文／林裕洋 本刊特約作者 圖／Shutterstock
當許多企業仍在摸索生成式A I 創造商業價值的方法時，市場焦點已逐漸邁向下一個發展階段。根據Gartner公布報告指出，預估2028年約有三分之一的企業軟體將內建Agentic AI能力，相較於2024年不到1％的滲透率，成長幅度相當驚人。此外，至少 15％的日常工作決策將由 AI 自主完成，而非完全依賴人員介入。
過去兩年，企業導入大型語言模型（LLM）大多聚焦於內容生成、知識查詢、客服輔助等應用，主要扮演提升生產力的角色。然而隨著AI Agent技術快速成熟，企業開始思考更進一步的可能性，即AI在理解問題之外，還能自主理解目標、規劃流程、調用工具並執行任務時，將如何改變企業的工作模式與營運流程。
智慧工廠進化 邁向 Agent-driven Factory
過去智慧工廠多半以系統整合與即時監控為核心，但在 AI Agent 技術成熟後，工廠運作模式正出現結構性轉變，開始由「人主導系統」走向「人、機、AI Agent 三方協作」。
現今AI Agent正逐步進入工廠現場，成為連結數據與決策的關鍵角色。在設備監控方面，AI Agent不僅能即時收集機台運作狀態，還能透過異常偵測模型預判潛在故障，提前提出維修建議，降低停機風險。在品質檢測環節，AI Agent 可結合影像辨識與歷史數據，自動判讀產品缺陷，提升檢測效率與一致性。在生產排程與供應鏈協同上，AI Agent 也將發揮更高自主性。當訂單需求變動或產線資源調整時，AI Agent可即時重新計算排程，優化機台利用率與交期表現，減少人工調度的延遲與誤差，使製造流程更具彈性與韌性。
未來智慧工廠將不再只是自動化設備的集合，而是由人員、機器設備與 AI Agent 共同構成的動態協作系統。人類專注於策略與決策監督，機器負責穩定執行，而 AI Agent 則在中間層扮演「自主決策與優化引擎」的角色，持續學習並調整流程。
Multi-Agent 崛起，打造新世代產業生態系
目前多數企業仍以單一AI助手作為導入起點，例如客服機器人、程式開發助手或知識查詢工具。然而，隨著企業應用場景日益複雜，市場逐漸發現單一AI Agent難以獨立處理跨部門、跨流程的工作需求。
未來，企業內部將會運行數十甚至數百個具備專業能力的AI Agent，分別負責不同領域的業務職能。如Finance Agent負責財務分析與預算規劃，Sales Agent協助客戶管理與商機追蹤，Security Agent執行資安監控與風險預警，Legal Agent進行法遵審查，Coding Agent負責軟體開發，而Supply Chain Agent則持續優化供應鏈規劃與庫存管理。
換句話說，當企業需要完成一項任務時，不再由單一系統獨立運作，而是由多個AI Agent依據各自專長進行分工與協作。例如在新產品開發流程中，PM Agent負責專案規劃與時程管理，Finance Agent評估成本與投資效益，Supply Chain Agent分析供應鏈風險，Marketing Agent制定市場策略與產品定位，各Agent之間持續交換資訊、協調決策，而人類主管則專注於策略判斷、例外處理與最終決策。
在此種架構下，企業營運模式將逐步從過去的「人操作系統」，演進為「AI Agent執行工作、人負責治理」，甚至進一步發展為「Agent與Agent協同運作」的新型態工作模式。
未來企業衡量生產力的方式，可望從傳統的人力規模與工時投入，逐步延伸至數位勞動力規模，以及 AI Agent數量、協作效率與治理能力等指標，成為衡量企業競爭力的新標準。
Digital Workforce崛起 重塑企業組織運作模式
過去企業的運作建立在人力分工之上，不同部門各自負責專業職能，再透過管理制度與標準流程完成跨部門協作。然而在 Agentic AI 時代，企業除了人類員工之外，還可能擁有大量由 AI 所組成的數位勞動力（Digital Workforce），成為組織運作的重要一環。
這些 AI Agent 的角色已不再只是提供資訊查詢或回應問題，而是能依據目標自主規劃、執行與協調工作流程，承擔部分日常營運任務。
當大量重複性、規則化工作逐漸由AI 接手後，人類員工能將更多心力投入策略規劃、創新思考、客戶經營與跨部門協調等高價值工作。
與此同時，企業也將衍生出全新的管理職能與專業角色。例如負責設計 AI Agent協作架構與工作流程的 AI Workflow Architect、管理與調度數位勞動力的 Agent Manager、評估 AI 決策風險與合規性的 AI Auditor，以及建立治理框架與管理規範的Agent Governance Officer 等職位，都可能成為未來企業的新興關鍵人才。
從導入到治理 AI Governance 成為新課題
然而，隨著AI Agent逐漸從「提供建議」走向「自主執行」，企業所面臨的挑戰也將同步升高。當AI僅作為聊天或輔助工具時，即使產生錯誤答案，影響範圍通常相對有限；但當AI開始被賦予系統存取權限與實際執行能力後，其風險層級將出現本質性的改變。例如，「AI能否直接修改財務資料」、「能否操作生產設備」、「能否自動核准採購流程」等。尤其當AI做出錯誤判斷、導致營運損失甚至合規問題時，後續責任歸屬該如何界定，也將成為企業必須面對的重要課題。
AI Governance正成為導入Agentic AI過程中的核心課題，企業必須建立涵蓋身份認證、權限管理、操作紀錄、風險評估、稽核追蹤與責任歸屬等機制的治理架構，才能在同時部署數百甚至數千個AI Agent的情境下，有效避免權限濫用、資訊外洩、Agent之間的衝突，以及
錯誤決策所帶來的連鎖效應。
模型不是唯一 數位基礎建設才是關鍵
目前市場談論 AI 發展時，焦點多半集中在模型能力的競賽，包括推理能力、上下文長度、運算成本與效能等指標。然而，許多企業在實際導入 AI Agent 後卻發現，真正的挑戰往往不在模型本身。
若深入分析限制 AI Agent 發揮價值的關鍵因素，往往是企業長期累積的數位化課題。無論是資料品質不佳、系統彼此孤立、缺乏標準化 API、權限管理架構複雜，或是業務流程未被完整文件化與標準化，都可能成為 AI Agent落地過程中的重要瓶頸。
對 AI Agent 而言，能力再強大的模型，也必須建立在可取得正確資料、可調用企業系統，以及可理解組織流程的前提之上。若是資料分散、流程不透明、系統無法串接，AI便難以真正執行任務，更遑論創造實際商業價值。
從執行工作到管理 AI與人類角色將重新定位
每當新技術浪潮來襲，市場總會出現「工作是否將被取代」的討論。AI Agent的崛起也不例外。然而從目前產業發展趨勢來看，多數專家認為，AI 在短期內仍難以全面取代人類工作，真正發生的改變將是工作內容與價值結構的重塑。
未來，人類工作的重心可能逐步從資料整理、流程執行與重複性作業，轉向策略規劃、跨部門協作、創新思考以及關鍵決策判斷等更具價值的工作。同時，隨著AI在企業中的參與程度持續提高，人類也將承擔更多監督、治理與風險控管的責任。
面對代理式AI浪潮，電電公會在持續扮演產業交流與政策橋樑外，也將協助會員掌握AI發展趨勢、推動數位轉型與人才培育，共同打造具韌性、智慧化與國際競爭力的產業新生態，迎接Agentic AI時代帶來的嶄新契機。