用自駕車式的 L0–L5 自主程度框架，盤點 2025–2026 的「AI 員工 / AI agent」市場：技術怎麼做、成本多少、難在哪、誰真的做到了、小團隊能爬到第幾級。市面九成喊「AI 員工」的，實際只在 L2–L3，卻包裝成 L4–5 在賣。
| 級 | 自主程度 | 實際在做什麼 | 市場代表 | 競爭力 |
|---|---|---|---|---|
| L0 | 純工具 | 你問它答、寫草稿 | ChatGPT / Copilot / API wrapper | ✕ 無 |
| L1 | 單任務助手 | 固定一件事、人逐步核可 | 各種 GPT 包皮 | ✕ 易取代 |
| L2 | 流程自動化 | 跑完一條 workflow、人重度介入 | n8n / Zapier / Lindy / Copilot Studio（基礎） | ◐ 入門 |
| L3 | 半自主 agent | 多步驟、串多系統、end-to-end 跑完，例外才丟人 | CrewAI/AutoGen 自建 / Sierra / Decagon / Agentforce（基礎） | ✓ 分水嶺 |
| L4 | 職能級 | 接管整個職能＋治理/稽核/kill switch/closed-loop | Agentforce（深）/ Harvey / Copilot（治理版） | ★ 領先 |
| L5 | 全自主 | 自負盈虧、不可逆操作也放手 | Devin / 11x / Artisan（喊 L5 實際 L2–L3） | 🦄 不存在 |
能在單一高價值流程裡多步驟、串多系統、end-to-end 跑完（不只給建議），才開始有市場。L0–L2 的聊天與自動化，會被 Copilot 和 API wrapper 輾過。
分水嶺之上再加：垂直資料護城河、整合深度、治理（RBAC / audit / kill switch）、closed-loop 持續學習。差異化早就不在 UI／prompt，而在後端架構、成本控制、資料護城河、產業 know-how。
大多數專案失敗，但活下來的回報很高。這門生意的門檻不是做得出 demo，是跨得過死亡谷上線。
| 級 | 建置（一次性） | 月跑（opex） | 團隊 |
|---|---|---|---|
| L0 | ~$0（買 seat） | $30–200 | 0 |
| L1 | $10–30k（2–4 週） | $100–800 | 1 |
| L2 | $10–40k（2–6 週） | $420–2.6k | 1–2 |
| L3 | $50–500k+（2–6 月） | $1k–7k+（含 observability + vector DB） | 2–5 |
| L4 | $1M–數M（6–18 月） | $6k–60k+（平台授權 $3–30k 是最大單項） | 5–20 |
維護成本 ≈ 初始開發的 15–30%/年。企業 TCO 常被低估 40–60%（忽略整合、治理、組織變革）。
| 級 | 預設路線 | 升級 GPU 觸發 | 算力月成本 |
|---|---|---|---|
| L0–L2 | 純 API | QPS 超 rate limit / 延遲敏感 | $0–500 |
| L3 | API 為主 + 可選本地 | ① 領域語調 fine-tune ② 資料不出境 ③ token 成本超自架盈虧點 | $500–5k |
| L4 | 混合（API + 自建叢集） | ① closed-loop retraining ② 合規禁外部 API ③ 規模大到自架有 ROI | $5k–50k+ |
fine-tune 已極便宜（2026）：7B QLoRA <$5、13B $20–50、34B+ 才需 A100 叢集。自架推論在月費超過 $2–3k 後才有經濟意義——在那之前用 API 就好，別急著自架。RAG 優先於 fine-tune；fine-tune 只用在「穩定語調鎖定 + 系統性修正可預測失敗」。
| 級 | 主要 Moat | 說明 |
|---|---|---|
| L0–L1 | 幾乎無 | 可被任何人複製 |
| L2 | 整合深度 + 客戶資料 | 嵌入越深越難換，但 workflow 本身可複製 |
| L3 | 垂直 know-how + Eval 體系 | 真正懂某行業「例外」處理；能量化 agent 品質的 eval 框架難複製 |
| L4 | 資料飛輪 + closed-loop | 生產流量→自動標記→fine-tune→更小更快模型→成本降→更多客戶→更多流量 |
2026 關鍵洞見：moat 不再是 GPU 或模型權重，而是閉環資料生態系（NVIDIA Data Flywheel Blueprint）。Harvey（法律）、Decagon（客服）在各自領域累積的 eval 數據集與 edge case 處理，是通用框架難快速複製的。
| 玩家 | 宣稱 | 實際（第三方/用戶評測） | 關鍵數據 |
|---|---|---|---|
| Sierra AI | L4 | L3–L4 | 核心指標 resolution rate；客服 production 真材 |
| Decagon | L4 | L3–L4 | contact center voice/chat，enterprise 部署中 |
| Salesforce Agentforce | L4 | L3 | Salesforce 自評：單輪 58%／多輪僅 35%；LLM agent fail 65% CX 任務 |
| Harvey AI | L3–L4 | L3 真材 | doc Q&A 94.8%，比律師快 6–80x |
| Devin（Cognition） | L4「first AI engineer」 | L2–L3 | migrations 行，非全替代；Answer.AI 實測 20 任務 14 fail |
| 11x（Alice/Julian） | L4 全自主 AI SDR | L2 | 21/231 features、$60k/yr；「替代 SDR」敘事已崩 |
| Artisan（Ava） | L4 全自主 AI SDR | L2 | 35/231 features、G2 3.8/5；部署者多回退 hybrid |
| Lindy | L3 | L2–L3 | no-code 易用，複雜整合需客製 |
整體規律：宣稱 L4 的多在 L3；宣稱「replace humans」的 AI SDR 在 2026 普遍面臨信任危機。真正 production 穩固的：Sierra、Decagon（客服）、Harvey（法律）、Cursor/Claude Code（程式）。
所有開源框架均不內建 pre-dispatch policy enforcement 或 production-grade audit trail——L4 所需的 RBAC/audit 必須上層自建或選商業平台。
L2→L3 的失敗 60% 以上與模型無關，是資料管線與系統整合問題。痛點排行（社群＋研究共識）：
單步 95% 準確，10 步後剩 60% 甚至 20%——hallucination + tool fail + 錯誤疊加。
沒 budget cap / checkpoint 直接炸帳單，最經典的死亡模式。
看不到哪一步壞掉，debug 困難。
tool API 變動、context 遺忘、human handoff 斷掉。
POC 用精選樣本；production 面對髒資料，表現掉 30–50%。
只把 AI 嵌進舊流程、用技術 KPI 而非業務 OKR——最常見的組織殺手。
「L2 好玩，L3 是系統工程問題，不是 model 問題。」
結論：2–3 人做到 L3 + 付費客戶可行，但要 ①選已有成熟工具鏈的垂直（別從零建 infra）②從 L2 小 win 建立信任與資料 ③維持「買 90%、建 10%」。
同一個「數位分身 / 人格萃取」垂直，恰好有一組鮮明對照，說明「沒大額資金一樣能做到 L3」——差別在規模、算力與客戶場景，不在「能不能做到」。
L3 的天花板不是「能不能做到」——開源小團隊已證明做得到；真正拉開差距的是算力、規模化與真實客戶場景。
1–2 個 ROI 可量化、資料乾淨、流程標準化的 use case
n8n / LangGraph DAG（固定 workflow）
建置 $10–40k／月跑 $420–2.6k
里程碑：3–5 付費客戶，累積真實資料
用 Stage 1 資料重設計一個高價值流程圍繞 AI 運作
LangGraph stateful + HITL + tool registry + eval pipeline
建置 $50–150k／月跑 $1–4k
里程碑：multi-step agent 穩定 90 天，exception <20%
eval 體系成熟 → 垂直 know-how 數據集 → 嘗試 closed-loop
data flywheel；小模型 QLoRA fine-tune
護城河：垂直 eval 數據集 + 整合深度（切換成本）
deflection 40–60%、ROI 用 resolution rate 可量化；門檻低於 SDR；中小企業滲透率仍低。Decagon / Sierra 模式。
Harvey 模式在地版；律師時薪高，AI 加速 6–80x 的 ROI 容易說清楚。單價高但 compliance 坑深。
工程團隊 on-call agent；對有程式底子的小團隊驗證 L3 最快。
⚠ 避開：Sales/SDR（市場最大但 churn 高、是 augmentation 非 replace，11x/Artisan 都死在這）、general「AI 員工」/ 全自主 L5（虛火最大）、無控 multi-agent 夢（燒錢捷徑）。
2026 年中：hype peak 已過 → 進入 grind phase。不是全面幻滅（solo builder 仍興奮、niche 案例持續），但從「L5 革命」冷卻到「L3 可靠 infra + 成本控制」。社群關鍵字：「demo vs reality」「pilot purgatory」「tokenmaxxing 後遺症」「boring architecture wins」。會活下來的，是把 agent 當「可靠的員工」而不是「魔法」的團隊。
窄 + 可靠 + 可計價，才是 2026 小團隊活下去的解。先拿 1–2 個付費 pilot 再談 autonomy。