以前，AI總扮演輔助角色，但隨著對增加生產效率的要求、大型語言模型的發展，AI日益進化，變得愈來愈強大。未來，人機協作模式會「主客易位」嗎？
從助手到助理，再到副駕駛（copilot），彷彿是為了要讓滿溢著焦慮的社會安心，企業推出生成式AI服務時，始終以「讓AI扮演輔助角色」，作為人機協作的主旋律，表示人類仍具有最高掌控權。
然而，大型語言模型席捲世界後，安裝AI大腦的機器，能做的就不再只是自動（automated），而是進化到自主（autonomous）。以前AI擅長對付重複且固定的任務，如今就連不確定的工作都能接下。
這麼一來，人工智慧不僅接手部分任務，更扛起完整職能。也就是說，「Computer」從計算機變身為名符其實的「電腦」。
系列題組
AI Agent現身〉從數位到物理世界，AI代理來了！
AI Agent現身〉數位篇：AI同事扛再多也不累，將從職場協作角色變主導？
AI Agent現身〉物理篇：黃仁勳力推！AI落地物理世界，人形機器人商機再現
當AI代理能夠使命必達
可以不用真人介入，AI自行完成任務，那會是什麼樣的景況？
試想，有一家想尋找客戶的新創，既沒有國內路線上廠商的通訊錄，也不知道國外的產業圖像，「這時候，就可以派出AI代理，去整個網際網路理解產業、尋找聯絡方式。」鏈奇國際創辦人何建幟說。獲得美國頂尖創投YC投資，並因此與前YC總裁、OpenAI執行長奧特曼（Sam Altman）結緣，如此解釋AI代理上陣的情境。
依照真人的行為模式，想建立潛在客戶清冊時，會先選定產業，接著打開搜尋引擎，鍵入不同的關鍵字，再瀏覽各家公司官網、LinkedIn，或是臉書粉絲專頁，記下電話與聯絡窗口，待整理出名單後，開始寫信。
改換AI代理上場，便能充分利用感知、推理和行動等能力，完成獲取資訊的流程。何建幟指出，AI業務背後，有一套預先定義好的代理流程（pre-defined agentic workflow），把「建立潛在客戶清冊」，細拆成分解關鍵字、造訪網頁、辨識聯絡資訊並記錄，以及最後的發送客製化訊息。
不過，每個網頁外觀相異，聯絡窗口和通訊方式又四散各處，要如何找到所需資訊？
這時，就能見證AI代理的威力。
因為能解析程式，它可「吃進」大量網頁原始碼，就像工程師按右鍵查看前端結構，AI代理能藉著推理能力，找出信箱和電話的正確位置。
取得聯繫方式後，AI代理也能撰寫詢價和接洽訊息，與潛在客戶搭上線。這背後既要規模化的創作，又要力求客製化，何建幟以「重複性的創意」，來描述大型語言模型的特長。
AI代理有能力從零到一完成探索到寄出信件的所有流程，中間也能讓客戶在檢核點介入，例如令其確認信件內容。「這就是『人類在迴路當中』（human-in-the-loop），」不只使企業主放心，也能讓AI代理掌握使用者偏好，藉此改善表現。
貼合業務場景，是發揮關鍵
不過，並非所有場景都像業務拓展一樣，可以讓AI代理獨立作業。以客服代理、生產力代理來說，就需要整合企業資料與流程；還在追逐規模化的鏈奇，便選擇不在這些領域競爭。
對比之下，軟體和雲端大廠早就乘載用戶豐厚的資料，因此，發展AI代理服務成為必然之路。雲端三巨頭AWS、微軟和Google，還有在企業服務耕耘甚深的IBM和SAP，紛紛推出AI代理，只是路線上有所差異。例如，Google強調提供平台工具和服務，使用者能自由探索哪裡適用AI代理；SAP則將AI代理鑲嵌於既有產品之上。
SAP台灣客戶諮詢負責人吳孟穎指出，全球有超過九成500大企業是SAP客戶，系統上已具備明確應用場景，因此，會用AI代理加值產品服務。「我們看的不是單點，會以流程跟場景為優先。」
SAP系統的AI代理Joule，既會主動提供建議採取的決策，也會被動回應。在業務流程中的關鍵節點，使用者能夠向Joule發問、請它採取行動，例如連結外部資料，請它確認特定指標。
吳孟穎舉例，當客戶利用SAP產品檢查碳排資料，若發現有異常情形，可以讓AI介入，自主分析原物料狀況，找出待改善空間，再進一步比對歷史採購資料，確認採購策略。接著，評估要聯繫的供應商和下單數量，最後請Joule提出報價申請和需求建議書，確認後即可送出。
「感知、分析完數據以後，要做決策和計畫，再接著執行。執行完要回收資料，再回頭改善（行動）。」吳孟穎口中的連串動作，正是Joule做為AI代理的構成元素。
應用有成效，對內使用居多
SAP展示的應用著重「業務相關」，但有不少企業還在探索階段，旅遊新創KKday便是一例。他們找上Google Cloud，打造客製化的AI代理服務，應用在客服場景中。
KKday數據部技術主管陳柏翰分享，團隊整理商品資訊、使用者提問和用戶評論等多樣資料，以Gemini模型為基礎，建造出熟諳KKday業務的AI虛擬專員。
有人可能會問，把散落各地的資料打包整合，藉此避免資料孤島出現，並從中萃取出寶貴洞見，這是行之有年的企業知識管理議題，和AI代理有何關係？
最關鍵的差異在於，生成式AI增進機器的自然語言理解，整理資訊時利用大型語言模型，從商品資訊提煉出更高一階的概念，所以有能力提供更精確和更有關連的內容。
同時，大型語言模型有創造性，也可以帶給使用者更好體驗。而隨著能力提升，還有機會延伸出其他服務。
對內，當KKday的真人客服在回答使用者問題時卡關，過往主要利用關鍵字，在雲端上的茫茫資料海中搜尋，現在可以直接用問答方式，請教AI虛擬專員；對外，KKday將AI虛擬專員部署在對話機器人後頭，藉此彌補人力空缺。
目前對話問答並不涉及個資，當使用者想要修改訂單、申請退票，會離開對話機器人，因為有系統串接和隱私問題。不過，若AI虛擬專員串上公司服務，技術上可以完成後續動作，陳柏翰表示，這是未來發展方向。
企業已開始探索AI代理揮灑空間，也有人取得好成績。不過，無論是新創或大廠，向企業展示的應用案例，很大程度局限於客服，也以內部使用居多。為何還沒見到AI代理四處擴散？
橡子園太平洋基金合伙人吳德威認為，關鍵在於品牌的容錯率不大。他已看到行銷和銷售領域的新創加入戰局，並以AI代理為賣點。
然而，這些新創的客戶即便添購AI代理服務，也還沒有足夠信心，讓大型語言模型直接與消費者對答，因為只要出錯一次，便會造成重傷。「如果我在NIKE官網上提問，說想找好的慢跑鞋，結果回答慢跑鞋應該找New Balance的話，不就糗了！」
陳柏翰也分享，目前KKday對外服務的問答，暫時還採取選單形式，沒有讓大型語言模型自由產出內容，關鍵就在於擔心犯錯。「旅遊產業面臨到的挑戰在於，我們解決的，都是用戶直接在現場的問題。所以，假設有1％回答錯，讓客人跑錯地方，就會是很大的災難。」
因此，KKday雙管齊下，一方面透過檢索增強生成（RAG）等技術，確保資料正確性，一方面先用選單限制空間，或是將問答轉交給真人客服，避免回覆錯誤帶來的嚴重損失。
信任與責任是最大挑戰
Google Cloud台灣業務副總王譔博補充，使用者對生成式AI不夠信任，很大原因就是擔心它可能捏造資訊，因此透過接地（grounding）方式，提供生成內容的參考來源。例如，出自KKday商品或政策的文件，讓客服同仁看到憑據，就不會太過擔心。
信任以外，還有責任。若AI代理要做決策，甚至是不同企業都派出AI代理互相溝通，Google Cloud北亞區董事總經理李孔源指出，「技術上是可以做到沒有任何人為介入的，」但這背後有授權議題，AI代理能否負起決策責任？企業必須考慮清楚。
不只企業應用時擔心犯錯，消費者端場景也有相似挑戰。
鎮日與AI代理新技術為伍，DeepLearning.AI工程經理陳奎翰分析，AI代理已能採取影響真實世界的行動，例如，自主至電商比價、挑品，技術上已不是問題，但當AI代理完成選購任務，最後要下單刷卡時，「還是要人去決定，這會有信任問題。」
陳奎翰指出，因為AI代理進展太快，還不夠普及，又因為有部分決策看似黑箱，無法解釋背後緣由，使用者容易裹足不前。
不過，隨著大型語言模型的推理能力變得更強、能吸納的指令上下文長度變得更長，他相信，AI代理只會變得更成熟，不管是信任問題，或是計畫不夠細緻等挑戰，都能逐步克服。
展望未來，AI代理會先在容錯率較高的場景落地，接著漸次拓展到更多元的非結構化應用。
已走進你我職場的AI代理，儘管遭到束縛，暫時扮演副駕駛的協作角色，但這些數位員工，終有坐上主位的那天。
