加入為 Google 偏好來源

AI 代理人行銷自動化不是概念了：三大平台上半年同步落地

三個平台在 2026 上半年完成同一件事：AI 代理人不再是附加功能，而是自動化工作流的執行節點。時間軸壓在同一區間不是巧合，是市場架構層級的轉變。

先把六個里程碑放到同一張表上。ROI 之類的抽象詞放在後面談，這裡先看時間點與能力邊界。

2026 上半年三大自動化平台 AI 代理人化里程碑
時間 平台 新元件 狀態
2026 年 1 月 n8n 2.0 版本、原生 LangChain、70+ AI 節點 正式 GA
2026 年 1 月 HubSpot Run Agent 工作流動作 Private Beta，每日 500 次執行上限
2026 年 2 月 HubSpot Campaigns 成為第一級工作流物件 Public Beta，適用 Marketing Hub Professional+
2026 年 4 月 30 日 Klaviyo Custom AI Skills for Customer Agent 對品牌開放自訂邏輯
2026 年 5 月 HubSpot Agentic Automation Builder Private Beta
2026 年 6 月 30 日 Klaviyo Composer、Customer Agent 公開測試 Public Beta

三家的方向一致：把 AI 從「工作流旁邊的助理」變成「工作流裡面的節點」。差別在於各自的入手點。Klaviyo 從電子郵件與客服端進，HubSpot 從 CRM 工作流引擎進，n8n 從開源整合層進。

對台灣行銷團隊來說，這代表 2026 下半年不能再套用 2024 年那份工具比較表。整合應用數量、視覺化拖拉、免費層額度，這些過去的判準都還在，但都變成次要因素。首要判準改成「這個平台的 AI 代理人可以在我的工作流哪一段接手」。這才是本篇要處理的問題。

Klaviyo Composer 與 Customer Agent：AI CRM 兩個代理人怎麼協作

Klaviyo 的做法是把兩個 AI 代理人拉進同一份客戶檔案：Composer 負責生成活動，Customer Agent 負責回應客訴，兩邊互相寫入偏好資料。行銷與客服合併成一個資料閉環，這是傳統 CRM 沒有的架構。

Composer 的操作方式是自然語言輸入。行銷人員描述「針對高價值客戶建立春季新品上市活動」，Composer 自動生成受眾分群、郵件主旨、內容文案、圖像選配、流程邏輯與跨通路傳送時機。過去需要數天才能完成的活動草案，現在壓縮到數分鐘。所有活動上線前需要人工核准，這一步沒有省略。

Customer Agent 的重點是多語言與多通路。它自動偵測用戶書寫語言，用同一種語言回覆。通路橫跨網頁聊天、電郵、SMS 與 WhatsApp，內建多語支援。對面向東南亞市場的台灣品牌，這個能力很實用：不必增加客服人力，就能支援多語回覆。

兩個代理人的協作關鍵在「統一客戶 Profile」與「即時資料回寫」：Customer Agent 對話中捕捉到的消費者偏好會即時寫回 Klaviyo Profiles，讓 Composer 後續行銷活動更精準。客服互動等於行銷資料輸入，這是傳統 CRM 沒有的閉環。

還有一個容易被忽略的細節：Composer 依據 14 年跨品牌互動經驗與最佳實踐進行最佳化。這個訓練基礎不是每家新創的 AI 代理人都能提供。以 Klaviyo 官方公告，目前平台上有近 20 萬個付費品牌在運作，這些互動資料是 Composer 的模型基礎。

Custom AI Skills 是這個架構的延伸。品牌可以用自然語言定義 Agent 邏輯、從零建立技能，或修改既有技能的行為，並與現有技術堆棧任何系統連接。發布時間是 2026 年 4 月 30 日。

目前 Klaviyo Custom AI Skills 僅在英文市場發布，繁中支援仍未到位。台灣電商與 DTC 品牌若要部署 AI Agent，語言支援必須先評估過。

HubSpot Run Agent 與 Agentic Automation Builder：AI 代理人變成工作流節點

HubSpot 讓 AI 代理人可以在工作流任何一個節點被觸發，也讓行銷活動變成第一級工作流物件。這是傳統流程圖與代理人推理的第一次融合。

Run Agent 的意義在於「觸發位置」。過去 HubSpot 工作流的動作是預設的：發送郵件、更新欄位、指派任務。Run Agent 之後，工作流的任意節點可以呼叫任何 Breeze AI Agent，讓代理人做研究、撰稿或決策，輸出可選文字回應或結構化資料，再交由後續動作接手。

舉例來說，交易階段變更時可以自動觸發研究任務。CRM 事件驅動的 AI 推理，過去要靠外部服務串接才能做到。依 HubSpot 官方文件，Run Agent 動作有每日 500 次執行上限，正式版將消耗 HubSpot credits，額度規則官方尚未公布。適用範圍是 Marketing / Sales / Service / Data Hub Professional 以上方案，Starter 用戶用不到。

Campaigns 變成第一級工作流物件是另一個大轉變。過去行銷活動只是 CRM 屬性，現在可以針對「活動預算超標」或「聯絡人被活動影響」建立自動化觸發，讓活動管理首次具備動態回應能力。2026 年 2 月生效，Public Beta 對 Marketing Hub Professional+ 開放。

Agentic Automation Builder 把這兩件事整合到單一畫布。混合觸發機制讓工作流可以從 Google Sheets 等外部系統觸發，不再限定 CRM 記錄。首次允許從零建立客製 Breeze AI 代理人，而不只是調整預建版本。工作流程式碼生成也上線，Breeze Assistant 現在支援文件、圖表、行動裝置與工作流碼生成。

五月份 HubSpot 更新的核心方向，是讓 AI 成為工作的主動參與者，而非等待指令的工具。

— MarTech.org，2026 年 5 月

典型應用是這樣的：業務人員把目標潛在客戶加入 Google Sheet，HubSpot 自動建立公司記錄、執行研究、標記相似交易、發送摘要給業務代表。這一連串動作過去需要多個 SaaS 串接，現在在同一個工作流畫布上完成。

對台灣多數中小企業而言，實際限制是方案層級。Starter 用戶持續受限於基礎自動化，AI Agent 整合功能幾乎無法使用。若工作流需求增加，Professional 方案的投資回報要重新評估。

n8n 2.0 開源自託管：資料主權與 LangChain 原生整合的 AI 代理人架構

n8n 2.0 用 400 個應用整合與原生 LangChain 支援換來一件事：資料不出境。這對需要合規的行銷團隊是唯一可選路徑。台灣行銷科技社群對這件事的認知落差也最明顯。

2026 年 1 月正式發布的 2.0 版本，是 n8n 自創立以來最大幅度的架構更新。核心轉變是從「固定腳本的工作流自動化工具」進化為「支援 AI 代理的推理型自動化平台」。內建 LangChain 支援，一次新增 70 個以上 AI 節點，加入人在迴路（HITL）控制機制。

Model Nodes 支援 OpenAI GPT-4o、Anthropic Claude 3.5、Ollama 本地模型。Memory Nodes 管理對話歷史。Chain Nodes 提供預建邏輯。Vector Store Nodes 連接 Pinecone、Qdrant、Supabase 向量庫。從語意路由到人類接管，這個節點組全部覆蓋。

持久化 Agent 記憶是 2.0 的另一個關鍵：代理人可以跨執行保持上下文，不再每次從零開始。記憶儲存有 In-memory、Redis、Postgres、Motorhead 四種選項，可以依據場景與規模選擇。

HITL 機制是行銷團隊最該關注的功能。AI 代理人執行特定高風險工具前必須人工確認，可以設定審核閾值。這解決一個實務問題：AI 自動化的疑慮在於失控，不在於能不能做。HITL 讓行銷團隊可以先在低風險場景測試 AI 推理，確認符合預期後再逐步移除人工審核節點。

2026 年的行銷自動化不再是設計觸發規則到動作的邏輯樹，而是部署能夠推理、規劃、自主執行多步驟行銷工作流的 AI 代理人。

— Digital Applied，2026 年

資料主權是 n8n 的核心賣點。自主部署版本免費，資料不外流，適合有合規要求的企業。相較之下，Zapier 連接超過 8000 個應用，Make.com 連接 1500 個以上應用，n8n 只有 400 個。應用連接數少，但資料控制度最高。這是三平台的定位差。

中文出海社群對 n8n 的採用格局是另一個訊號。知乎有一篇廣為流傳的文章整理出 20 個「出海行銷神級工作流」，涵蓋 SEO 內容自動分發、社群多平台排程、LinkedIn 潛客培育、客服 AI 自動回覆。這些場景在台灣行銷科技圈幾乎沒有討論。

台灣落差 12-18 個月：選型判準要從工具功能轉向代理人職責邊界

台灣行銷科技社群對 AI 代理人自動化的討論落後英文市場 12 到 18 個月。這個落差不是資訊差，是判準差。選型時問錯了問題。

先看幾個對比。英文市場對 Agentic Automation 的討論已經非常成熟，實際應用案例累積在案。台灣多數中小企業仍在使用基礎工作流，AI 代理人嵌入的落地應用幾乎尚未開始。同時期出海圈（知乎）有 20 個 n8n 神級工作流模板廣泛流傳，台灣本地行銷科技社群幾乎零討論。

本地 CRM 工具（如 91APP、OMNICHAT）仍以規則型自動化為主。英文市場電商已經進入 Prompt 到 Campaign 的代理人時代，這個能力差距不是短期內可以追上的。選錯了平台，錯誤成本會沿著整個技術棧一路累積。

三平台的技術門檻、資料主權與代理人職責邊界對照
維度 Zapier / Copilot Make AI Agents n8n 2.0
技術門檻 最低 中 最高
應用整合數 8000+ 1500+ 400+
資料主權 SaaS 託管 SaaS 託管 可自主部署
代理人架構深度 入門級 中階 完整 LangChain
適合角色 非技術行銷 行銷技術團隊 技術能力強的組織

過去的判準是「工具功能誰比較多」。現在的判準要改成「哪個代理人在我的工作流哪一段接手」。前者是加法題，後者是分工題。加法題容易，答錯的代價也小；分工題不容易，答錯就是流程失控。

舉一個具體判準：非技術背景行銷人員，Zapier Copilot 加上 Agents 是最快上手的 AI 自動化路徑。有技術支援的行銷技術團隊，Make AI Agents 在場景視覺化上優於 n8n，Maia AI 可以快速起草場景。資料主權要求高的企業選 n8n 2.0 自主部署配上 LangChain RAG。成本最低，資料不外流。三個角色三條路，不是誰打誰的問題。

銷波快觀點：先想清楚「哪個流程要交給誰」，工具才會有意義

這波三平台 GA 的重點不是誰的 AI 節點多。做過 500 個以上 AI 工作流之後我們的結論很直接：選對流程比選對工具重要。企業真正願意付費的自動化場景有三個明確特徵：高頻、規則明確、錯誤成本高。這三項同時符合才適合自動化。錯誤的自動化標的會讓投資回報變成負值。

另一個常被跳過的判斷點是「有沒有結構」。結構化 AI 工作流的團隊產出可以到 3 到 5 倍，同時維持 92% 品牌一致性（Gartner 2026 行銷技術調查）。首年投資回報平均 340%。關鍵不是用 AI 生成更多內容，是建立有結構的 AI 工作流。沒有結構的 AI 使用只會產出更多低品質內容，反而稀釋品牌價值。

再一個實務語言：從聊天框到指揮官。「指揮官」不是我們發明的詞，是實戰者自己講出來的原話。他形容自己「一個操作者指揮一套 AI agent 系統」。這對台灣行銷團隊有一個具體轉譯：不要再問「這個工具能不能取代 X」，要問「這個代理人的職責邊界在哪、我要指揮它做什麼」。身份語言決定選型視角。

最後一個實戰教訓：框架句把工具名擺開頭，模型就把它當成主題。我們自己在 Task Scheduler 排程腳本這件事上就吃過這個虧。同一個工具名在 prompt 開場出現兩次，AI agent 整份輸出偏題成教學文。這對建置工作流的行銷人員很直接：AI 代理人平台的自然語言指令，開場句要以動作與目標為主，工具名放後面。這種細節在傳統自動化沒有，是代理人時代的新工程實作規則。

結論：先把流程篩出來，再選 AI 代理人平台

三平台上半年同步落地是市場層級的變化，但對單一行銷團隊來說，最有價值的動作不是急著比較 Klaviyo、HubSpot 與 n8n 的功能表。是先把手上的工作流盤一次，篩出符合「高頻、規則明確、錯誤成本高」三項條件的流程。這個清單通常比想像中短。

盤完之後再對照三個平台的職責邊界：Klaviyo 適合 CRM 資料閉環，HubSpot 適合 CRM 事件驅動的推理任務，n8n 適合資料不能出境的整合場景。三個平台不是替代關係，是分工關係。若你的工作流同時橫跨 EDM、CRM 與外部資料整合，三個都用也不奇怪。

台灣的 12-18 個月落差不是壞事。這段時間可以用來把流程篩選這件事做扎實。以我們累積 500 個以上 AI 工作流的實戰經驗，急著追工具比追流程判準快，但流程判準的複利遠遠大於工具的邊際差異。以現在的市場節奏，2026 下半年是把 AI 代理人納入工具棧的合適時點。前提是流程盤點已經完成。

喜歡這篇？讓行銷變好懂，訂閱銷波快。

資料來源

  • 行銷科技
  • 行銷自動化
  • AI 代理人
  • Klaviyo
  • HubSpot
  • n8n
吳宗翰 Jayden Wu

吳宗翰 Jayden Wu

ClassOn 雙捷數位有限公司 共同創辦人 | 銷波快 Podcast 主持人

2008 年從線下行銷做起，活動、連鎖加盟那一類。2014 年轉數位，做亞馬遜和 eBay，後來自己出來做聯盟行銷與 dropshipping。現在在臺北城市科技大學、TeSA 與經濟部的培訓計畫教課。做過的事讓他篩情報時說得出為什麼。

關於 Jayden →

LinkedIn | Facebook | 收聽 Podcast