AI Operations / Management
Agentic AI 員工管理：招募、入職、考核、治理、成長的五階營運框架
榕耀管顧以一人公司實作提出 Agentic AI 員工管理五階生命週期：先按職能拆角色，再配置 Skills、Memory 與 Context，以量化門檻驗收，依風險分級授權，最後把事故根因寫回流程。文章自述三個半月運行 46 條自動化、255 個技能、410 篇筆記與 5 個常駐 AI 員工；這些數字缺乏外部稽核，適合視為個案規模快照，而不是普遍績效基準。
2026年9月11日5 分鐘閱讀👁 7
AI Operations / Agent Governance / One-person Company
AI 導入真正困難的，往往不是模型會不會做，而是誰負責、什麼叫完成、出錯能否停止，以及同一種錯誤會不會再次發生。榕耀管顧把這套問題整理成五階生命週期：招募 → 入職 → 考核 → 治理 → 成長。
核心判斷：把 AI 稱為「員工」只是管理比喻；真正可落地的單位仍是職能、工作流、權限、驗收證據與事故修復。角色名字可以可愛，但責任邊界必須像正式系統一樣清楚。
來源與證據範圍
- 榕耀管顧：我一個人管五個 AI 員工（2026-09-10）
- 榕耀管顧 About／小賀 Hermes 系統介紹
文中的 46 條流程、255 個技能、410 篇筆記、5 個 AI 員工、22 篇文章、16 期電子報、26 個影片專案、252 次部署及 16 條事故紀錄，均為作者自行揭露；未附公開 dashboard、版本庫或第三方稽核，因此本文保留為個案自述，不把它換算成 ROI 或產能承諾。
五階生命週期
| 階段 | 管理問題 | 必備產物 | 完成證據 |
|---|---|---|---|
| 1. 招募 | 需要哪些職能？誰負責什麼？ | 職能卡、輸入／輸出、Owner、禁止事項 | 任務可路由，失敗可定位到角色或步驟 |
| 2. 入職 | Agent 要知道什麼、會做什麼？ | Skills、Memory、Context retrieval、權限清單 | 在測試案例中能取得正確資料並重現 SOP |
| 3. 考核 | 怎樣才算做對？ | Rubric、測試集、品質門檻、驗收紀錄 | 未達門檻會阻擋，不只是顯示分數 |
| 4. 治理 | 什麼可自動、什麼需核准？ | 風險分級、approval gate、secret scope、audit log、kill switch | 高風險動作無核准無法執行 |
| 5. 成長 | 錯誤如何不再重複？ | Incident、root cause、修復 PR、回歸測試、Skill 版本 | 同類事故已有自動檢查或流程防護 |
第一階：招募不是替 Agent 取名字
原文把五個常駐角色拆成網站開發與部署、內容產製、健康檢查與備份、品質審查、知識掃描與研究。拆分的價值不是模擬組織圖，而是建立失敗域：資料找錯、內容寫錯、發布流程錯與稽核漏檢，必須能追到不同 owner。
每張 AI 職能卡至少要有
- Mission：存在目的與不負責的事。
- Inputs／Outputs：可接受資料、輸出 schema、artifact 位置。
- Tools／Permissions：可讀、可寫、可發布、可花錢的範圍。
- SLA：觸發方式、期限、重試與超時。
- Quality Gate：誰驗收、最低分數、硬性禁止條件。
- Escalation：何時停止並交還給人。
不要為了多 Agent 而拆：若五個角色共用同一個 prompt、同一組權限、同一份 context，且沒有獨立輸出與驗收，它們只是五個名稱，不是五個可管理的職能。