AI Agent下一步不只替企業節省人力，還可能成為能夠自主發現需求、議價、交易及創造收入的經濟主體。資策會產業情報研究所（MIC）8日指出，目前已有39%組織開始使用AI Agent，23%更已將應用擴展至企業內部環節；隨著Agent自主性及協作能力提高，2028至2030年將逐步進入「代理經濟」，AI可望從降本增效工具，走向自主完成商業交易並創造價值。 MIC副所長楊中傑於2026 MIC FORUM Fall《躍進 AI Leap》研討會表示，AI已由文字問答擴展至圖片、聲音、影像及程式碼，並從新奇工具轉化為日常生產力。當模型、企業資料、工作軟體及Agent平台完成整合，AI將不再只是回答問題，而是能理解目標、規劃流程、呼叫工具並持續執行任務的「數位同事」。 AI從個人工具變成數位同事 企業開始交付完整任務 根據MIC整理的研究資料，53%的受訪者認為生成式AI將於三年內普及，88%組織已採用AI，39%開始使用AI Agent，另有23%已將Agent擴展至企業內部環節。 全球雲端業者也正從販售算力資源，轉向建立企業AI工作平台，把模型、雲端資料庫、企業文件、Agent開發及治理工具整合為單一入口。 舉例來說，企業使用者未來只須提出「分析今年營收下降的主要原因，並找出三個最需要注意的客戶」，AI即可自動讀取跨系統資料、分析問題、進行研究並產出報告，使用者不必了解背後採用哪一個大型語言模型、RAG如何建置，或API如何串接。 楊中傑指出，Agent進入企業後，問題將不再只是能不能執行任務，而是有沒有規則、能否監控，以及發生問題時由誰負責。 他直言：「原來在討論AI能不能做，到了這個階段，是企業敢不敢讓AI做。」 MIC副所長楊中傑。（翻攝自資策會網站） 閉源模型支出比重最高35.3% 企業願為高價值工作付費 模型市場也開始分化。閉源模型持續強化長流程、跨領域及高難度任務能力，使企業願意把程式開發、專業分析、資安及科學研究等高價值工作交給新一代模型。 MIC觀察，新一代閉源模型推出後，企業支出會在短時間內快速轉移，部分模型占每日整體模型支出的比重最高可達35.3%，反映企業願意為能夠創造更高工作價值的模型付費。 另一方面，開源模型也持續逼近閉源模型。依LMArena排行榜資料，兩者評比分數差距已縮小至25分。當泛用模型能力逐漸接近，企業不會只比較模型排名，而將更重視推論成本、部署自主性、資料治理、可靠度及應用整合能力。 開源模型讓企業可在內部部署及微調，降低資料外流風險，但模型維護、授權遵循、資安監控及治理責任也會轉移至企業自身。楊中傑認為，未來企業不會只依賴單一模型，而是依任務、成本及敏感程度，搭配不同閉源與開源模型。 10人年營收逾500萬美元 AI原生企業改寫擴張邏輯 AI也正在改變企業規模與人力之間的關係。楊中傑指出，AI原生企業可利用算力、軟體及AI Agent承接大量行政、搜尋及營運工作，使企業成長不再完全依賴增加員工。 以線上精神醫療照護平台Legion Health為例，該公司成立於2021年，團隊規模約10人，透過自動化流程、AI Agent及臨床人員監督，提供線上精神科照護，年營收已超過500萬美元，服務用戶逾20萬。 機票交易平台Pointhound成立於2023年，全職團隊僅4人，卻在2025年服務約75萬名用戶。其AI Agent可自動搜尋及比較機位，最佳化信用卡點數與航空哩程兌換，也能承接大量內部營運工作。 楊中傑表示，這類企業以小型核心團隊搭配Agent及自動化工具，使營收與服務規模不必和員工人數同步成長。企業未來擴張的重點，可能不再只是找到更多人，而是把知識與流程轉換成可複製的AI能力。 長春、國泰金與台大醫院 打造產業專屬AI大腦 開源模型與地端算力成熟，也讓企業開始建立自己的「AI大腦」。長春集團透過Project TAME，結合企業內部資料庫、檢索增強生成（RAG）及模型微調，建立石化、工安及原物料價格預測等垂直知識模型，應用於安全資料表翻譯、企業戰情中心及內部助理。 國泰金（2882）則運用開源模型及地端算力進行預訓練與微調，發展授信知識助手、金融客服意圖辨識，以及授信貸款、信用卡與財富管理AI Agent所需的金融大腦。 台大醫院採用地端與混合架構，將敏感病歷留在院內運算，應用於轉診摘要、病歷整理、臨床RAG及醫療Agent。 楊中傑指出，Local AI的競爭關鍵，在於企業能否把模型、資料、產業知識及工作流程整合為貼近營運核心的專屬AI大腦，而不是單純把通用模型搬進公司。 製造業AI支出增20.9% 近七至八成投向軟體服務 台灣企業AI需求也持續升溫。MIC調查顯示，製造業AI支出預估年增20.9%，在四大重點產業中增幅最高；營建與不動產業成長19.5%，批發零售業成長13.6%，金融業則成長10%。 各產業的AI預算主要投入軟體與服務。其中，營建與不動產業有78.3%投入AI軟體與服務，金融業占71.7%、製造業占70.5%，批發零售業則占68.8%；AI算力支出占比介於21.7%至31.2%。 這項調查的有效樣本分別為製造業111份、批發零售業41份、金融業34份，以及營建與不動產業24份。 楊中傑表示，台灣企業投入已同時涵蓋AI應用、資料平台、系統整合及算力建置，市場需求正從單一工具轉向完整解決方案。AI帶動的商機不只在晶片、伺服器及資料中心，也將擴大至模型平台、軟體、顧問、系統整合及維運服務。 AI走向地端不是取代雲端 形成三層運算架構 隨著AI工作負載多元化，企業運算將形成AI PC、桌面級AI系統，以及企業／雲端AI三層架構。 AI PC負責會議摘要、即時翻譯、文件及影像處理等個人日常工作；桌面級AI系統承接本地Agent、模型推論、測試及應用開發；企業與雲端AI則處理大型模型訓練、大規模推論及集中式資料治理。 楊中傑強調，地端AI能力提升並不代表雲端算力需求下降，而是不同任務依據算力、隱私、成本及治理需求重新分工。AI PC也將由單點功能進化為可理解情境、跨應用協作及持續執行任務的個人AI工作平台。 2028年後Agent開始交易 2030年走向代理社會 MIC將AI Agent發展分為五個階段。2025至2026年為「自主代理」，由大型語言模型自行決策及執行任務；2026至2027年進入「企業級代理」，重點轉向可治理、可控制及符合企業規格。 2026至2028年則進入「代理生態」，由多個Agent相互協作，完成跨部門及更複雜的任務；2028至2030年邁入「代理經濟」，Agent可自主完成需求發現、評估議價、授權交易、履約交付及聲譽評價，形成從機會、決策、交易到收益的商業閉環。 2030年後則可能走向「代理社會」，Agent不只在企業內部運作，也將連結個人、企業、政府及服務平台，形成跨組織數位價值網路。 楊中傑表示，在代理經濟時代，Agent將從生產力工具，進一步成為能自主參與市場、交換資源並創造收入的經濟主體。不過，當AI可以代表個人或企業決策及交易，身分認證、信任、授權、支付、合約、安全及責任歸屬，也將成為必須同步建立的治理機制。 台灣AI應用別停在PoC 先釐清要創造什麼價值 陳信宏在綜合座談中提醒，台灣許多數位轉型及AI應用停留在概念驗證，做完PoC後卻無法規模化，或複製至其他場域。 他直言：「台灣太多應用都陷入PoC的陷阱，我們做完PoC就沒有Scale，甚至沒有辦法放大到其他領域。」 陳信宏認為，企業導入AI前，應先確認目的是增加營收、降低成本、建立新服務，還是改善客戶體驗，再依據實際場域選擇模型、資料及工具。若沒有清楚的經營目的，即使技術驗證成功，也未必能轉化為商業價值。 楊中傑則表示，Agent進入企業的門檻，不只是企業有沒有AI能力，而是能否治理這些Agent。當AI由工具轉為數位同事，企業下一階段的競爭，也將從模型能力轉向流程整合、治理、信任及價值交換能力。
评论 (0)