近兩年備受關注的 AI Agent，正在讓企業重新思考 AI 與既有資訊系統之間的關係。過去 AI 多半負責理解問題、產生內容，如今隨著Agent 具備自主執行任務的能力，若能進一步串接 ERP、MES、CRM、WMS 等企業系統，AI 便能從單純的對話助手，進一步取得資料、呼叫工具並執行跨系統工作。根據2025年PwC公布PwC’s AI Agent Survey報告指出，79%企業表示已經開始採用 AI Agent，88%預計未來12個月增加 AI 相關預算。PwC 認為讓 Agent 跨工作流程與部門連結，將能產生更高應用價值。
只是長期以來，企業內部各套系統大半都是獨立運作，缺乏一致的介接機制，資料格式、傳輸邏輯與存取權限也不盡相同，不僅增加資料整合的複雜度，也成為擴大AI應用的主要障礙。即便AI 模型擁有強大的理解與推理能力，若無法取得生產線良率、庫存狀態或客戶歷程等關鍵資料，仍難以真正融入營運流程，無法協助企業完成實際任務。
隨著Model Context Protocol（MCP）、OpenAPI 等開放標準陸續發展，專案團隊得以讓 AI Agent 跨越不同平台，自動取得企業資料並完成跨系統協作。
打破資料孤島
AI Agent 落地最大瓶頸
企業內部資訊系統多半各自運作，例如財務使用 ERP、生產端仰賴 MES、業務部門依靠 CRM、倉儲物流則由 WMS 管理，由於應用系統分別由不同業者提供，且大半採用專屬資料庫結構與通訊協定，彼此之間僅能透過客製化介接，或人工匯出、匯入的方式交換資訊。
此種長期以來的系統運作模式，即使彼此缺乏整合，也不一定會影響日常運作，但在進入AIAgent時代後， 狀況就完全不同。
舉例來說，當AI Agent要自主處理訂單時，首先需從 CRM 讀取客戶資訊、於 ERP 確認庫存與報價、再通知 MES 排定生產排程，最後透過WMS 安排出貨。此時若缺乏一套能夠串接不同應用系統、統一資料存取方式，就很難真正打破部門與系統之間的資料隔閡，也代表唯有 AI Agent 能取得正確且即時的企業資訊，才能進一步觸發相對應的業務流程，真正發揮自主協作的價值。
在技術問題之外，資料孤島也與部門的權
責劃分息息相關。由於各部門對「資料存取權限」有各自的認定標準，資安與法遵單位也對跨系統資料流動抱持保留態度，各部門主管也擔心當系統一旦開放存取，會衍生額外的維運負擔或責任歸屬爭議。因此，企業要打破資料孤島，在前述的技術方案外，也需要建立一套跨部門都能認同的資料治理與存取規範。
MCP 建立標準化介面
串接企業系統更容易
過去企業要讓 AI Agent 串接 ERP、CRM、MES、WMS 等不同系統，往往得針對各套系統的 API 與資料格式，分別開發介接程式，不僅整合複雜，也增加後續維護成本。
為解決此種問題，2024 年 11 月 25 日Anthropic 正式發布MCP開源技術標準，專案團隊只要為資料源寫好 MCP Server，任何支援MCP Client 的 AI 工具，如 Claude Desktop、Cursor 等等，就能直接對接與讀取。專案團隊不必為每一套後端系統重新打造一套專屬的 AI介接機制，AI Agent 可透過 MCP Client 連接查詢訂單、更新庫存、觸發排程等功能，具備跨系統取得資料與執行工作的能力。
MCP 並非要取代行之多年的 OpenAPI ，而是在AI 時代形成緊密的互補關係。在企業推動數位化的歷程中，OpenAPI早已經成為定義系統介面、維護微服務架構的通用語言，而MCP則扮演著如同 「AI 界的 USB 通用介面」 角色，將 OpenAPI 描述的服務與資料源，進一步封裝成 AI 能動態理解、具備統一安全性與上下文管理機制的標準溝通協定。這不僅大幅降低 AI 應用的開發與維護成本，更讓企業能在保護核心資料安全的前提下，讓 AI Agent 得以跨越系統邊界，完成跨平台協作，讓 AI Agent 從查詢資訊進一步走向實際執行工作。
從能連接到安全執行
治理能力成落地關鍵
隨著愈來愈多軟體與服務開始提供 MCP Server，企業可直接將既有系統的功能，以標準化方式提供給 AI Agent使用，達到減少重複開發客製化介接程式的目標。對開發團隊而言，工作重心也將逐步從「串接每一套系統」，轉向「設計 Agent 的任務流程、工具使用邏輯與治理機制」，讓 AI 應用更容易擴充，降低後續維護複雜度。
企業實際導入 AI Agent 後，通常會利用其自主運作特性完成一連串工作，如先取得客戶資訊，再查詢庫存、比對訂單狀態，最後依據結果進行後續處理。因此，當Agent 可存取的工具與資料愈來愈多，專案團隊需要根據不同任務設定可以使用的工具與權限，避免在不必要的情況下存取其他系統。若真的發生工具呼叫失敗、資料回傳錯誤等問題時，也需要建立相應的限制與處理機制，才能避免影響到企業流程的正常運作。
在使用工具、資料的流程設計之外，資安與治理亦是不容忽視的重要議題。傳統企業透過員工操作系統時，資訊部門通常會依照員工的業務需求，給予相對應的存取能力。當 AI Agent 開始協助員工跨系統執行工作後，自然也需要同步確認 Agent 可以做哪些事、哪些操作需要人工確認，以及每一次操作是否能被完整追蹤。舉例來說，當涉及財務過帳、資料刪除或其他敏感資訊的操作，專案團隊不能只考慮Agent 能不能完成任務，還必須確認整個流程是否符合既有的權限與稽核要求。
從封閉走向開放
IT／OT 系統選型邏輯正在改變
企業積極導入 AI Agent，也意味著系統之間的整合方式，將從過去的點對點介接，逐步走向開放協定與標準化介面。這不僅改變 IT 團隊的開發與維運方式，也將進一步影響企業未來評估與採購 IT／OT 系統時的考量。
過去企業採購 ERP、MES 等 IT／OT 系統，通常會從功能是否完整、能否符合產業需求，以及供應商的導入與服務經驗等面向進行評估。但當 AI Agent 開始進入企業環境後，系統是否提供開放 API、能否透過 MCP 與外部應用串接，也可能成為新的評估條件。對軟體供應商而言，提供開放介面與標準協定，也意味著系統將更容易融入企業既有的 AI 與數位應用環境。
因此，當系統仍高度依賴封閉架構，企業每增加一項應用，就可能重新投入客製化整合，不僅增加開發與維運成本，也會限制後續擴充的彈性。反過來看，當 ERP、MES、CRM、WMS 等系統都能以標準化方式提供資料與功能，AI Agent 便能成為連接不同系統的重要介面，協助企業跨部門取得資料、執行任務。
未來企業在進行 IT 架構設計與系統採購時，除了功能與效能之外，還需要重新思考系統的「開放性」與「互通性」。一套系統能否與既有環境整合、能否支援未來 AI 應用，可能與功能本身同樣重要，而這也將成為企業評估 IT／OT 系統的新指標。