AI代理 生成式AI Agentic AI 數據力

發展代理型AI的三駕馬車

2025-07-11
隨著AI技術不斷演進,從過去以預測型AI及生成式AI為主流的輔助型AI,到如今可主動執行任務、調用資源、做出決策的代理型AI(Agentic AI),雖為企業帶來機會,卻也形成新的挑戰。

在今年5月下旬甫結束的Computex上,企業熱烈討論並稱2025年為「AI代理元年」。隨著AI技術不斷演進,從過去以預測型AI及生成式AI為主流的輔助型AI,到如今可主動執行任務、調用資源、做出決策的代理型AI(Agentic AI),雖為企業帶來機會,卻也形成新的挑戰,促使企業重新檢視自身AI應用策略以「do right AI」,並具備數據管理能力與AI治理機制以「do AI right」。

儘管企業紛紛投入AI創新應用,但根據2025年IBM《全球CEO研究報告:企業成長的五個翻轉點》指出,僅25%的AI專案達成預期的投資回報 ,顯示許多企業在導入AI時可能落入「為導入而導入」的錯誤思維。企業應根據本身業務特性進行全面思考,避免因追逐技術熱潮而忽略了實際業務需求與應用價值。

代理型AI重新定義了人機協作的關係。與其追求先導專案試行遍地開花,企業應聚焦在它能「為誰」解決「什麼」;從業務流程中找出首要且可被改進的具體場景與其痛點,如智能客服、風險預警等。

此外,代理型AI也逐步成為企業的數位員工。前述報告顯示,近八成的受訪台灣企業正採取行動、積極協助員工應對代理型AI所帶來的營運與企業文化轉型,遠高於64%的全球平均值。

前述調查也顯示,68%的受訪CEO認為擁有完善的企業資料架構,是驅動跨部門AI協作創新的關鍵。預測型AI依賴結構化數據的轉換與特徵工程;生成式AI則著重語意理解與內容生成。如今代理型AI需要的是能即時連接資料庫、調用API、回應使用者特定需求的「數據力」。因此,定義清晰的輸入輸出規格、高品質的資料來源、與可調用的數據流程,成為打造強大AI代理的基礎。

代理型AI具備自主執行多任務的能力,但也帶來新的風險與挑戰。例如若某一任務在執行中產生誤導資訊,將可能影響整體流程,造成難以溯源的連鎖反應。因此,企業在推動AI創新之際,也要同時建立完善的治理架構,包括清晰的權限設定、風險預警機制、透明的決策流程,與人機協作中的人工介入點等,才能在創新速度與風險控管中取得平衡,確保AI應用的可信任與可持續性。

<本文作者:林桂如現為台灣IBM諮詢數據與科技轉型業務負責人>


追蹤我們Featrue us

本站使用cookie及相關技術分析來改善使用者體驗。瞭解更多

我知道了!