阿里巴巴、KKBOX資料科學年會同台尬大數據心法|數位時代 BusinessNext

從預測數據到用數據，阿里巴巴分水嶺

車品覺表示，現在大數據已經從預測進化到行動決策了，而這也是阿里巴巴近年來大數據應用的分水嶺，當企業領導認識到數據的力量之後，他不會只滿意於描述現象，而更需要診斷，也因此數據的精準度變得越來越重要，畢竟用來看的數據跟用來做決策的數據，兩者的質量要求完全不同。

（圖說：阿里巴巴副總裁車品覺特地來台參與第二屆資料科學愛好者年會。照片來源：李欣宜攝。）

車品覺身兼阿里巴巴數據委員會會長，有一天車品覺走到總裁辦公室問：「我身為一個數據領導，我能做什麼讓你爽的？」總裁回覆：「我想知道我上禮拜做的什麼事情是對的，什麼事情是錯的。」他因而體會到應用數據做行動的重要性。

數據科學兩大派別

車品覺指出，數據科學現在有兩大派別：數據很平但用深厚的演算法解決問題，另一種是數據廣泛而大但是用簡單的演算法。「我個人的喜好是第二個，發現好的數據策略，當演算法變得複雜的時候，背後的假設也很複雜，我會懷疑它的穩定性，當你老闆問你預測準確率多高的時候，你要反問他三個問題：對的概率？錯的概率？穩定嗎？因為我們做數據的人常常發現現在的演算法過了半年就不能用了。」

數據種類也可以分成兩種：快加準或廣加亂。第一是在已知的規律裡面產生價值，第二種是可以找到自己不知道的東西。「數據不僅是資產，也是一種信仰。」車品覺說。在行動互聯網時代，企業不必在乎使用者喜歡什麼，只要知道使用者下一步會做什麼就可以了，而且每個行業都對應不同的數據框架，例如有一個美國調研公司的報告顯示有65％的人會在廁所裡看手機，這就是非常好的行銷點，行銷人員應該去思考要趁機推播什麼商品給這個消費者，因為現在手機不只是傳感器還是媒體，手機已經不是手機，他就是媒體。

（圖說：阿里巴巴大數據十誡。照片來源：李欣宜攝。）

KKBOX用大數據提升歌曲觸及率

年會第二天則由全球唯一獲利的音樂串流業者KKBOX資料科學家接力，分享KKBOX月初才推出的大數據個人推薦歌單服務。KKBOX研究中心資料科學家羅經凱表示，KKBOX歌單雖然號稱2千多萬首，但是實際上會被點播的只有340萬首，有將近八成的歌無法觸及使用者。除此之外，KKBOX用戶偏好的音樂類型高度集中，收聽率前10％的歌佔了所有被播放歌曲次數的87％，顯示音樂播放多樣性不足。

由於音樂播放次數決定歌手收入，為了維護體系健全，如何維持音樂多樣性，刺激用戶脫離「同溫層」，成了KKBOX大數據科學家的首要挑戰。KKBOX根據用戶的收聽習慣和時段，將華語音樂聽眾分成九大族群，將收聽行為類似的用戶歸類在同一個群體，推薦他們風格類似但前所未聞的音樂。

（圖說：KKBOX近三年歌曲點擊率逐漸趨向集中。照片來源：李欣宜攝。）

但有時候用戶聽音樂是有目的性的，例如哄小孩睡覺放輕音樂、工作時放心靈音樂等等，KKBOX又再根據用戶在不同時間點下的音樂收聽習慣，推薦各式情境歌單。KKKBOX研究中心資料科學家羅經凱表示，目前編輯團隊推薦的歌單還是比機器學習推薦的更精準，再加上每個國家的使用者都有不同的喜好，要精準推薦使用者新歌又不招致反感其實是很困難的。

KKBOX研究中心經理林佑璟是KKBOX第一個研究員，剛來KKBOX的時候發現資料取得困難度高，遇到資料散亂、溝通成本高昂以及資料格式不齊等問題，他建議有心從事數據分析的企業，一定要做好內部溝通，讓大家了解做數據分析對於公司有好處，而且數據是重要公司資產，絕對不會拿去變賣或者侵犯使用者隱私。

（圖說：KKBOX研究中心資料科學家羅經凱。照片來源：資料科學愛好者年會提供。）

@@ACTIVITYID:602@@

過去兩年，企業討論最熱烈的議題無非是「如何導入生成式 AI」；然而，隨著 AI Agent 技術的快速發展，未來幾年，企業關注的焦點很有可能轉向「如何治理 AI Agent」。相較於過去只能被動回應問題的生成式 AI，AI Agent 更像一個虛擬人，可以自主查詢資料、操作系統與執行流程，這也使得 AI 在企業中的角色被重新定義，從單純的輔助工具，正式升級為企業的「數位員工」。

然而，當 AI 被賦予更多權限與自主性時，也意味著企業必須面對全新的治理挑戰。尤其對金融業、公部門等受到高度監管的組織而言，若缺乏完善的權限管理、決策追溯與監控機制，AI 應用將衍生資料安全、法規遵循與營運風險，反而難以真正發揮 AI Agent 的價值。

為此，中華創智推出 AgentHub 平台，協助企業建立符合治理需求的 AI Agent 管理機制，讓 AI 在安全、可信、可控的前提下真正投入營運。

AI 升級「數位員工」：權限與責任歸屬成企業治理深水區

中華創智總經理李柏青認為，在 AI Agent 時代，企業首先必須思考的核心命題是：「我們可以授權它做到什麼程度？」

他指出，AI Agent 若要順利完成一項完整任務，勢必要具備相應的資料存取與系統操作權限。然而，這也正是企業最兩難的地方：一旦賦予 AI 過大的權限，很可能因誤判或操作失誤而引發資料外洩等風險，但若權限不足，又無法真正發揮 AI Agent 的價值。「授權與責任歸屬，正是企業導入 AI Agent 時最難以切割，卻也最關鍵的一環。」李柏青直言。

李柏青的觀察，在第一線客戶身上獲得了印證。中華創智業務行銷副總粟郁杉表示，早在去（2025）年，就有客戶與中華創智討論 AI Agent 的管理模式。不同於過去導入 AI 應用時，多半先從單一部門開始試行，客戶在規劃 AI Agent 時，希望從企業整體出發，讓不同部門、不同職務的員工都能擁有一位 AI 助手。然而，當 AI Agent 的數量快速增加、遍布各部門後，企業真正需要解決的問題，就不只是如何部署，還有如何以系統化的方式進行管理。

正是這些來自客戶的需求與討論，促使中華創智投入開發 AgentHub。「我們的使命是打造一個平台，讓企業能夠快速、安全地使用與管理 AI Agent，」李柏青說，未來企業需要管理的不只是員工，更是一支由 AI Agent 組成的數位工作團隊；而 AgentHub，就是協助企業管理這支團隊的治理平台。

打造數位員工的「生產履歷」！AgentHub建立可追溯的稽核機制

中華創智技術副總黃文俊強調，AgentHub 管理的不只是 AI Agent 本身，而是AI Agent的全生命週期管理。

企業可在平台上完成 AI Agent 的開發、版本更新、權限設定與部署管理，並透過完整的日誌記錄建立起稽核機制，這項機制能清楚追溯每一隻 Agent 是由誰開發、獲准存取哪些內部資料或系統、由誰負責審查授權，以及哪些員工有權調用。「這就像是 AI Agent 的『生產履歷』，當系統運作遭遇異常或疑慮時，企業才能在第一時間精準追溯責任歸屬。」黃文俊解釋。

黃文俊進一步透露，第一線客戶、特別是金融與政府單位，在實務上特別重視AI Agent 的執行環境與權限邊界，也就是「這隻 Agent 應該活在哪裡」。因此，中華創智在協助企業導入 AgentHub 時，不僅協助建立底層架構與權限管理機制，更會依據不同應用情境，與客戶逐一討論 Agent 的部署方式、資料存取範圍及治理規範，協助企業為不同 AI Agent 建立符合治理要求的執行環境，在兼顧安全與效率的前提下發揮價值。

從 MLOps 到 AgentHub：把 AI 落地經驗延伸到 Agent 時代

面對市場上百花齊放的 AI Agent 平台，AgentHub 最大的差異化優勢，莫過於中華創智多年協助企業導入 AI 的實戰經驗。

黃文俊表示，中華創智過去協助金融、公部門等高度監管產業建置 MLOps 與 LLMOps 平台時，便已深入企業地端環境，相當熟悉資料治理、權限管理、系統介接與法規遵循等。這意味著，企業導入 AI 最容易「撞牆」的痛點，中華創智早已陪同客戶提前走過一遍並逐一克服。這些累積於 MLOps 與 LLMOps 時代的治理經驗，也成為 AgentHub 最重要的設計基礎，讓 AI Agent 能真正融入企業日常營運，而非停留在概念驗證階段。

除了完整的治理機制與企業落地經驗外，AgentHub 的另一項優勢，在於採用 No-Code／Low-Code 開發模式，使用者不需要具備程式能力，只需透過拖拉元件，即可快速打造符合業務需求的 AI Agent，讓真正熟悉業務流程的人，也能成為 AI Agent 的開發者。

然而，「人人都能輕鬆開發」的背後，並不代表「任何人都能隨意上線」。黃文俊指出，在 AgentHub 的架構下，每一隻 AI Agent 投入實戰前，都必須經過嚴謹的審核機制，並留下不容竄改的完整軌跡——從最初由誰開發、經誰核准部署、到由誰負責維運都一目了然；若 Agent 後續表現不如預期或出現偏差，管理者也能決定是否要調整或下架退場。「這就如同企業管理真人員工一樣，必須擁有完善的招募、考核與動態管理流程。」黃文俊生動比喻。

AI Agent 能否真正改變企業，關鍵從來不只是 AI 本身。黃文俊認為，AI 會放大企業原有的優勢，也會放大既有的管理斷點，因此，資料治理、權限管理與 IT 基礎架構，才是企業邁向 AI Agent 時代最重要的基石。

李柏青則指出，真正的挑戰才正要開始。未來企業不僅需要導入 AI Agent，更必須重新思考組織分工、管理制度與營運流程，將 AI Agent 納入企業日常運作的一部分。中華創智期待，未來持續扮演企業 AI 治理夥伴。想了解 AgentHub 如何協助你的組織建立安全、可信、可控的 AI Agent 治理機制，歡迎與中華創智團隊聯繫
https://www.chtinventai.com/