文章總結：Agent Manager 是 AI 時代的新興職位——負責編排 AI 代理如何學習、協作、執行，並確保它們安全地與人類並肩工作。本指南由職位背景與市場數據開始，帶你走過一週上手計劃、免費課程路徑、週末實作、必識術語、真實職缺薪酬，以及面試與向上管理話術。
一、這份工作是什麼（先看權威來源）
2026 年 2 月，哈佛商業評論（Harvard Business Review）發表文章〈To Thrive in the AI Era, Companies Need Agent Managers〉，由哈佛商學院教授共同撰寫，正式定義這個角色：負責編排 AI 代理如何學習、協作、執行，並確保它們安全地與人類並肩工作的人。文章明確比喻：Agent Manager 之於 AI 時代，就如同 Product Manager 之於軟體時代。
這個角色已經真實存在：同一篇文章介紹了 Salesforce 的 agent manager，他們管理著成群的 AI 客服代理，日常工作「從儀表板開始，也在儀表板結束」。
二、市場數據：為什麼現在值得投入
- 需求正在成形：微軟《工作趨勢指數》（Work Trend Index）顯示，28% 的經理正考慮僱用 AI 勞動力管理者，32% 計劃在 12–18 個月內僱用 AI 代理專才。
- 技能需求暴漲：麥肯錫（McKinsey）統計，美國職缺中對 AI 素養的需求兩年內增長了 7 倍，是成長最快的技能。
- 信任缺口就是機會：HBR 的調查發現，只有 6% 的企業完全信任 AI 代理自主運行核心流程——換言之，其餘 94% 的公司都需要有人坐在中間，充當「信任層」。這正是這份工作的價值所在。
三、第一週上手計劃（五個動作，全部今天就能做）
課程與證書有用，但沒有人單憑證書被錄取為 agent manager——他們錄取的是「已經在做這件事的人」。HBR 的框架指出：領域專業知識比重技術能力更關鍵，你原本就擁有的資格，就是「你知道什麼是好成果」。以下五個動作，把這項資格變成證據：
- 挑三個你每週都會重複的任務。不是最難的工作，而是最常做的工作。合格條件：每週至少發生一次、成果在 1 分鐘內能判斷對錯、輸入資料可以完整交付（資料夾、文件、匯出檔）。適合起步的任務：每週績效報告、收件匣與請求分類、把會議紀錄轉成負責人與截止日、一篇長文拆成五篇短文、初審他人草稿。
- 為每個任務寫一份指令檔。這是這份工作的真正技術。在 Claude Code 中，一個 agent 就是一份 markdown 檔：放進
.claude/agents/供專案共享，或放~/.claude/agents/全域生效。檔頭必須有name與description（description 決定 Claude 何時自動呼叫它）。你甚至不必自己寫——請 Claude 幫你寫。 - 跑完三個任務，然後像主管一樣審查。陷阱是自己默默重做。不要。讀輸出、按評分標準打分、把意見寫成「給 agent 的回饋」而不是直接改文件——管理的重點是把修正放進流程，而非放進這一份成果。
- 把每次修正變成規則。每條回饋都寫回指令檔，同樣的提醒就不會出現第二次。針對單一任務的規則放該 agent 自己的檔案；適用於整個專案的（語氣、格式、禁止事項）放
CLAUDE.md，它會自動載入每次會話。 - 記錄工作誌，因為工作誌就是證明。一頁、五欄：任務、agent、執行日期、審查發現、新增的規則。一週後，你就擁有一份顯示品質持續提升的編排紀錄——這份紀錄就是你的 LinkedIn 貼文、面試素材，以及向主管爭取正式負責此事的依據。
沒有終端機也不用怕：整套流程在 Claude App 內就能完成——每個任務開一個專案，把指令放在專案的自訂指示中，參考文件放進專案，每次執行都從相同上下文開始。
四、免費課程路徑（一個下午完成）
Anthropic 的課程庫名為 Anthropic Academy（academy.claude.com），全部免費，只需 email 註冊，完成後可獲得可分享的結業證書。建議順序：
- AI Fluency：框架與基礎（約 1 小時）——核心是 4D 框架：委派（Delegation）、描述（Description）、辨別（Discernment）、勤勉（Diligence），這是「指揮 AI」而非「提示 AI」的心智模型，附評量型證書。
- Claude Cowork 入門（短課）——實際操作 Claude 的 agentic 功能：任務迴圈、技能、外掛、整合。
- Agent skills 入門（約 30 分鐘），接著 Subagents 入門（約 20 分鐘）——學習真正的多代理委派。
全程約 3 小時影片。誠實提醒：這些免費結業證書真實且可分享，但不等同於 Anthropic 的正式認證（Claude Certified Associate／Architect／Developer，經 Pearson VUE 考試，目前僅透過 Claude 夥伴網絡的機構提供）。網路上很多內容會模糊這條界線，現在你知道了。
五、週末實作：組一支 3 人研究團隊（證明你能勝任）
課程教你詞彙，這個實作證明你能做這份工作。在 Claude Code 或 Claude Cowork（需付費方案，Pro 即可）中執行。選 5 間你想服務或想加入的公司／創作者，然後貼上：
我希望你像一支由我管理的團隊那樣運作。請建立三個子代理（subagent）：
1. researcher（研究員）：輸入公司名稱，找出他們賣什麼、一則近期新聞、
以及 AI 可以加速的一項具體行銷任務。只做唯讀研究，每項主張附來源
連結，回傳精簡摘要。
2. drafter（起草員）：根據研究員的摘要，寫一封 120 字的個人化開發信，
以及半頁的客戶簡報，語氣模仿我。
3. qa-reviewer（品管員）：檢查起草員的成果是否與研究員的事實一致。
標出任何沒有來源支持的內容、任何可以寄給任何公司的通用內容，
並以 10 分制評分。低於 8 分的內容不得交到我手上。
然後對這 5 間公司跑完整流程：[你的清單]。最後輸出完整報告：
5 份客戶簡報、各自的品管分數、以及每個代理做了什麼、
品管攔截了什麼的紀錄。為什麼這個實作是證明：你不是在「提示」，而是在「委派」——設定品質門檻、審查編排紀錄。把品管代理攔截問題的報告畫面截圖，那就是你的 LinkedIn 貼文與面試素材。而每個設計都對應你剛學的詞彙：研究員唯讀（護欄）、各自獨立上下文（上下文管理）、「低於 8 分不放行」（評測）、你在最後審查（人在迴路）。
六、十個必識術語（讓你進得了那個房間）
| 術語 | 白話解釋 |
|---|---|
| Agent（代理） | 能運用工具、朝目標多步驟運作的 AI，不是回答單一提示 |
| Subagent（子代理） | 為單一任務產生、擁有獨立上下文的執行代理，只回報結果 |
| Orchestration（編排） | 決定工作如何拆分、順序、結果如何合併 |
| Handoff（交接） | 把任務連同下一個代理／人需要的上下文一起傳遞；多代理失敗多因交接不良 |
| Tool use（工具使用） | 代理實際採取行動（搜尋、寫檔、呼叫應用程式），而非只生成文字 |
| MCP | 把代理接上應用程式與資料的開放標準，如同 AI 界的 USB-C（modelcontextprotocol.io） |
| Guardrails（護欄） | 對代理行為的硬性限制：可用哪些工具、哪些檔案、絕不可碰什麼 |
| Human-in-the-loop（人在迴路） | 代理繼續前，由人核准的檢查點 |
| Evals（評測） | 可重複執行的測試，量化代理輸出品質 |
| Context management（上下文管理） | 控制每個代理知道什麼；獨立上下文讓代理保持專注 |
七、真實職位與薪酬（搜尋這些職稱）
實際職缺的職稱很少直接叫「agent manager」，請搜尋：AI operations manager／AI operations lead／marketing AI operations／AI enablement lead／agent operations／AI orchestration specialist。市場實例（職缺會下架，當作市場存在的證明）：
- Airtable：Senior Manager, Marketing AI Operations——年薪 184,000–260,600 美元
- Arcadia：AI Operations Lead（遠端）——年薪 127,500–228,400 美元
- Forbes 整理了 20 個正在湧現的 agentic AI 職稱，包括麥肯錫的「agent supervisor」
八、對主管或面試官說的話（背下來）
- 「微軟發現 46% 的領導者已經用代理完全自動化部分工作流程，82% 預期在 18 個月內使用數位勞動力。與其等著被代理取代，不如成為管理代理的人。」
- 「麥肯錫估計到 2030 年，美國每年有 2.9 兆美元的價值等待釋放，但前提是企業圍繞『人＋代理』重新設計流程——總得有人做這件事。」
- 「88% 的公司已經使用 AI，但只有 23% 正在規模化代理系統。瓶頸不是技術，是會操作它的人。」
延伸學習（仍然免費）
- 微軟《AI Agents for Beginners》：GitHub 上的 12 堂課，每堂附文字教材、短片、可執行的範例
- DeepLearning.AI《Agentic AI》by Andrew Ng：約 10 小時，免費旁聽（證書收費，學習免費）
下一步
如果你想有系統地為自己或團隊建立 AI 工作方法，歡迎查詢企業 AI 培訓或一對一諮詢，或查看最新課程及活動。
資料來源
- 哈佛商業評論，2026 年 2 月：〈To Thrive in the AI Era, Companies Need Agent Managers〉
- 微軟工作趨勢指數：28%／32% 僱用意願、46% 全面自動化、82% 數位勞動力預期
- 麥肯錫：AI 素養需求兩年增長 7 倍、2.9 兆美元價值估計
- HBR 調查：僅 6% 企業完全信任 AI 代理自主運行
- Airtable／Arcadia 官方職缺頁面；Forbes 職稱整理報導
- Anthropic Academy（academy.claude.com）