人脈管理，善用AI Agent
本文原發表於《經濟日報（另開新分頁）》。
多數職場人士在經營人脈時，最常遭遇資訊輸入高摩擦與關係維護低覆蓋的雙重困境：散會後無力整理名片與交談細節，數月後想重啟聯絡又找不到適當切入點。要徹底解決這個痛點，可引進 AI Agent（人工智慧代理）的自主感知、規劃決策與工具調用架構，將人脈維護轉化為一套自動運轉的系統化流程。
歐美顧問的做法：多代理人分工維護關係
歐美頂尖的商業顧問，早已將多代理人工作流（Multi-Agent Workflow）導入個人關係維護。舉例來說，矽谷高階經理人常用的實踐方式，是配置三組特定職能的 Agent：第一組負責監聽公開商務動態與信箱互動，第二組負責解析談話紀錄並抽取關鍵資訊，第三組則在特定觸發條件滿足時，主動草擬客製化的跟進方案。
華爾街部分資深併購專家甚至利用檢索增強生成（RAG）（另開新分頁）架構，串接過去數年的通訊備忘錄，當某個產業爆發供應鏈轉移或併購消息時，Agent 能在幾秒內比對出具備相關背景且半年未聯繫的高價值名單，將偶發的被動社交升級為精準的策略出擊。
如果你還在「問 AI」而不是「讓 AI 幫你做」，可以先讀〈職場人士如何善用 AI Agent？從問 AI 到讓 AI 幫你做的關鍵轉變〉，再回來看這套人脈系統會更有感。
第一環：非同步語境捕獲
這套方法論的第一個實作環節，是建立非同步語境捕獲機制（Asynchronous Context Capture）。散會離開現場的步行時間，直接用手機語音轉文字錄下五花八門的對話碎片，由負責語義解析的 Agent 自動介入處理。
這個 Agent 的系統提示詞必須包含嚴格的資訊抽取本體論，強制將無序口述拆解為核心業務命題、非正式生活訊號（如對方家庭狀況、近期嗜好、規劃中的旅行）與承諾交付事項。Agent 解析完畢後，透過 Webhook（另開新分頁） 自動將結構化資料寫入個人的關聯式資料庫，並將承諾事項同步至行事曆，在源頭徹底消弭手動記錄的阻力。
過去我寫過〈請您跟我這樣做，簡單管理名片沒煩惱〉，那時靠的是掃描與手動分類；到了 Agent 時代，連「整理」這一步都可以交出去。
第二環：事件驅動型關聯引擎
第二個環節是設計事件驅動型關聯引擎（Event-Driven Matching Engine）。傳統名片庫是靜態且孤立的，但 AI Agent 能以知識圖譜（另開新分頁）的形式理解人際網路。你可以設定一個常駐排程 Agent，定期執行兩項比對任務：其一是供需互補偵測，將名單中 A 正在尋找的外部資源，與 B 剛展示的新專長進行向量語義檢索，主動提示你促成雙方認識的具體契機。
其二為動態衰減預警，當系統偵測到某位屬於核心圈層的夥伴，其互動頻率低於設定的健康值，且其公開社群剛好有新職位變動或專題演講時，Agent 便會主動觸發提醒，將冰冷的聯絡期限轉化為有溫度的交流契機。
促成別人認識彼此，正是人脈經營裡最有價值的一步，這也是我讀《AI 時代的高價值人脈學》時最想帶走的觀念，完整心得可以看這篇讀書心得。
第三環：人機協同的跟進執行
第三個環節則是人機協同的跟進執行（Human-in-the-Loop Follow-up）。頂級人脈經營最忌諱完全自動發送罐頭訊息，因此 Agent 在此階段的定位是高階參謀而非發言人。當觸發條件滿足，負責撰寫草稿的 Agent 會自動整合先前捕獲的個人生活訊號、對方的最新動態，以及你近期產出或閱讀過的一篇高價值分析，生成一份包含共同記憶點喚醒與無壓力價值提供的破冰信件草稿。
此時系統只會將草稿推送到你的通訊軟體待辦清單中，由你親自花 30 秒審閱、加入專屬口吻後手動發出，既有演算法的精準布局，又保留了人際信任所需的真實誠意。
想把這套跟進流程延伸到線上社群，可以搭配〈善用 LinkedIn，把人脈變金脈〉的做法；若你是主管，也可以參考〈善用 AI Agent 數位分身，從中高階主管升級為 Agent 總司令〉，把更多例行工作交給 Agent。
結語：認知資源的再分配
將 AI Agent 導入人脈管理是一場認知資源的再分配。演算法負責處理高耗能的資料萃取、週期監控、語義關聯與草稿預編，讓人脈網絡從散亂的名片堆變成具備自我維護能力的有機系統。
📰 本文原發表於《經濟日報》，原文請見：數位行銷／人脈管理 善用AI Agent（另開新分頁）。
讀完，下一步
把內容做成一套系統
AI 內容產製系統工作坊
一份素材，自動產出六種格式
繼續讀：AI 實戰應用指南動手試：AI 協作界線卡（另開新分頁）
