Agentic AI 導入專案流程

🏢 企業老闆決策：導入 Agentic AI

CEO / Executive Decision Trigger

老闆看見競爭者或產業案例，提出 AI 轉型方向
通常伴隨模糊目標：「提升效率」、「自動化流程」、「降低成本」
AI PM 的任務：將模糊願景轉化為可執行問題陳述

Business Trigger PM 介入起點

↓

Phase 1 · Initiate

高管接任務 · 組成 Task-Force Team

Executive Assignment · Task-Force Formation

指派高管負責人，召集跨部門小組

明確 Sponsor（發起人）、Owner（負責人）、Stakeholders 三層架構
Task-Force 通常包含：業務代表、IT/技術、法務/合規、財務
定義 PM 角色：內部 PM vs 外部顧問 PM
建立 RACI 責任矩陣（Responsible / Accountable / Consulted / Informed）

PM 交付物：Team Charter Stakeholder Map

↓

Phase 2 · Discovery

需求收集

Requirements Gathering

訪談利害關係人，定義 As-Is / To-Be 流程

使用者訪談：Pain Points、Use Cases、頻率與數量
技術現況盤點：現有系統、資料品質、API 介面
區分 Functional vs Non-Functional Requirements
定義 Agent 的工具範疇（Tool-use scope）與自主程度（Autonomy level）
確認資料主權與資安合規限制（PDPA/個資法）

交付物：Req. Document 風險：需求蔓延

↓

產生規格書

Specification Writing

將需求轉化為技術與功能規格，定義驗收標準

系統架構說明（Agent Orchestration 架構圖）
Agent 行為規範：Tools、Memory、Guardrails、Fallback Logic
資料流程圖（Data Flow Diagram）
定義 KPI / OKR：成功的量化標準（準確率、延遲、成本）
撰寫 User Story + Acceptance Criteria

交付物：Spec Doc v1.0 技術評估

↓

Phase 3 · Evaluate

⚡ 同時並進 PARALLEL TRACKS

04a

自建或外包評估

Build or Buy Decision

技術能力、成本、時程三維評估框架

Build：自主性高、可客製、需要內部 AI 人才
Buy：速度快、成本可預測、依賴供應商
Hybrid：平台外購 + 客製 Agent Logic
評估矩陣：Core Competency / Data Sensitivity / Time-to-Market
TCO 分析（Total Cost of Ownership）3 年期

交付物：決策矩陣財務分析

04b

徵求建議書

Call for Proposal (RFP)

向潛在供應商發出 RFP，評選合作夥伴

撰寫 RFP 文件：範疇、規格、評分標準、時程
供應商資格審核：技術能力、案例、財務穩健性
評選委員會組成（技術 + 業務 + 法務）
PoC（Proof of Concept）要求：用真實資料驗證
合約要點：SLA、資料所有權、退場機制

交付物：RFP 文件風險：Lock-in

↓

Phase 4 · Build

雛型開發

Prototype / PoC

快速驗證核心假設，2–4 週迭代，早期失敗

選定最高價值、最低風險的 Use Case 作為 Pilot
使用真實（或近似真實）資料進行測試
定義 Go/No-Go 評估標準（不只是技術，包含使用者接受度）
收集利害關係人回饋，更新 Spec
PM 關鍵技能：設計 Prompt / Eval Framework

技術驗證交付物：PoC Report

↓

系統開發 · 除錯 · 部署

Development · Debug · Deployment

全端開發、品質保證、CI/CD 上線流程

開發：Agile Sprint 迭代（2週一週期），PM 管理 Backlog
Agent 特有挑戰：幻覺（Hallucination）、工具濫用（Tool Misuse）、無限迴圈
除錯：建立 Trace / Log / Eval Pipeline，LLM 行為可觀測性
測試：Unit / Integration / Red-Team / Adversarial Testing
部署：藍綠部署、Feature Flag、Rollback 機制
Human-in-the-loop 設計：高風險決策需人工確認

DevOps / MLOps 風險：AI 行為不可預測 Sprint Review

↓

Phase 5 · Launch

系統上線與展示

Go-Live · Stakeholder Demo

正式上線，向利害關係人展示成果與 KPI

UAT（User Acceptance Testing）：最終使用者驗收
切換計畫：漸進式上線（10% → 50% → 100%）
監控儀表板：即時 KPI、Error Rate、成本追蹤
Demo 設計：聚焦 Business Impact，不只是技術炫技
變更管理：使用者培訓、SOP 更新、抗拒管理

交付物：Demo Deck + KPI Report ROI 計算

↓

最終交付與移交

Final Delivery · Handover

文件移交、知識轉移、進入維運階段

完整技術文件（架構圖、API 文件、運維手冊）
AI 治理文件：模型版本記錄、資料血緣、偏見審計
移交給維運團隊：On-Call、Escalation Path
專案回顧（Retrospective）：Lessons Learned
下一階段規劃：持續優化、擴大應用範圍

交付物：Handover Package Runbook Post-Mortem

↓

✅ 專案交付完成 · 進入持續優化循環

Project Closed · Continuous Improvement Cycle