什麼是 AI Agent？

AI Agent 是以人工智慧為基礎的應用，可在最少的人類監督下，獨立制定決策並執行工作。進階模型提供強大後盾，Agent 可以決定行動方案，並運用多個軟體工具來執行。其推理、規劃和行動能力讓 Agent 處理各種情況，這些情況若只透過預先配置的規則和邏輯則不切實際或無法達成。

這項技術正在改變許多現代便利設施，從只向使用者提供制式回應的簡單虛擬助理，到能在交通中自行駕駛的車輛。隨著近年生成式 AI 的創新，現今的 Agent 擁有更高度的專業知識，能夠勝任更具挑戰性和動態的角色。多個 AI Agent 也可協作，並與多位使用者協調。

所有 Agent 皆會在一個彈性的浮動範圍上採取行動以規則為基礎的 AI Agent 由於沒有或只有有限的記憶體，因此代表最僵化的形式，根據預設條件執行工作。最自動化的 AI Agent 可以處理不規則、多步驟的問題，並找到有效的解決方案。也可以自行更正錯誤，並適應新的資訊。

這些進階功能可讓 AI Agent 將複雜的業務功能自動化，從而擴大潛在應用案例。透過多重 Agent 系統，AI Agent 團隊會在不同部門和組織間協作。公司也可以建立自己的 Agent，以滿足其獨特的業務流程與目標。

AI Agent 如何運作？

雖然智慧 Agent 的複雜度各異，但會遵循四種核心設計模式建立，以便其適應各種情境。讓我們細分這些中央 Agent AI 功能，並了解進階 Agent 如何將其用來處理複雜的採購單。

設計計劃

為識別完成指派工作所需的步驟，AI Agent 會使用稱為前沿模型的高度進階、大型 AI 模型。這可讓 Agent 調整其行動方案並建立新工作流程，而非嚴格依循預先定義的路徑。

範例：使用者要求 AI Agent 選擇最符合公司首要之務（例如成本效益）的第三方供應商。在回應中，AI Agent 會建立自訂 Agent 流程以尋找最佳供應商。步驟包含研究公司選擇準則、識別合格供應商，以及徵求和評估標價以提出建議。

使用軟體工具

AI Agent 會合併不同工具以執行計劃。常見工具可讓 Agent 收集和分析資料、執行計算，以及建立並執行新程式碼。應用程式設計介面（API）簡化與其他軟體的通訊，讓 Agent 可在企業系統內執行工作。大型語言模型（LLM）是一種可解讀並建立電腦程式碼和自然語言文字的生成式 AI，也可讓 Agent 與使用者進行對話溝通。此直覺式互動可協助使用者輕鬆審查 Agent 的工作。

範例：AI Agent 使用文件和網路搜尋工具，掃描分散於公司電子郵件、PDF 檔案、資料庫和網站的供應商資訊。編碼和計算機工具可協助 Agent 比較並選擇不同的供應商報價和付款條件。在短短幾分鐘內，Agent 會產生一份詳細的書面報告，建議第三方供應商。

反思效能

AI Agent 使用 LLM 作為推理引擎，透過重複自我評估和更正輸出來改善效能。多重 Agent 系統會透過意見回饋機制評估效能。其充裕的記憶體也可讓 Agent 儲存過去情境的資料，建立豐富的知識庫以因應新的障礙。這個反思流程可讓 Agent 在問題出現時進行疑難排解，並找出未來預測的模式，完全不需要額外的程式設計。

範例：透過自我評估結果，AI Agent 可改善採購選擇品質和準確性。Agent 也可納入更多決策因素，例如環境永續性。

與團隊成員和其他 Agent 協作

在多重 Agent 系統中，特定角色專用的 Agent 網路可協作，而非單一全能 Agent 獨力完成。此 Agent 協作讓 Agent 團隊能夠更有效地解決複雜的問題。AI Agent 也可視需要與不同使用者協調，在繼續之前詢問資訊或確認。

範例：提交訂單前，Agent 會提示使用者審查 Agent 工作流程並核准最終選擇。為了處理更複雜的訂單，採購 AI Agent 可由多個專業 Agent（例如採購人員 Agent 或契約經理 Agent ）取代。此多重 Agent 形式可協助自動化更複雜的工作流程，特別是在內建於公司的統一資料系統和應用程式時。

AI Agent 的效益為何？

與其他標準解決方案相比，自動化 AI Agent 具備了細微推理和學習能力，提供更深層次的專業化。此功能性的提升可為公司帶來許多效益。整合至企業工作流程時，智慧 Agent 可以：

• 提升生產力
  AI Agent 工具會接管複雜工作所需的持續決策，無需大量的人力介入，進而節省團隊時間，提升整體效率。
• 改善準確性 AI Agent 可自行檢查其輸出、找出資訊落差並更正錯誤。這可讓 Agent 在加速多個流程的同時，維持高準確性。
• 擴展可用性 Agent 可持續在幕後工作，從完成進行中專案的工作，到在非一般辦公時間內協助客戶疑難排解。
• 釋放團隊責任透過適合的 Agent 工作流程，AI Agent 可團隊從繁重的營運工作量脫身，因此可以改為專注於整體投資和創新。
• 節省成本 AI Agent 自動化藉由消除人工流程和跨部門協作所帶來的高成本效率不彰和錯誤，大幅降低營運費用。
• 突破資訊孤島互聯協作 Agent 的網絡透過簡化不同部門的資料收集和工作流程，可以減少複雜流程的常見障礙。
• 打造專業應用組織可建立量身打造的 Agent 團隊，執行符合其需求的專屬功能，針對內部資料和工作流程訓練 Agent 以自動化自訂企業流程。
• 擴展以因應不斷變化的需求AI Agent 可輕鬆適應日益增加的工作量，讓公司不斷擴展，同時改善營運靈活度和成本效益。
• 推動資料支援決策透過資料分析，AI Agent 可識別複雜資料集內的模式，並建議未來成果的潛在洞察，在公司決策流程中提供協助。

AI Agent 有哪些類型？

AI Agent 有不同類型，複雜性各異，從簡單到複雜。透過將其結合，組織可建立符合其特定需求的自訂多重 Agent 系統。以下提供六種 AI Agent 類型，以及這些 Agent 在不同情境的最佳運作方式：

被動式 Agent

被動式 AI Agent 遵循傳統以規則為基礎的系統。也稱為反射型 Agent，會在使用者提示後啟動動作，一律遵循預設規則。此方法最適合重複工作。例如，被動式 AI Agent 可使用聊天機器人處理一般請求，例如根據對話關鍵字或片語重設密碼。

被動式 Agent 通常缺乏大量記憶體，使其更適合有限的短期情境。此外，被動式 AI Agent 證實維護成本低，需要最低程度的程式設計即可運作。

主動式 Agent

遠比被動式 Agent 靈活度高，主動式 AI Agent 使用預測演算法來驅動更細微的功能。這些模型會識別模式、預測可能的結果，並選擇最佳行動方案流程，無需人為提示。這些 Agent 可監控供應鏈等複雜系統，主動識別問題並建議解決方案。

混合式 Agent

如同其名稱，混合系統結合被動式 Agent 系統的效率與主動式 AI Agent的細微識別能力。此結合提供兩邊優勢。其可遵循預設規則，有效率地回應例行情境，也可以觀察並回應更細微的情況。

以效用為基礎的 Agent

以效用為基礎的 AI Agent 著重於尋找最佳順序，以達到預期結果。根據使用者滿意度指標，評分每個可能的行動方案，然後選擇評分最高的選項。以效用為基礎的 Agent 是汽車導航系統、機器人及金融交易的幕後推手。

學習 Agent

學習 AI Agent 可根據先前的體驗來改善效能，使用問題產生器來建立測試情境，以嘗試新策略、收集資料並評估結果。學習 AI Agent 也會追蹤使用者意見回饋和行為以掌握最佳方法，隨時間改善整體細微和準確性。目前的學習 AI Agent 可協助建立複雜的虛擬助理，以適應使用者的需求。

協作型 Agent

協作型 AI Agent意指 AI Agent 系統的網路，互相協調以完成跨組織界限的複雜工作。其可建立自訂工作流程，並將工作委派給其他實體，甚至是人員和其他 AI Agent。

如何使用 AI Agent？

AI Agent 可輕鬆適應各種應用案例。有些 Agent 是角色特定的，作為個別部門的專門助理。其他 Agent 則履行多個業務別共通的需求，例如解決交易糾紛的 Agent，無論是來自客戶服務、應付帳款或供應鏈團隊。將 Agent 結合，可共同解決整個企業的工作。Agent 可透過使用者互動啟動，或透過業務事件自動啟用。雖然潛在應用案例無窮，但 AI Agent 可滿足不同的營運需求：

金融服務

• 透過自動化分類帳報表、請款、開立發票、收據，以及稅務和法規遵循記錄，簡化現金流量管理
• 自動化即時會計資料紀錄、處理和檢索，減少手動輸入的需求
• 標記發票糾紛、根據內部知識來源提供建議，並自動化解決流程
• 使用預測分析，為預算分配、信用決策、收入商機和風險管理提供決策洞察

人力資源

• 產生工作請求和說明、篩選應徵者並自動化入職流程，簡化招募流程
• 透過諮詢休假餘額和政策法規遵循處理員工休假請求、決定是否符合先決條件，並提交以供主管核准
• 制定個人化的學習計劃，透過內部和外部來源搜尋相關訓練課程，強化員工技能

IT 與開發

• 主動偵測並減緩潛在威脅、減少系統弱點，以強化安全性
• 簡化開發工作流程，包括程式碼審查、自動化測試及持續整合/持續部署

行銷與商務

• 分析消費者資料以預測活動、追蹤偏好並個人化互動
• 監控市場趨勢，並主動提供量身打造的潛在成長機會建議
• 即時追蹤促銷內容、識別績效不彰的廣告，並主動設計和執行 A/B 測試，優化受眾互動

採購

• 針對特定投標研究並建議供應商，然後透過審查過去的工作和產業趨勢來制定協商策略
• 自動化供應商上線、採購單和開立發票
• 預測履行延遲、建議符合專案需求和時間表的替代供應商，以及重新調整生產路線，以將中斷降到最低

銷售和服務

• 主動偵測糾紛、驗證問題，並選擇並執行解決方案，大幅縮短等待時間
• 分類客戶請求和服務工單、將其傳送給正確的團隊，並建議解決方案供課務服務代表核准
• 產生個人化的客戶洞察，識別並建議銷售商機
• 透過分析新的已結案例並產生總結關鍵問題和解決方案的文章，來擴充團隊知識庫

供應鏈

• 即時預測需求，評估存貨和交貨物流提出主動建議
• 調整交貨以將中斷降到最低，選擇符合特定公司目標的替代路線，例如降低運輸成本及環境足跡
• 簡化檢驗流程，識別製造、運輸和倉儲中的錯誤，進而提升品質控制
• 訂購維修零件、請求維護服務，並將生產移轉至替代設備，以解決生產中斷問題

在工作場所建置 AI Agent 的最佳方式為何？

自動化 AI Agent 的潛在應用範圍相當廣泛。然而，為了達成其完整承諾，Agent 透過深思熟慮整合和協調來發揮最大效益。納入 Agent AI 系統前，請考量這些最佳實務。

• 遵循 AI 倫理原則
  人類最終負責建立符合道德的 AI Agent，保持公平、透明、責任和隱私的最高標準。為了達成此目標，負責任的 AI 程序應遵人員參與流程（HITL）的設計流程，人類在其中監控每個開發及使用的階段。應謹慎分析用於 Agent 訓練的資料，以降低潛在偏見和歧視。
• 強調人類監督
  專家個人對 Agent AI 決策流程仍應有最終制定權。他們應該建立 Agent 的自動化程度，在 Agent 完成敏感工作之前，需要最終核准。人類專家也可以透過審查 Agent 工作流程中的邏輯錯誤或缺少必要資料來解決問題。
• 準備內部資料AI Agent 的效能主要取決於穩固的高品質業務資料基礎。Agent 需要存取完整且符合情境的資料生態系，才能制定決策和動作。為了充分利用 AI Agent，使用者可以投資管理解決方案以整合和管理整個系統的資料。
• 促進協作思維
  AI Agent 只有在團隊成員了解如何有效使用 Agent 自主性時才能發揮作用。團隊應仔細考量 AI Agent 自動化如何緩解營運障礙，以減輕工作責任。
• 支援持續的訓練
  隨著 AI Agent 技術的演進，組織應優先考慮持續訓練。定期的教育課程可協助團隊隨時掌握最新的創新、應用和最佳實務。
• 衡量並評估
  組織應該定期評估其 AI Agent 的整體效率和生產力。審查流程應包含員工和客戶的監控意見回饋。定期評估可提供改善和優化可能領域的洞察。

AI Agent 和 AI Copilot 有何不同？

乍看之下，AI Agent 似乎與熱門的 AI 技術（AI Copilot）重疊。AI Copilot 通常整合至日常工作應用中，是個人虛擬 AI 助理，可以與使用者一起工作以使用資料和計算來支援其業務工作。然而，在實際上，兩種工具皆能滿足不同的營運功能和需求。當結合到多重 Agent 系統時，各自技能可以相互補充，培養具洞察力的決策和協作。Copilot 和 Agent 合作解決挑戰並提升企業整體生產力的方式如下：

• 直覺式互動與自訂
  對話式 AI 提供強大後盾，Copilot 作為直覺式介面，供 AI Agent 和使用者協作。使用者可透過自然人類表達來管理 Agent，全部直接透過內建於核心企業應用程式的 Copilot 進行。Copilot 也提供引導式低程式碼或無程式碼平台，用於建立和擴展自訂智慧 Agent。這會提供引導式工作流程，以定義 Agent 執行所需的工具、資料來源和規則。
• 協作夥伴關係
  深入整合至企業資料和營運，AI Copilot 和 Agent 可共同完成工作。Copilot 可以作為 Agent 協調員，決定完成使用者請求需要哪些 Agent。內建於不同的部門應用程式中，Copilot 也會將 Agent 串連成協作網路中，因此可相互運作，而非單獨運作。
• 動態功能
  有些工作受益於完全自動化，而某些工作則需要逐步人類參與。AI Copilot 和 Agent 協同合作，因應兩種情境。Copilot 在使用者工作時即時協助：貨源詢比和彙總資訊、回答業務問題、產生洞察以制定決策，以及建議解決方案。Agent 符合兩個需求，可以與使用者密切合作，以收集更多資訊或核准影響企業流程的動作。也可自動執行為獨立實體、在幕後解決問題，而無需持續投入。

常見問題