417期・Cover Story 總論篇

從輔助工具到行動主體

AI代理崛起 重塑企業流程運作邏輯

撰文／陳玉鳳　圖片提供／Shutterstock

過去，AI多半扮演輔助角色，例如協助撰寫文件、查詢資料或整理內容；隨著技術演進，具備推論、規劃、記憶與持續追蹤能力的AI代理（AI Agent）逐漸成形，開始能承擔部分人類長期負責的工作任務。這類系統不僅能回應指令，更能在既定目標下持續執行流程，為企業運作帶來更高的穩定性與可預期性。因應這樣的轉變，部分企業已著手重新檢視工作流程、分配方式與管理架構，企業運作樣貌也出現調整空間。 

那麼，究竟何謂AI代理？簡而言之，AI 不再只是「提供答案」，而是開始「代替使用者執行任務」。它具備一定程度的自主運作能力（autonomous），能在相對有限的人為介入下，依循目標完成多步驟工作，成為可長時間運作的數位工作單元，並融入各類組織流程中。 

前OpenAI研究科學家Lilian Weng於2023年發表的文章，系統性地整理由大型語言模型（LLM）驅動的自主代理架構，也成為多數AI代理設計的重要參考。她指出，AI代理通常以LLM作為核心運算引擎，並結合規劃能力（planning skills）、記憶機制（memory）與工具使用能力（tool use），使其能在較複雜的環境中持續處理跨步驟任務。相較於早期僅能在單一專門領域運作的AI系統，這類架構展現出更高的通用性與延展性。 

從應用趨勢來看，比爾・蓋茲亦曾在2023年底指出，未來的AI代理將能協助使用者完成多數日常與工作相關活動。透過理解自然語言並結合對使用者偏好的掌握，AI代理可執行個人化任務，進而重塑人機互動方式。對使用者而言，理想狀態並非持續監督或反覆確認，而是在信任系統運作的前提下，將注意力投入其他更具價值的工作。 

成為人類的數位同事 處理複雜任務

回到實際應用層面，AI代理特別適合處理具備一定邊界、但高度非結構化的任務情境。以服務業為例，旅客在入住飯店後反映問題，往往以不同方式描述需求，對話內容難以完全預測，卻仍存在可判斷的處理範圍。這類情境中，AI代理可透過推理與動態規劃能力，在資訊不完整的狀態下協助釐清需求，並規劃解決路徑。 

因此對企業而言，AI的角色從單純回答問題的對話工具，轉為能承接任務、參與協作，並長時間穩定運作的「數位同事」。這類AI代理不僅能回應指令，更能在流程中持續追蹤進度，成為組織運作的一部分。 

根據全球企業雲端服務商Salesforce的觀察，AI代理式企業預計將在2026年進一步普及。此類企業內部往往配置多個可相互協作的AI代理，由其中一名代理負責整合方向，其餘代理則分工執行任務。在跨系統或跨部門的流程中，AI代理可自動協調資訊順序，並串接不同資料來源，協助企業更有效率地推動大型專案。 

Salesforce亦指出，企業競爭方式正隨之調整。過去，企業多半著重回應速度與流程效率；隨著AI代理導入，服務品質與顧客體驗的差異化成為關鍵。透過長期互動累積對顧客偏好與行為的理解，AI代理能提供更穩定且一致的服務體驗，在實務上相當於企業專屬數位顧問角色，有助提升顧客對品牌的信任與好感。 

隨著AI代理深入企業流程，資安防護的運作模式亦同步調整。相較於以防火牆、封鎖機制與人工通報為主的傳統作法，AI代理能即時監測系統狀態，及早辨識異常行為，必要時啟動隔離或修補機制。安全防護不再完全依賴人員即時判斷，而是透過AI與系統同步運作，提高整體防護的穩定性與韌性。 

按部就班 打造符合需求的 AI 代理

至於企業該如何建置AI代理？以企業實務經驗為基礎，Oracle提出一套循序推進的建置思路，協助團隊在可控風險下導入AI代理。 

第一步在於策略選擇。企業需評估是否採用現成的AI代理並進行客製化調整，或從零打造專屬系統。就目前技術成熟度與人力成本而言，多數企業傾向前者，因其上線速度較快，初期投入相對可控；相較之下，自行打造完整AI代理，通常僅適合流程高度特殊，或具備成熟研發能力的組織。

第二步是能力界定與資料準備。企業須選擇適合的語言模型，並明確規劃AI代理可負責的任務範圍、可使用的工具與可觸及的資料範圍，以清楚界定其行動邊界。同時，內部資料整理成為關鍵基礎工作。透過資料向量化，讓企業文件轉換為模型可理解的形式，再結合檢索增強生成（RAG）技術，使AI代理在執行任務時，能主動查找並引用正確的內部資訊，確保回應依據企業實際資料，而非單純模型推測。這一階段，將直接影響AI代理的準確度與可靠性。

最後，進入運作控管與持續優化。在完成代理建置後，企業須由管理端設定清楚的行動規則，例如哪些資料不得使用、哪些操作需人工核可，以及在資訊不足時如何回饋使用者。透過持續測試與回饋調整，逐一修正行為設定，讓AI代理在實際運作中愈來愈貼近企業需求。 

融入企業流程 各領域已見成效

隨著代理型AI技術漸漸成熟，企業不再將其視為獨立工具，而是直接納入既有工作流程中，並在多個場域中展現實際成效。其應用重點，不在單一模型的能力，而在透過多個AI代理，依任務分工協作，形成可持續運作的工作系統。 

以信用評等領域為例，穆迪公司（Moody's）已建構由約35個AI代理組成的分析架構，各代理依不同任務與權限分工運作，包括查閱企業財報與監管文件、進行產業比較與風險評估，並由特定代理負責協調整體分析進度。這種協作模式，使系統在同一議題下形成多元觀點，近似研究團隊內部的交叉討論。穆迪產品長里德（Nick Reed）指出，這樣的運作方式有助於辨識表面財務穩健、實際卻暴露於地緣政治風險的企業，讓研究人員能從更多角度進行投資評估。 

在研發場域，AI代理亦開始參與高度專業的流程設計。Johnson & Johnson將AI代理導入新藥研發中的化學合成流程，協助規劃反應條件與實驗步驟。過去需仰賴研究人員反覆嘗試的溶劑、溫度與時間設定，如今可由AI代理根據既有數據與實驗紀錄進行規劃，減少手動試驗次數，加快製程優化進度。對研發團隊而言，AI代理不僅是提升效率，也讓研究人員能將心力集中於更高層次的研究設計。 

在數位平台與工程領域，eBay打造自有的AI代理框架，結合多個大型語言模型，支援程式撰寫、程式碼最佳化與多語言內容處理。不同的AI代理各自負責需求轉譯、程式建議、測試或翻譯等任務，透過協作方式支援工程團隊的日常開發。eBay亦規劃將AI代理延伸至用戶端應用，協助買家搜尋商品，或為賣家自動建立商品頁面，進一步融入平台營運流程。 

導入速度及深度 決定競爭勝敗

根據PwC的《AI代理調查報告》，針對美國308位企業高階主管的調查顯示，企業對AI代理的導入已逐漸從試驗階段，邁向更全面的建構與應用。報告指出，未來企業間的競爭差距，將不再取決於是否導入AI代理，而在於導入的深度與整合的速度。 

調查顯示，已有79％的企業採用AI代理。其中約67％的企業已觀察到實際成效，包括流程效率提升、成本降低、決策速度加快與顧客體驗改善等。初期應用多集中於內部流程，但客戶面的使用案例正快速累積，將成為企業差異化競爭的重要來源。 

從部門分布來看，在導入AI代理的企業中，客服、銷售行銷及資訊與網路安全，是最可能持續擴大應用的三大領域。它們的共同特徵在於高度仰賴即時回應與跨系統資訊整合，AI代理能有效協助處理大量查詢、例行作業與風險偵測。 

PwC舉例，一家大型零售企業最初導入AI代理以縮短軟體開發週期，實際運作後不僅加快開發流程，且生產錯誤明顯下降；在成效驗證後，該企業進一步將AI代理擴展至人力資源、財務、供應鏈與行銷部門，形成跨部門協作的數位流程。 

然而，真正以AI代理為核心、重新設計營運模式的企業仍屬少數。僅約45％的企業啟動整體營運調整，約42％開始以AI代理為基礎重構流程，顯示多數企業仍停留在「導入工具」階段，距離流程重塑仍有落差。不過，超過70％的受訪主管相信，若能妥善運用AI代理，企業競爭力將在未來一年內顯著提升。 

在導入過程中，企業面臨的挑戰陸續浮現。主管最關切的議題依序包括網路安全、成本壓力、員工技能轉換、對AI代理的信任，以及如何維持必要的人為監督與問責機制，以確保系統運作可受控制且風險不致外溢。 

人才發展則是另一項關鍵課題。調查顯示，67％的主管認為AI代理將在未來一年明顯改變既有職務內容，但多數並不預期出現大規模裁員，反而有近一半的主管指出，因AI代理帶來新的工作模式與需求，企業可能進一步擴大人力配置。新興職務包括AI代理監督、資料管理與流程設計等，皆需要具備跨領域能力的人才。 

在所有挑戰中，「信任」被視為最具複雜性的議題。從任務類型來看，企業對AI代理在資料分析、績效改善與人機協作方面的信任度較高，但當涉及金融交易、自主決策或與員工互動等高風險情境時，信任程度則相對保守。隨著AI代理能力持續提升，企業勢必將其應用於更多判斷性的任務，若未及早建立清楚的治理規範，相關風險也將隨之放大。 

整體而言，AI代理已成為企業轉型的重要推動力量。當前競爭的分水嶺，不在於是否採用，而在於能否同步推進流程重構、組織調整與治理設計。停留在試驗階段的企業，可能將拉開與領先者的差距；而能深化應用、培養人才並建立制度配套的企業，才更有機會在下一階段競爭中取得優勢。■ 

Keyword｜檢索增強生成（RAG, Retrieval-Augmented Generation）技術

一種結合「資料檢索」與「內容生成」的人工智慧方法。系統在生成回應前，會先從指定的資料來源（如企業內部文件或資料庫）中檢索相關資訊，再依據內容進行回應生成，使輸出結果對應實際資料來源，而非僅依模型既有知識推論。