寫與郵件管理；他們的財務長透露，公司目前有高達八到九成的財務揭露草稿，是由 AI 代理操刀。同一週，一份研究指出：辦公室員工每週可能要多花超過 6 小時，用來檢查 AI 的產出、補充它缺的背景資訊、修正它的錯誤。
前一個數字上了新聞，後一個數字沒有。
這不是「AI 沒用」的故事，而是一個會計科目的故事。導入 AI 代理省下的工時，被記在「效率」這一欄；為了讓它不出錯而新增的工時，沒有被記在任何一欄。 我們在第一線看到的版本是這樣：一位中階主管原本自己做十件事，現在他盯著三個代理做三十件事。他的職稱沒變、工作說明沒改、預算表上找不到這一項。他就是那筆沒有科目的成本。
我們把這筆債叫做「監督債」：導入一個 AI 代理的那一刻，你就欠下了，而且它按月計息。
為什麼是現在：成本正在換科目
三份來源在同一週指向同一件事。
McKinsey 在 2026 年 8 月 26 日的文章主張，AI 代理必須比照人類建立績效管理制度，包含監控、評估與改進機制。Harvard Business Review 在 2026 年 9 月號的〈To Adopt AI at Scale, Employees Need to Trust Agents〉把話說得更直接：大規模導入的真正瓶頸不是技術，而是員工對代理的信任，並提出透明與可解釋性的四項作法。BCG 在 2026 年 8 月 25 日發布的〈The Agentic Leadership Playbook: The CFO's Agenda in the Age of AI Agents〉訪談中則對財務長喊話：投資審核、成本歸屬與效益衡量方式都要改寫，否則會出現「預算過了，但價值說不清」的窘境。
同一份 BCG 訪談裡有一個我們很認同的判斷：投資資金、工程產能、管理產能都是稀缺資源，應該集中火力在少數主要工作流程，而不是散在數十、數百個互不相連的試辦（pilot）。這句話背後其實是一個很容易被忽略的事實：前兩項可以補，第三項不行。
過去的 AI 帳單長得像工具費，看得見，也一定有人抗議；接下來的帳單長得像管理費，看不見，所以沒有人抗議。當一筆成本不出現在任何表單上，它就不會被管理。
監督債的三本帳
我們把這筆債拆成三本，因為它們的還法完全不同。
| 帳目 | 欠下什麼 | 誰在付 | 不還的後果 |
|---|---|---|---|
| 校正債 | 檢查產出、補背景資訊、修正錯誤的時間 | 使用它的那一位員工 | 錯誤逐週累積，某一天變成客訴或財報數字 |
| 權限債 | 人工核准的關卡、執行軌跡的紀錄 | 中階主管與資訊部門 | 越權查詢、機密外洩，而且查不出是誰做的 |
| 歸屬債 | 一個具名的「它的主管」與固定的檢視時間 | 決策者自己 | 專案沒有人負責，慢慢爛掉，而且沒人發現 |
三本帳有一個共同特性：它們都可以延後償還，而延後的成本不是線性的。 校正債尤其明顯。代理不會因為你今天沒檢查就停下來，它會繼續產出；錯誤也不會自己消失，它會進入下一份文件、下一個決定，等到某一天被客戶或稽核翻出來。這就是我們說它「計息」的意思：利息不是利率，是累積的錯誤加上回頭追查的時間。
權限債的利息最貴。代理能直接接觸內部資料與系統工具，一旦權限給得太大，就是客戶個資越權查詢、機密檔案外洩這類事故。業界的建議很一致：涉及資金匯出、採購決策、檔案刪除、對外通訊這幾類高風險操作，必須守住人工核准的底線，並把執行軌跡記錄下來，出事時才釐清得了責任。
歸屬債則是最容易被誤認成「還沒排到」的那一種。它不痛，只是專案會慢慢停滯，等到三個月後你回頭問「那個代理現在在幹嘛」，通常沒有人答得出來。
把監督工時寫進 ROI 表
這裡是一個示範算法，數字是假設值，重要的是欄位，不是數字。
假設你導入了 5 個代理，每個代理每週需要 6 小時監督（先借用前面那個研究數字當起點），一週就是 30 小時，大約等於 0.75 個人力。以月薪 5 萬元估算，一位員工的年度成本約 60 萬元，0.75 個人力大約是 45 萬元的年度監督成本。
換句話說：如果這套 AI 代理方案一年替公司省下的金額不到 45 萬元，那它不是省錢，而是把一筆看得見的人力成本，換成一筆看不見的管理成本。 實際數字請用你自己的：先量四週的監督時數，乘上真實的人力成本，再回頭對照你的 ROI 假設。
這不是要你放棄代理，而是要把持有成本算進去。多數企業的代理 ROI 之所以是幻覺，差的就是這一欄。
什麼時候「監督債」會用錯
框架要成立，得先講清楚它什麼時候不成立。
第一，不是每個代理都需要同等監督。 唯讀、可回滾、錯了看得出來、影響半徑小的自動化，例如報表整理、會議摘要，監督成本本來就低。用三本帳去套這一類工作，只會變成管理通膨，最後大家忙著填表，沒有人真的在看產出。
第二，很多被稱為「代理」的東西其實不是代理。 報導裡說得很直白：代理的數量不等於價值，因為不少宣稱的代理本質上只是定時執行的自動化腳本，沒有判斷力。腳本不需要主管，只需要監控。把腳本當成代理來管理，最後騙到的是自己。
第三，6 小時是別人的研究數字，不是你的。 產業、任務風險、團隊對工具的熟悉度，都會改變這個值。先量，再套用。
第四，監督債不是叫你少導入，是叫你別在「沒有人可以當它的主管」的情況下導入。
三個明天就能開始的動作
一、導入前先填三本帳。 每個代理都寫下四件事：誰是它的主管（要名字）、多久檢視一次、哪些操作必須人工核准、出錯時誰負責。填不出來就先不要導入，因為那代表它接下來會自己爛掉，只是不會有人告訴你。
二、把監督工時編進 ROI 表。 一欄是省下的時間，一欄是新增的監督時間，只看淨值。這一欄會讓你砍掉一半的候選專案，而且砍掉的通常是錯的那一半。
三、設一條管理產能上限。 導入的代理數量，不要超過你能指派主管的數量。如果你只有兩個夠資深、能判斷對錯的人，那就是兩個。資金可以募、工程可以外包，但管理產能只能從既有的人身上挪出來，它是唯一不能加購的資源。
思科那個例子讓很多人羨慕：9 萬名員工、人人一個代理、九成的財務草稿由 AI 寫。但真正該問的問題不是「他們怎麼做到的」，而是「那 9 萬個人，每週多花了幾小時」。
工具在變便宜、產出在變便宜、答案在變便宜，只有兩件事同時在變貴：判斷力，以及有人願意負責。
資料來源
- •科技新報，〈養 AI 團隊比自己做還累？揭數位擴編潮背後的隱形工時與失控危機〉，2026-09-14：https://technews.tw/2026/09/14/opportunities-concerns-rise-ai-agents/ （思科 9 萬名員工配發 AI 代理、財務揭露草稿八到九成由 AI 產出、每週超過 6 小時的檢查與修正工時。該報導引述的研究未具名，本文以「一份研究指出」標示，不宣稱數字來自特定機構）
- •McKinsey，〈Your AI agents need performance management, too〉，2026-08-26：https://www.mckinsey.com/capabilities/people-and-organization/our-insights/your-ai-agents-need-performance-management-too
- •Harvard Business Review，〈To Adopt AI at Scale, Employees Need to Trust Agents〉，2026 年 9 月號：https://hbr.org/2026/09/to-adopt-ai-at-scale-employees-need-to-trust-agents
- •BCG，〈The Agentic Leadership Playbook: The CFO's Agenda in the Age of AI Agents〉（專訪 James Tucker），2026-08-25：https://www.bcg.com/publications/2026/how-cfos-are-funding-scaling-ai-agents （資金、工程產能、管理產能皆為稀缺資源；AI 原生工程已產生 30% 至 40% 的生產力提升）
- •科技新報，〈溝通成本吃掉效率，研究：企業導入 AI 代理人數量有黃金上限〉，2026-08-03：https://technews.tw/2026/08/03/too-many-ai-agents-can-get-in-each-others-way/