Relevance AI

這是什麼、解決什麼問題

Relevance AI 賣的東西，用一句話講就是「你不是買軟體，你是雇一批 AI 員工」。他們自己的行銷詞叫 AI Workforce，官網首頁那句「decouple growth from headcount」（讓成長跟人頭數脫鉤）大概就是全部的野心。

公司本體是澳洲的 OnSearch Pty Ltd，總部雪梨、另設舊金山辦公室，2020 年由 Daniel Vassilev、Jacky Koh、Daniel Palmer 三人創辦。2025 年 5 月拿了 Bessemer Venture Partners 領投的 2,400 萬美元 B 輪，累計募資約 3,700 萬美元，三位創辦人同年入選富比士亞洲 30 Under 30。

它要解決的問題很實際：很多公司想導入 AI，結果不是買了一堆訂閱各自為政，就是叫工程師從零刻一套 agent 框架。Relevance 的答案是把「工具」「代理人」「團隊」這三層拆開來給你組——Tool 是一個具體動作（查 CRM、發信、爬網頁、跑 SQL）；Agent 是一個會挑工具、會判斷、有角色設定的數位同事；Workforce 則是一群 agent 組成的團隊，彼此可以互相委派任務。

它最出名的範例是 Bosh，一個內建的 BDR（開發業務代表）agent，會自己研究目標帳戶、寫個人化開發信、追進度。官方文件講得很坦白：Bosh 不是單一 agent，而是一整套多 agent 系統，底下的子 agent 會互相分工。這其實就是整個平台的縮影。

實際用起來

第一次進去建東西，體感比較接近「填職位說明書」而不是「畫流程圖」。你替 agent 取名字、寫角色與行為守則、勾它能用哪些工具、餵它知識庫（可以接 Google Drive、Notion、Confluence），設好觸發條件——排程、收到 email、Slack 被 tag、表單送出、webhook 進來都行。然後它就開始上班。

跟 n8n 或 Make 那種節點連線式自動化的差別在這裡：節點式是你把每一步都畫死，Relevance 是你給目標跟工具，讓 agent 自己決定順序。彈性大很多，可預測性也低很多。這個 trade-off 你要接受。

整合面號稱 2,000 種以上，Salesforce、HubSpot、Slack、Notion、Zendesk 這些主流的都在。它也開了 MCP，代表你可以把 Relevance 的 agent 掛進支援 MCP 的其他客戶端，或反過來讓它去用外部 MCP 伺服器。

從 2026 年的更新日誌看，這個產品是真的有人在推：3 月上了 Microsoft Teams 整合、Agent 效能觀測（Enterprise）、以及用 Exa 索引驅動的人物搜尋；5 月 1 日一口氣出了 Confluence 知識同步、專案層級的公開 agent 權限控管、還有 Android app；5 月 21 日 Teams agent 加了「只回覆私訊、不吃頻道 tag」的模式；6 月 12 日接上 Gemini 3.5 Flash（100 萬 token 脈絡窗）；6 月 29 日評測執行改成逐項列出成本，讓你看得到 credits 跟 actions 燒在哪。最後這項對用過 agent 平台的人來說很有感——成本不透明是這類產品最大的痛點。

Calling Agent 跟 Meeting Agent 也是賣點：agent 可以真的打電話、也可以進線上會議。這條線目前掛在 Enterprise 功能清單裡。

定價與方案

這裡有件事必須先講清楚，因為它會影響你怎麼評估這個工具。

2026/07/27 我實際打開 relevanceai.com/pricing，整頁只剩下一個「Enterprise」方案，寫著「Talk to sales」，沒有任何價格數字。 網路上大量文章還在引用的 Free／Pro／Team 三個自助方案，行銷頁已經看不到了。

但它們沒有消失——在官方文件的定價頁（relevanceai.com/docs/get-started/pricing）裡，完整的階梯還在，數字如下（2026/07/27 查證，以官方為準）：

• Free：$0／月。每月 200 Actions、一次性 1,000 Vendor Credits（約值 2 美元，用完不再給）、1 個 Workforce、1 位使用者與 1 個專案、30 天任務紀錄。不能加購，用完只能升級。
• Pro：年繳約 $19 美元／月，月繳 $29 美元／月。每月 2,500 Actions、$20 Vendor Credits、無限 Workforce、2 位 Build User，並開放自帶 API 金鑰（BYOK）。
• Team：年繳約 $234 美元／月，月繳 $349 美元／月。每月 7,000 Actions、$70 Vendor Credits、5 位 Build User 加 45 位 End User、5 個共享專案、90 天任務紀錄。
• Enterprise：客製報價。無限 agent／工具／使用者／專案／Workforce、Calling 與 Meeting Agent、企業觸發器、Agent 評測、A/B 測試與分析、SSO、RBAC、稽核日誌、專屬客戶經理。

計價邏輯是雙軌的，這點務必搞懂：

• Actions：agent 每跑一次工具算一次，官方定義是「不管是寄一封信這種簡單任務，還是一個多步驟的複雜工作流，都算一個 Action」。加購價 $80 美元／1,000 個 Actions（換算每個 $0.08）。方案內含的 Actions 每月歸零，但你花錢加購的可以帶到下個月。
• Vendor Credits：實際打 LLM 與第三方工具的成本，官方說是批發價、不加價。加購 $20 美元／10,000 Vendor Credits。只要訂閱維持有效，Vendor Credits 無限期滾存不過期。Pro 以上可以用自己的 OpenAI／Anthropic 金鑰完全繞過這一軌。

優點

• 抽象層設計得漂亮。 Tool／Agent／Workforce 三層拆得乾淨，讓非工程師也能理解「一群 AI 怎麼分工」。這比大多數 agent 平台只給你一個「聊天機器人 + 外掛」的心智模型清楚。
• 產品迭代速度看得見。 2026 上半年幾乎每個月都有實質更新，不是那種官網停在去年的殭屍產品。
• BYOK 是良心設計。 Pro 起就能自帶模型金鑰，等於把最貴的那塊成本拿回自己手上，不用被平台的 credit 匯率綁架。
• Vendor Credits 不過期。 用量起伏大的團隊不會每月被歸零懲罰。
• 資料政策明確。 官方載明不拿客戶資料訓練模型（除非另有合作協議），SOC 2 Type II、符合 GDPR，資料傳輸與靜態都加密，且資料可隨時匯出成 CSV／Excel／JSON。
• 可選資料落地區域。 開帳號時能選 US（維吉尼亞北部）或 AU（雪梨）。
• 免費方案真的能評估。 200 Actions 不多，但足夠讓你把一個 agent 從頭建到跑起來，確認這套心智模型合不合你的胃口。

缺點與限制

• 公開定價頁只剩 Enterprise，這是刻意的。 你得翻到開發者文件才找得到 Free／Pro／Team 的數字。對想自己比價的中小團隊很不友善，也讓「跟 Lindy、n8n 比一下」這件事變得麻煩。這通常是一家公司往上打大單、不太想接小客戶的訊號。
• Action 這個計價單位容易低估。 「複雜工作流也只算一個 Action」聽起來很划算，但 Workforce 一旦多 agent 互相委派，實際觸發的工具呼叫數量會超出直覺。Pro 的 2,500 Actions 攤到 30 天，一天約 83 次——一個認真上工的業務 agent 很容易吃完。加購價每個 $0.08，跑量之後帳單長很快。
• 兩套額度要同時盯。 Actions 一本帳、Vendor Credits 一本帳，成本預估比單一 credit 制的競品累。他們 6 月才補上逐項成本拆解，某種程度也承認了這件事以前不夠清楚。
• Team 方案只給 5 位 Build User。 真正能動手建 agent 的席次很少，45 位 End User 只能用不能改。稍大的營運團隊很快就會被逼上 Enterprise。
• 可預測性是結構性弱點。 讓 agent 自己決定步驟，好處是彈性，壞處是它有時就是不照你想的做，而你能做的只有改提示詞、重跑、再改。完整的評測與效能觀測工具掛在 Enterprise，中小方案除錯手段有限。
• 沒有亞洲資料節點。 目前只有美國與澳洲，對延遲敏感或有資料落地要求的台灣客戶要先評估。
• 全英文介面，沒有繁中版。

適合誰、不適合誰

適合： 有明確重複性流程、且流程需要判斷力的營運與業務團隊——像是潛在客戶研究與分級、客服工單初判與分流、招募履歷初篩、市場情報彙整。特別適合「有 RevOps 或營運工程師但沒有專職 AI 工程師」的公司：這個角色剛好能駕馭 Relevance 的抽象層。也適合已經決定要導入 agent、但不想自己維護 LangChain 那一套基礎建設的中大型企業。

不適合： 只想做「A 發生就做 B」這種決定性自動化的人——用 Zapier 或 n8n 更便宜更可靠，不需要 agent 的不確定性。也不適合有完整工程團隊、想要完全掌控 agent 邏輯與版控的公司，那種需求自己搭框架更合適。預算極度敏感、每月不到幾百美元的小團隊，撞上 Action 天花板的速度會比想像中快。

替代方案

• Lindy：定位最接近的對手，同樣主打「AI 員工」與觸發式自動化，定價相對透明，個人與小團隊入門門檻低。
• n8n：開源、可自架，節點式工作流加上 AI agent 節點。要可控性與資料完全自有的首選，代價是你得自己維運。
• Gumloop：無程式碼 AI 工作流，介面直覺，偏向資料處理與內容生產的批次流程。
• Clay：如果你要的其實只是「業務名單擴充與外部資料補齊」，Clay 在 GTM 這條垂直做得比通用 agent 平台深。
• Dify：開源 LLM 應用開發平台，適合想自己掌握 RAG、提示詞與模型路由的技術團隊。

台灣觀點

中文支援。 介面全英文，沒有繁中。但這其實不是最大障礙——agent 的角色設定、行為守則、輸出格式都是你自己寫的，你完全可以用繁體中文寫指令，讓它產出繁中的信件、摘要、工單回覆。底層接的是 GPT、Claude、Gemini 這些模型，繁中生成品質取決於你選的模型，不是取決於 Relevance。實務上建議在系統提示裡明確寫「使用繁體中文、台灣用語」，否則很容易吐出中國用語。

付款。 美元計價，國際信用卡結帳。Free 方案不用綁卡，可以先摸清楚 Actions 燒得多快再決定要不要升。Pro 年繳約 19 美元／月（一年約 228 美元，折合新台幣七千多元）對個人或兩人團隊還算可接受；Team 年繳約 234 美元／月（一年約 2,800 美元）就要認真算 ROI 了。強烈建議 Pro 之後立刻啟用 BYOK，用自己的模型金鑰，成本比走 Vendor Credits 好抓得多。

在地使用情境。 台灣不少中小企業卡在「一個人身兼三個職位」，這正是 agent 平台的甜蜜點：業務助理 agent 負責整理詢價信與建立 CRM 紀錄、客服 agent 負責電商平台常見問題的初步回覆、行銷 agent 每天彙整同業動態。要注意的是台灣常用的在地工具——LINE 官方帳號、鼎新或正航 ERP、104 人力銀行——多半不在那 2,000 種整合裡，得靠 webhook 或自訂 API 工具自己接。這部分的工程量要先估進去。

法規注意事項。 若你的 agent 會處理客戶個資（姓名、電話、消費紀錄），這在台灣受《個人資料保護法》規範。重點有三：一是蒐集時的告知與特定目的，把個資餵進境外 AI 平台屬於國際傳輸，要確認你原本的隱私權政策涵蓋得到；二是 Relevance 資料區域只有美國與澳洲，沒有台灣或亞洲節點，金融、醫療等有主管機關落地要求的產業要特別留意；三是 agent 自動對外發信或打電話，若涉及行銷推廣，仍受《個人資料保護法》與相關行銷規範拘束，不會因為是 AI 發的就免責。導入前建議請法務把資料處理協議（DPA）看過一遍。

以上為工具評測，不構成法律意見；價格與功能請以官方頁面為準。