現在談 AI Agent，很容易把焦點放在「它終於可以自己做事了」：會開瀏覽器、會呼叫工具、會讀信、會填表、會跨系統整理資料，像每家公司都快多一批數位員工。

但比較反直覺的是：Agent 真正上線前，最該先補的能力不是更自主，而是可撤銷。

問題不是犯錯，是停不下來

人類員工也會犯錯，所以「AI 會不會出錯」不是最精準的問題。更關鍵的是，當它開始出錯時，系統能不能立刻知道、暫停、追蹤原因，並且把影響範圍收回來。

聊天機器人回答錯了，代價通常是一段錯誤文字。Agent 不一樣。它可能已經替你寄出訊息、更新 CRM、改掉訂單狀態，或在第三方 SaaS 裡連續做了十幾個小動作。這時候只靠「下次 prompt 寫好一點」沒有用，因為問題已經從內容品質，變成執行治理。

越像員工，越要被系統管理

很多團隊導入 Agent 時，會先問模型能力、工具串接、上下文長度。這些都重要，但只要 Agent 會代表使用者行動，產品設計順序就要反過來：先定義哪些動作可逆、哪些不可逆，哪些可以自動做，哪些一定要人批准。

例如資料整理、會議摘要、公開資訊研究，通常可以讓 Agent 自主一點，因為錯了重跑就好。客服回信、退款、停權、修改價格，就不能只靠信任模型。這些流程需要批准節點、操作日誌、任務預算、權限白名單，以及一鍵停止。

成熟的 Agent，不是一路勇往直前，而是每一步都知道自己能不能被追責。

別只看魔法感，要看剎車系統

接下來 AI 產品會大量宣稱自己是 agentic workflow、AI coworker、autonomous assistant。這些詞不一定錯，但導入時要問更樸素的問題：它做過哪些事能看見嗎？能限制每次任務最多花多少 token、多少錢、多少 API call 嗎？高風險動作會停下來問嗎？如果做錯，能不能還原？

如果答案含糊，就算 demo 很漂亮，也只能先放在低風險場景。Agent 的風險不是突然變成科幻反派，而是很勤奮地、很合理地、很難追蹤地，把錯誤一路執行完。

結論：先把可撤銷性產品化

AI Agent 會繼續變強，企業也不可能永遠停在聊天介面。但越往「代替人做事」前進，越不能只追求更會規劃、更會操作、更少幻覺。

更務實的採用判斷是：先選一個窄流程，把讀取、寫入、批准、暫停、回滾、紀錄全部設計清楚，再慢慢放大自主權。能撤銷的自動化，才有資格被信任；不能撤銷的自動化，只是把風險包裝成效率。

English TL;DR: The next serious AI agent feature is not more autonomy, but reversibility. Before letting agents act across real systems, teams should design approvals, logs, budgets, permission boundaries, stop buttons, and rollback paths.