SaaS 的下一站？深度解析 Agent-as-a-Service (AaaS) 如何重新定義企業軟體
這幾年大家很習慣用 SaaS 來理解企業軟體。你買 CRM、買 ERP、買 Helpdesk、買行銷自動化平台，本質上都是買一套可以被操作的系統。資料放進去、流程建起來，再由人去點按鈕、查資訊、跑報表、送審核、追進度。說穿了，SaaS 賣的是工具。
但 AI Agent 的出現，正在慢慢改變這件事。
未來企業採購的，可能不再只是「一套讓員工操作的軟體」，而是「一個能自己理解任務、自己呼叫工具、自己執行流程、必要時再請人核准的數位工作者」。這種模式，可以叫做 Agent-as-a-Service (AaaS)。它不是單純把聊天機器人換個名字而已，而是企業軟體邏輯的一次根本轉向：從賣功能，變成賣結果。
為什麼說 SaaS 賣介面，而 Agent 賣的是「工作能力」？
我們先把差異講清楚。
在 SaaS 時代，人是流程的中心。系統提供介面，員工負責操作。你要查客戶資料，自己進 CRM；你要處理請款，自己比對發票、訂單和驗收單；你要安排面試，自己來回寄信、協調時段、更新系統狀態。
Copilot 時代往前走了一步。AI 會幫你摘要、寫初稿、提出建議，但主導權還是在人手上。它像副駕，會提醒你、幫你補齊，但方向盤還是你在握。
到了 Agent-as-a-Service 時代，邏輯徹底不同了。人不再負責一個個步驟地操作系統，而是直接下達目標：
- 「幫我準備這個客戶的續約會議。」
- 「幫我處理這批請款。」
- 「幫我找出最近結帳 (Checkout) 變慢的原因並提出修正。」
接著由代理自己拆解任務、選用工具、執行流程，最後再把結果交回來，或是在關鍵節點請你核准。這時候你買的不是 CRM、不是 ERP 外掛、不是 Chatbot，而是某種可交付工作成果的能力。
一句話總結：SaaS 賣的是工具介面，Agent-as-a-Service 賣的是可衡量的工作成果。
AI 補足了「行動力」：從回答器進化為執行者
為什麼這件事現在開始變得真實？因為過去幾年，AI 最缺乏的是「行動能力」。
大型語言模型 (LLM) 很會寫、很會總結、很會回答問題，但它本來不會真的做事。它可以告訴你怎麼報帳，卻不能幫你進系統送出；可以幫你草擬客服回覆，卻不能自己查訂單、發退款；可以幫你整理會議重點，卻不能主動幫你排下次會議、更新 CRM。
而 Agent 的核心，正是把這些能力補上。現在的代理系統，通常開始具備以下特徵：
- 目標理解：能理解較高階的目標，不只回單一問題。
- 任務拆解：能把一件事拆成多個步驟。
- 工具整合：能呼叫外部工具與 API。
- 上下文串聯：能讀文件、查知識庫、整合上下文。
- 記憶留存：能保留短期或長期記憶。
- 分工協作：能在多個代理之間分工合作。
- 安全卡控：能在高風險步驟加入核准與限制。
這讓 AI 從「回答器」慢慢變成「執行者」。無論是 NVIDIA 提出的 Agentic AI、Microsoft 的完整 Workflow 執行，還是 Salesforce 包裝的 Agentic Enterprise，都指向同一件事：企業軟體的價值，開始從 UI 轉移到自動完成工作。
10 個 Agent-as-a-Service 顛覆企業流程的真實應用場景
要理解 AaaS 的威力，我們可以從企業中最常見的 10 個職能來看：
1. 客服代理 (Customer Service Agent)
客戶說：「訂單還沒到，我想取消。」Agent 能自己查狀態、確認規則、發退款、寄通知，只在超出權限時才轉交真人。企業買的不再是客服介面，而是處理一線任務的服務。
2. IT 支援代理 (IT Helpdesk Agent)
員工說：「VPN 壞了。」代理會先驗證身分，檢查裝置狀態、重設憑證、建立 Ticket 並通知管理員。它不是單純回答 FAQ，而是直接執行 IT SOP。
3. 業務代理 (Sales Agent)
下達指令：「幫我準備 A 客戶續約會議。」代理會去抓 CRM 紀錄、整理未解決問題、估算流失風險、做簡報初稿並順手排會。你買的是「續約推進能力」。
4. 財務與採購代理 (Finance & Procurement Agent)
代理自動比對 PO、發票與驗收單，抓出重複請款或異常金額。低風險自動送審，高風險交主管。這是在處理真正的交易流程，而非只是產出報表。
5. 招募代理 (Recruiting Agent)
從讀履歷、排序候選人、寄邀約、協調面試到整理下一輪建議，整條招募鏈路都能由代理協助執行。它是「招募流程專員」，而不僅是 HR 工具。
6. 行銷代理 (Marketing Agent)
設定目標：「下週為這篇文章帶來 300 個 Demo Leads。」代理自己拆解策略、寫文案、分眾投放、監測 CTR/CVR、調整預算並每日回報。企業買的是「投放成果」。
7. 工程代理 (Engineering Agent)
指令：「找出 Checkout 變慢的原因，修掉並開 PR。」代理會翻 Git 歷史、看 Logs、跑 Benchmark、定位問題並建立 PR。此時 UI 只是監督面板，價值在於解決問題。
8. 法務代理 (Legal Agent)
代理能初步審查 NDA、MSA，標記風險條款、比對標準條文並提出紅線 (Redline) 建議。買的不是文件管理系統，而是「初階合約審查服務」。
9. 供應鏈代理 (Supply Chain Agent)
監測缺料風險、預測延遲、模擬替代料件、重新計算排程並通知廠端。它不只是儀表板 (Dashboard)，而是供應鏈的協調者。
10. 個人幕僚代理 (Personal Assistant Agent)
整理郵件、追 Deadline、摘要會議、建立部落格草稿、安排日程，並記住你的偏好。你是在培養一個數位幕僚，而不是使用一個聊天視窗。
揮別單一大腦：多代理協作 (Multi-Agent) 才是未來企業架構
真正有意思的地方，不是單一超級代理，而是多代理協作。
企業裡本來就不是只有一種角色，客服、財務、法務各有不同工具與權限。未來更合理的型態，不是一個全知全能的大腦，而是：
- 前台代理：負責跟人互動。
- 流程代理：負責執行 SOP。
- 資料代理：負責查詢、驗證、彙整。
- 審核代理：負責風險與合規。
- 協調代理：負責派工與整體規劃。
這樣的系統看起來就像一間虛擬公司。人類不會消失，而是從「逐步操作系統」轉變為「設定目標、管理例外、監督結果」。
Agent 會吃掉 SaaS 嗎？系統架構的四層演進
AI 會殺死 SaaS 嗎？答案是：不會完全取代，但一定會重組。
SaaS 會從前台產品，慢慢退居為 Agent 背後的基礎設施。因為很多 SaaS 的真正價值，原本就不是 UI 本身，而是背後的資料模型、商業規則、權限設計與 API。未來的系統演進會呈現四個層次，一層疊一層：
- System of Record：記錄資料 (傳統資料庫/核心系統)。
- System of Workflow：讓人跑流程 (傳統 SaaS/BPM)。
- System of Intelligence：提供建議 (Copilot 輔助)。
- System of Action：直接執行工作 (Agent-as-a-Service)。
Agent 不是把所有系統砍掉重練，而是坐在它們上面，變成全新的「操作層」。
企業導入的真正痛點：治理、權限與人機協作
很多人談 Agent 時只關注模型推理能力。但企業實際上線時，最痛的往往是以下幾點：
- 權限控管：代理到底能不能改資料、退費或碰付款？權限設計是核心。
- **可追蹤性 (Auditability)**：它為何做這決策？用了哪些工具？在哪裡失敗？
- 成本控制：多步推理與工具呼叫都是成本。Token 花費、延遲與重試都會變成營運議題。
- 人機分工：哪些全自動？哪些半自動？哪些必須人工核准？
短期內，最現實的落地形態通常是：半自動代理 + 明確權限邊界 + 關鍵節點人工核准 + 完整 Audit Log。 產品設計的重點將從「操作介面」轉向「可被代理使用的系統」與「讓人監督代理的介面」。
開發者與商業模式的雙重典範轉移
Agent-as-a-Service 不僅改變技術，也將重寫企業軟體的計價方式。
傳統 SaaS 多為按人頭訂閱 (Seat-based)。但如果工作主要是 Agent 在做，更合理的收費方式可能會變成：
- 基本授權費 + 每月代理執行次數
- 每完成一筆任務/Ticket 收費
- 每產出某種可驗證結果收費
產品經理將不再只盯著 DAU，而是關注「代理完成了多少工作」、「自動化率是否提升」、「錯誤成本是否可控」。AaaS 其實很像把 B2B SaaS 推向更接近顧問服務或流程外包 (BPO) 的方向，只是執行者變成了 AI。
結語：迎接「數位員工」的新時代
SaaS 的核心是讓人更有效率地操作系統；AaaS 的核心則是讓系統直接替人完成工作。
這不表示人會消失，而是人的角色將往上提升：成為定義目標、監督風險、做最後判斷的管理者。企業採購的項目，也將從單純的「軟體授權」，進化為「可被管理、可穩定交付成果的數位工作能力」。在 Agent 時代，SaaS 依然存在，但它可能不再是舞台中央唯一的主角了。
常見問答 (FAQ)
Q：企業導入 Agent-as-a-Service 會完全取代現有的 SaaS 系統嗎？
A：不會。SaaS 不會消失，而是會「退居幕後」成為 Agent 的基礎設施。SaaS 系統內建的資料模型、權限與 API 將成為 AI 執行的基石，人類直接操作介面的頻率會降低，取而代之的是透過 Agent 來呼叫這些系統完成工作。
Q：目前 AI Agent 落地企業最關鍵的挑戰是什麼？
A：最大的挑戰並非 AI 模型的聰明程度，而是「治理與安全」。包括精細的權限控管（Agent 能不能碰付款）、可追蹤性（決策過程是否留存稽核軌跡）、成本控制（Token 花費）以及人機分工的界線（關鍵決策需人工介入核准）。
Q：Agent-as-a-Service 會如何改變現有軟體的計價模式？
A：它將顛覆傳統 SaaS 按人頭計費（Seat-based）的模式。未來的計價將更傾向「按工作成果（Outcome-based）」或「按任務執行次數（Task-based）」收費，企業實質上是在為 AI 代理交付的商業價值與自動化率買單。
