很多老闆一聽到「廣告 AI Agent」，第一個念頭就是：能不能讓 AI 自動看報表、調預算、關掉爛廣告，再把錢加到表現好的素材上？
答案是可以，但不該一開始就這樣做。
廣告預算是公司現金流，不是測試玩具。
AI 如果只是看數據、整理異常、提出建議，風險還算可控；可是一旦它能直接改每日預算、關活動、調受眾、改出價，老闆就一定要先設好權限規則。否則效率還沒長出來，預算可能先被一個錯誤設定燒掉。
中小企業導入廣告 Agent，重點從來不是「AI 會不會投廣告」，而是三個更實際的問題：
- AI 可以做到哪一步？
- 哪些動作要真人確認？
- 出錯的時候，能不能追得回來？
下面這套權限規則，就是導入前最該先定好的安全邊界。
為什麼廣告 Agent 不能一開始就全自動？
因為廣告系統的變數太多，而 AI 的「合理判斷」不等於「正確判斷」。 一開始就全自動，等於把判讀的責任整包丟給一個還沒被你的生意訓練過的系統。
會影響預算決策的變數至少包含：
- 素材表現與疲乏程度
- 歸因延遲（轉換不會即時回報）
- 促銷檔期與節奏
- 庫存、毛利與現金流狀況
AI 看到某組廣告成本突然變低，不代表就該加碼——很可能只是樣本太少，或追蹤碼異常造成的假象。
比較穩的導入方式是：先讓 AI 讀數據、標異常、提建議；等資料品質、判斷邏輯、審核流程都穩定了，再一步步開放低風險的執行權限。
這個「先觀察、後放權」的精神，其實跟我們做廣告投放的紀律一致。
如果你想看 AI 如何在 Meta 廣告投放端被「框」在對的軌道上，可以延伸閱讀我們拆解 Meta 廣告 仙女座 Andromeda 引擎 的那篇——重點同樣是：讓系統自動，但人要看得懂、控得住。
規則一：先分清楚「讀取、建議、執行」三層權限
廣告 Agent 的權限不能只有「開」或「關」，最少要拆成三層。 這三層是後面所有規則的地基。
第一層：只能讀取
AI 可以讀廣告帳戶、活動名稱、預算、花費、曝光、點擊、轉換、名單成本與素材表現，但不能改任何設定。
這是最安全的起點，適合用來做每日摘要、異常提醒與週報。
第二層：可以建議
AI 可以產生具體建議，例如「某活動成本連續數天偏離目標，建議調降預算」。
但這一層仍由真人決定要不要執行。
第三層：可以執行
AI 可以直接暫停廣告、調整預算、建立規則、發通知或改受眾。
這一層一定要最晚開，而且只能從低風險動作開始（例如建立任務、推送提醒），不要第一天就讓它動預算。
規則二：每個預算動作都要有上限
只要 AI 能動預算，就必須先設硬上限。 沒有上限的自動化，等於把信用卡交給一個還在試用期的新人。
建議至少先設四種上限：
- 單次調整上限：每次增加或減少都不得超過一個小幅度的比例
- 每日調整上限：同一活動一天最多調整一到兩次
- 總預算上限：任何自動調整都不得超過月預算或檔期預算
- 單活動上限：新活動還沒過觀察期，不得自動加碼
規則看起來保守，但很必要。廣告資料有延遲，預算調整就該小步走。
規則三：高風險動作一定要人工審核
不是所有操作都能交給 AI。 凡是會直接動到錢、品牌、法規或客戶體驗的動作，都該由真人確認。
以下這些動作，不該讓 AI 直接執行：
- 大幅增加預算
- 關閉主要活動
- 改變轉換目標
- 修改落地頁連結
- 調整核心受眾
- 上架新素材或使用敏感宣稱
- 改動再行銷名單
比較務實的設計，是讓 AI 產生一張「建議操作單」，內容包含：原因、數據、風險、預估影響、以及萬一出錯時的回復方式。負責人確認後才執行。
這不是拖慢效率，而是保護公司不被一次錯誤設定打穿。真正該自動化的是判讀和提醒，不是把決策責任整包丟給 AI。
規則四：用 RACAE 把「建議」變成可被檢驗的決策
廣告 Agent 不能只丟一句「建議調高預算」就算數。一條合格的建議，本身就要能被檢驗。
這裡我們直接套用 RunningMate 的招牌方法論——RACAE 優化循環——把廣告 Agent 的權限演進，對映成五個階段：
- Record（紀錄）：先把資料留下來。導入前至少留五種操作紀錄——AI 讀了哪些帳戶與活動、產生了哪些建議、誰核准或拒絕、實際執行了什麼、以及操作後一段時間（例如 24 到 72 小時）的結果。沒有紀錄，後面四步都是空談。
- Analysis（分析）：每一條建議都要附上可追溯的判斷依據，至少包含三項——
- 觀察區間（例如近 3 天、近 7 天、同檔期前一週）
- 觸發條件（哪些指標成立才動作）
- 數據來源（讀自哪個帳戶、哪個報表）
- Conclusion（結論）：根據分析給出明確動作與預估風險。例如「建議暫停／降預算／換素材／檢查落地頁」，並標註可能的風險（樣本不足、轉換延遲、庫存吃緊），加上負責人——誰確認、誰執行、何時回報。
- Assumption（假設）：把整個動作當成一個「假設」，而不是定論。第一版的假設就是最保守的那一個——先只讀、只建議，不放執行權。你假設「AI 的判讀方向是對的」，但還沒證明，所以先不讓它真的動帳戶。
- Experiment（驗證）：用一段固定的觀察期去驗證假設。例如先在低風險範圍放權，看 72 小時的成效再決定要不要擴大授權。成效好，假設成立，逐步放權；成效不如預期，就退回上一層重設規則。
這樣老闆才看得出來：AI 是在「判斷」，還是在「亂猜」。團隊也能把每一次被驗證過的好判斷，沉澱成自己的 SOP。
規則五：所有操作都要留下紀錄，出錯才找得到原因
廣告自動化最怕的一句話是「不知道誰改的」。 預算突然暴增、廣告被關、受眾被換、轉換目標被改——查不到紀錄，團隊就只能互相猜。
這一條其實就是 RACAE 的 Record 在落地。導入廣告 Agent 前，至少要留下五種紀錄：
- AI 讀取了哪些帳戶與活動
- AI 產生了哪些建議
- 哪位同仁核准或拒絕
- 實際執行了什麼操作
- 操作後 24 到 72 小時的結果
這些紀錄不必一開始就上昂貴系統，先放在 Google Sheet、Notion、CRM 或任務工具都行。重點是查得到、追得回、能復盤。
這套「把人工流程一段段變成可追溯紀錄」的做法，我們在陪跑客戶時做過很多次。
例如一間塑膠擠出工廠（依約不具名），生產日報原本是紙本手寫工單號碼、工序、起訖時間與生產數量；我們陪老闆和員工一起，把它換成手機 Web App——選員工、輸入工單與工序、按下開始計時。
光是「紀錄變得查得到、追得回」這一件事，就預估一年省下 200 多個小時的人工。
廣告帳戶的紀錄邏輯，其實是同一回事。
規則六：先設停損條件，不要等燒錢才緊張
每個廣告 Agent 都要有停損條件。 這不是不信任 AI，而是任何自動化系統都需要一根保險絲。
建議先設五條停損線，碰到任一條，AI 就應立刻停止自動調整、改通知真人：
- 單日花費超過上限
- 成本指標嚴重偏離目標
- 轉換追蹤出現異常
- 落地頁無法開啟
- 客服或庫存無法承接訂單
通知也要分級，不要讓老闆被小事轟炸、卻在燒錢時狀況外：
- 一般異常：丟團隊頻道就好
- 重大異常：通知主管
- 預算或追蹤碼異常：即時通知，馬上處理
中小企業可以怎麼分階段導入？
不用一次做到全自動，分三階段走最穩。 每一階段都對應前面講的權限層級，循序放權。
第一階段：只讀資料、產出報告
AI 每天整理花費、成本、素材疲乏、異常波動與待確認事項。
這一階段完全不動帳戶，只改善主管看報表的速度。
第二階段：產生建議、建立任務
AI 依規則產生建議，並把任務派給投手、行銷或主管，例如：檢查落地頁、補素材、追名單、確認庫存。
這時 AI 已進入流程，但還沒有直接改預算。
第三階段：開放低風險執行
前兩階段跑穩後，再開放有限的執行權限，例如暫停已達停損條件的小額測試活動、套用已核准的預算規則。
操作仍要有上限、紀錄與人工覆核三道防線。
中小企業最需要的，從來不是炫技，而是：少燒冤枉錢、少漏異常、少靠老闆每天盯後台。
一張最小的廣告 Agent 權限表，長什麼樣？
導入前，先要求團隊把權限寫成一張表，而不是只口頭說「AI 會先建議」。 第一版至少要有七個欄位：
- 動作名稱：讀取報表、產生建議、建立任務、暫停廣告、調整預算
- 權限層級：只讀／建議／需審核執行／可自動執行
- 適用範圍：哪些帳戶、哪些活動、哪些商品線
- 單次上限：每次最多能調多少預算、影響多少活動
- 觸發條件：哪些數據成立時才可以建議或執行
- 核准人：誰能同意、誰不能同意
- 回寫紀錄：操作後回寫到哪裡、多久後檢查結果
這張表不需要一開始就漂亮，但一定要存在。
只要團隊還沒辦法把權限寫成表格，就代表流程還不夠清楚，這時候就不適合開放 AI 直接操作廣告帳戶。
老闆要怎麼驗收廣告 Agent？
不要只看 AI 做了幾次調整，要看它有沒有真的讓營運變好。 建議盯六個指標：
- 每日報表整理時間（有沒有變短）
- 異常發現速度（有沒有變快）
- 錯誤設定次數（有沒有變少）
- 人工審核時間
- 預算超支次數
- 調整後 72 小時的成效
這些指標有改善，代表 AI 真的幫上忙；如果只是建議很多、操作很多，績效卻沒變好，那只是把「忙碌」自動化而已。
值得一提的是，這種「替自己省時間」的自動化，我們自家事業也天天在做。
狼大自己的 Meta Toy 玩具電商，進銷存原本卡在 Google 試算表（要開電腦、記錄不實、員工不想用），後來改成 LINE 自動推播下單記錄＋手機掃 SKU 盤點的 Web App，每天約省下 30 分鐘，員工落實率也跟著上來。
自己刻過、自己用過，才知道哪一段最值得先自動化。
結語：廣告 Agent 的價值不是放手，而是讓權限變清楚
廣告 AI Agent 最值得做的，不是讓 AI 自己亂衝預算，而是把看報表、抓異常、提建議、留紀錄、追結果這整條流程標準化。
權限設清楚，AI 才能幫公司加速；權限不清楚，AI 只會把風險放大。
老闆要先問的，不是「AI 能不能幫我投廣告」，而是：
- 哪些資料能讓 AI 讀？
- 哪些動作只能由 AI 建議？
- 哪些操作非得人工確認不可？
把上面這幾條規則定好，再用 RACAE 一步步放權，廣告 Agent 才能從「玩具」變成真正的「營運工具」。
導入廣告 AI Agent 前，先看這 8 個問題
廣告 Agent 可以直接幫我調廣告預算嗎？
A：技術上可以，但第一版不建議直接開放。先讓 AI 讀資料、整理異常、提出建議，由真人確認後再執行。等權限規則、操作紀錄與停損條件都穩定，再開放低風險的自動操作。
中小企業沒有工程師，也能做廣告 AI Agent 嗎？
A：可以。第一階段不一定要串 API，可以先用廣告報表匯出、Google Sheet、Looker Studio、任務工具搭配 AI 助理組成半自動流程。先固定資料欄位、判斷規則、通知方式與人工審核，之後再考慮串接。
AI 調預算會比真人投手更準嗎？
A：不一定。AI 擅長看大量數據、抓異常、提醒規則違反，但不一定懂檔期策略、庫存壓力與毛利結構。比較好的做法不是取代投手，而是讓 AI 先做監控，投手負責判斷。
什麼是「讀取、建議、執行」三層權限？
A：這是廣告 Agent 權限的最小拆法。只讀層只能看資料、不能改設定；建議層能產生具體建議、但由真人決定執行；執行層才能真的動帳戶。執行層要最晚開，且只從低風險動作開始。
RACAE 怎麼套用在廣告 Agent 上？
A：RACAE 是 Record（留操作紀錄）→ Analysis（每條建議附觀察區間／觸發條件／數據來源）→ Conclusion（給明確動作與風險）→ Assumption（先只讀只建議，不放執行權）→ Experiment（放權後看 72 小時成效再決定是否擴大）。它讓每個決策都可被檢驗。
哪些廣告操作一定要人工審核？
A：會直接動到錢、品牌、法規或客戶體驗的動作都要。例如大幅加預算、關閉主要活動、改轉換目標、改落地頁連結、調整核心受眾、上架新素材或改動再行銷名單，這些都不該讓 AI 直接執行。
為什麼一定要留操作紀錄？
A：廣告自動化最怕「不知道誰改的」。至少留五種紀錄——AI 讀了哪些帳戶活動、產生哪些建議、誰核准或拒絕、實際執行什麼、操作後 24 到 72 小時的結果。先放 Google Sheet 或 Notion 都行，重點是查得到、追得回、能復盤。
導入廣告 Agent 要設哪些停損條件？
A：建議先設五條停損線：單日花費超上限、成本指標嚴重偏離目標、轉換追蹤異常、落地頁打不開、客服或庫存接不住單。碰到任一條，AI 就立刻停止自動調整、改通知真人，並依嚴重程度分級通知。
