Aaron Levie 的企業 AI 現場觀察：Agent 會放大工作，但人仍是 workflow 的責任節點

Levie 的核心判斷是：agent 可以大量完成中段任務，但流程開頭的目標設定、授權、資料邊界，以及結尾的判斷、審核、負責，仍需要真人。法律、財務、醫療、企業資料流尤其如此，因為錯誤不是只有技術成本，還有責任歸屬。

真實企業的限制常在模型之外：資料散在多個系統、權限與資安政策、workflow 沒文件化、系統整合缺工程資源、審核/告警/升級路徑不明。這些問題不會因為模型 benchmark 提升就自動消失。

部署更多 agent 不是免費槓桿。使用者會變成流程 manager：要追蹤 context、檢查 output、處理例外、決定何時介入。50 個 agent 可能不是 50 個員工，而是 50 條需要監督的工作流。

Levie 提到未來需要的是領域專業與 AI fluency 的結合：懂行銷、業務、產品、法務、生命科學的人，如果也理解 agent、MCP、CLI、skill、資料權限與 workflow 設計，才會真正放大產能。