Airtable AI 教學：用講的把資料庫和代理人一起蓋起來，但先看懂點數怎麼算

台北一家二十人的電商公司，客服每天要處理上百封退換貨信件，然後手動把資訊填進一張 Airtable 表：訂單編號、問題類型、處理狀態。做了兩年，沒人覺得有問題，因為「本來就是這樣做」。

直到今年營運主管試了一次 Omni，用一句話讓系統自己讀信、自己萃取欄位、自己歸類。她後來跟我說，那個下午最大的感受不是驚豔，是有點生氣——原來這兩年花的時間可以省下來。

Airtable 在 2026 年的 AI 佈局值得認真看一次。這篇講清楚它能做什麼、怎麼用，以及最容易踩到的計費陷阱。

它是什麼：三層代理人架構

先講清楚產品結構，不然名詞會很亂。

Airtable 本身是介於試算表與資料庫之間的工具——比 Excel 有結構，比正式資料庫好上手。它的 AI 現在分三層：

Omni 是對話式代理人，2025 年起正式推出。你用白話描述需求，它幫你設定代理人、資料表與自動化，連介面一起建。它動的是「資料模型與介面」這一層。

Hyperagent 是自主代理人，能在自己的運算環境裡執行，並且可以部署到 Slack。

Cobuilder 則是輔助建構的工具。

另外還有 Field Agents（欄位代理人），這是實際幹活的部分：分析文件、搜尋網路、生成與編輯圖片、翻譯內容、從逐字稿萃取洞察。最關鍵的是它可以設定成資料一新增或更新就自動跑，在背景持續運作。

能做什麼：三個實際場景

第一，把非結構化的東西變成結構化資料。 這是最有價值的用法。客服信件、應徵履歷、供應商報價單、會議逐字稿——這些原本要人工讀完再填表的東西，讓 Field Agents 自動萃取關鍵欄位。

第二，用講的蓋內部小工具。 專案追蹤、庫存管理、內容行事曆這類需求，過去要嘛用 Excel 硬撐，要嘛找工程師開發。現在描述一下就能生出可用的雛形。

第三，讓自動化在背景跑。 新資料進來自動翻譯、自動分類、自動通知，不用每次手動觸發。

怎麼用：實作步驟

第一步，開免費帳號試 Omni。 官方明確支援用免費帳號試用，別急著付費。

第二步，把需求講清楚再開口。 這是成敗關鍵。不要說「幫我做一個客戶管理系統」，要說「我要一張表記錄客戶，欄位包含公司名稱、聯絡人、產業別、最近聯絡日期、狀態（洽談中／成交／流失），並且需要一個看板檢視依狀態分組」。描述越具體，生出來的東西越接近你要的。

第三步，先跑真實資料。 拿你手上真的資料丟進去試，不要用假資料。假資料永遠很乾淨，真資料才會暴露問題——欄位對不上、格式亂七八糟、有一堆空值。

第四步，設定 Field Agents 並觀察點數。 把自動執行的代理人接上去之後，先小量跑幾天，看實際消耗多少點數。這步驟很多人跳過，然後月底才發現點數見底。

第五步，寫下你的設定邏輯。 對話蓋出來的自動化，三個月後沒有人記得當初為什麼那樣設。花十分鐘寫個說明文件，未來的你會感謝現在的你。

進階技巧與計費陷阱

分清楚什麼燒點數、什麼不燒。 這是全篇最重要的一段。用 Omni 建構應用與代理人本身是免費的、不消耗點數；真正消耗的是代理人執行任務。所以你可以放心地反覆用 Omni 調整架構，但要謹慎設定「每筆資料都自動觸發」的代理人。

點數額度要算清楚。 免費版每位編輯者 500 點；付費方案每位付費使用者：Team 15,000 點、Business 20,000 點、Enterprise Scale 依定價約 25,000 點，整個工作區共用。不夠可加購：10,000 點每月 20 美元、100,000 點每月 200 美元，最高到 400,000 點每月 800 美元。

用觸發條件節流。 不要讓代理人對所有資料都跑。加上條件——只有特定狀態、只有特定來源、只有新資料才觸發，點數消耗可以差好幾倍。

跟外部自動化工具分工。 單純的資料搬運交給 Zapier 或 Make 這類工具更划算，Airtable 的 AI 點數留給真正需要理解內容的任務（讀文件、萃取洞察、翻譯）。

注意事項

AI 萃取的結果要抽查。 從信件或文件萃取欄位，看起來都很順，但錯一個訂單編號就是客訴。建議初期維持人工抽查的比例，穩定之後再降低。

對話蓋出來的東西一樣有技術債。 沒有程式碼不代表沒有複雜度。當自動化越疊越多，彼此的觸發關係會變得難以追蹤。定期整理，該刪的刪掉。

資料落地要確認。 客戶個資、員工資料放上雲端 SaaS，記得確認你的產業有沒有特殊規範，以及公司的資安政策允不允許。

別把它當正式資料庫用。 資料量大、需要複雜查詢或高併發時，Airtable 會撞牆。它的甜蜜點是「幾千到幾萬筆、需要多人協作、結構會常常改」的場景。

TheAI學院 評語

Airtable 這一輪的產品方向抓得很準：它沒有硬塞一個聊天框在角落，而是把 AI 放在「建構」與「執行」兩個真正費工的環節。用講的蓋出資料模型，再讓代理人在背景把非結構化的東西變成結構化資料——這兩件事合起來，確實能讓一個沒有工程資源的團隊做出以前做不到的事。

計費設計我也覺得算誠實。建構免費、執行計費，這個界線劃得清楚，至少你知道錢花在哪裡。但正因為執行是自動的，最容易失控的也是它。

評語：Airtable 的 AI 值得台灣中小團隊認真試，但請先花一週用免費版量清楚點數怎麼燒，再決定要不要升級——這步省下來的錢，比任何教學都實際。

給台灣讀者的具體建議：最適合切入的場景是「你現在有人在做複製貼上」的地方。客服信件整理、應徵資料彙整、報價單建檔，這些都是投報率最高的起點。反過來說，如果你的流程本來就很結構化（例如已經有 ERP 在管），那 Airtable 的邊際價值就有限。想看更多把 AI 接進實際工作的做法，站上的任務情境整理了不少現成流程，也可以參考 ClickUp 這類專案管理工具的 AI 功能做比較。

資料來源

• Airtable AI Agents 官方頁面
• Airtable 官方網站

依公開資訊整理，功能與方案價格以官方最新公告為準。