從僕人到夥伴：邁向人機合作的新時代|數位時代 BusinessNext

從僕人到夥伴：邁向人機合作的新時代

以AI作為決策核心的機器人將會有個升級版的大腦，以往凡事都以人類指令作為準則的機器人，一旦有了學習與思考的能力，那它與人類的關係會不會有所改變呢？

隨著AI浪潮的強勢來襲，電腦自我學習的能力大幅提升，順勢引發了大家對人工智慧強烈的期待與疑慮。在此同時，這正也意味著以AI作為決策核心的機器人將會有個升級版的大腦，以往凡事都以人類指令作為準則的機器人，一旦有了學習與思考的能力，那它與人類的關係會不會有所改變呢？

在回答這個問題之前，讓我們先來看看機器人到底能多聰明？根據微軟亞洲研究院洪小文院長在數位時代六月號的文章HI+AI：電腦是最好的左腦中對人工智慧可能發展的說明，他認為目前電腦的程度大約位在功能(capability)與基本的智慧(intelligence)層級左右，能有效率地依據人類所開發的演算法執行所指派的工作，專長為邏輯與計算，至於更高層次的智力(Intellect)與高深的智慧(Wisdom)則是專屬於人類智慧的範疇，例如明智的判斷、敏銳的洞察、深刻的思考等，也因此，像是需要想像力與創造性的藝術、文學等領域，實非電腦所長。歸根結柢，洪小文院長對於電腦的忠告就是，請專心做好輔佐人類、左腦的角色，不要徒勞無功地與人類競爭主導權。

洪小文點出了AI的發展狀況，顯然現階段人工智慧還不足以讓機器人產生自己的想法或是獨當一面的能力，前一陣子甚囂塵上，「機器人即將全面取代人類工作」的說法，在可見的未來是不太可能發生。

既然眼下機器人不致於挑戰到人類「大哥」的地位，那我們是不是應該好好地善用機器人「小弟」所擁有的智能與認知能力呢？想想看，這個小老弟不正是老大哥在執行更具挑戰性工作時絕佳的合作對象嗎？

所以，未來機器人所能扮演的角色將不再只是單純接受指令的自動化機具，它已然跨過技術門檻、取得與人類攜手的資格，也許還達不到平起平坐的地步，但我們確實可以期待「人機合作」時代的來臨，當然這兩者的合作模式充滿了各種的想像與可能性，既然拚經濟是當前的關鍵字，就讓我們從實際具有商業價值的工業應用看起，來談一談最近在機器人產業備受矚目的「人機協作」系統。

「人機協作」顧名思義就是讓人和機器人在同一產線上工作，這樣的方式有很特別嗎？到底有甚麼好處呢？

而且，一直以來在追求產業自動化的過程中，不就是希望能減少人工、甚至是達到無人工廠的目標嗎？針對這些提問，我們來聽聽國內機器人產業研發的舵手、工研院機械所胡竹生所長怎麼說？他指出，由於現今產業所面臨的製程日趨複雜，以機器人完全取代人類的難度及成本太高，未來製造生產模式反而會趨向機器人與人共同合作。

以創意、前瞻著稱的特斯拉執行長馬斯克在公司今年第一季產能未能達標時也提到，由於所開發的高度自動化工廠並不如預期可降低成本、提升產能，反而拖累生產效率，他坦承人類在製造過程的影響力其實是被低估了，他舉例來說，特斯拉為了新型電動車的生產特別設計出可將絨毛放上電池的機器人，但後來發現，機器人並不擅長拿取絨毛，人類卻很容易就可以做到。

從這些談話中，我們可以體認到，受限於目前機器人的智能與感測能力，在面對許多精巧、細緻的工作時，機器人實在做不來、做不好，或是設備成本太高，也因此在推展產業自動化多年之後，人被重新帶回生產線，只是此回合作的夥伴從當年功能相對簡單的機具，換成了重裝上陣的機器人，這樣的改變讓人與機器人能各自發揮所長，生產效率自然提高；但伴隨著產能成長的同時，此種合作模式卻也帶來了新的挑戰。

可不要忘了，機器人極其強壯、速度又快，人與機器人共處一室首先要面對的風險就是有可能被機器人打到，這可不能等閒視之，沒有第二句話，「人機協作」最基本、最重要的要求就是「安全」，一旦發生不當觸碰，機器人立刻要停止動作，人只要進入警戒區，機器人就要減速，並且，機器人的力道也要有一定的限制。

也因此，人機協作是否能夠成功實現絕對得仰賴良好的感測，在工作場域中需要佈建影像系統，確實掌握人與機器人之間的互動，也需要在機器人身上裝置力覺感應器，即時偵測可能的觸碰。

回顧機器人的歷史，在上個世紀的1920年，捷克劇作家查别克（Karel Čapek）推出了舞台劇「羅森的全能機器人」（Rossum's Universal Robots），創造出「機器人」(Robot)這個名詞，這也廣為機器人界視為現代機器人的起點，Robot在捷克文的意思指的就是僕役，而舞台劇中的機器人正是以人類形象作為藍本所塑造出來的機器人僕人，這大概也是人對機器人一開始的期待吧！

到了大約一百年後的今天，機器人已經從僕人的身分變成我們的夥伴，未來人與機器人的關係又會如何轉變呢？就讓我們繼續看下去！

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場。）

「代理式 AI 」（Agentic AI）的創新服務正在重新塑造企業對AI的想像：成為內部實際運行的數位員工，提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢：2025 年是 AI 邁向「代理式 AI」的起點，讓 AI 擁有決策自主權的技術轉型關鍵，2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮，企業如何加速落地成為關鍵，博弘雲端以雲端與數據整合實力，結合零售、金融等產業經驗，提出 AI 系統整合商定位，協助企業從規劃、導入到維運，降低試錯風險，成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路，企業該如何走對第一步？

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題、生成內容的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工，應用場景也從單一任務延伸至多代理協作（Multi-Agent）模式。

「儘管 AI 前景看好，但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出，到了 2028 年，高達 70% 的重複性工作將被 AI 取代，但同時也有約 40% 的生成式 AI 專案面臨失敗風險；關鍵原因在於，企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭，更涉及流程變革與人員適應。

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時加速 AI 落地。

圖／數位時代

正因如此，企業在導入 AI 時，其實需要外部專業夥伴的協助，而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力，涵蓋數據、雲端、應用開發、資安防禦與維運，可以一站式滿足企業需求，更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示，許多企業在導入 AI 時，往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵：HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論，並非紙上談兵，而是已在多個實際場域中驗證成效；鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程，正是其最具代表性的案例之一。陳亭竹說明，HAPPY GO 過去曾面臨AI 落地應用的考驗：會員資料散落在不同部門與系統中，無法整合成完整的會員輪廓，亦難以對會員進行精準貼標與分眾行銷。

為此，博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化，完成建置數據中台後，再依業務情境評估適合的 AI 模型，並且減少人工貼標的時間，逐步發展精準行銷、零售 MLOps（Machine Learning Operations，模型開發與維運管理）平台等 AI 應用。在穩固的數據基礎下，AI 應用成效也開始一一浮現：首先是 AI 市場調查應用，讓資料彙整與分析效率提升約 80%；透過 AI 個性化推薦機制，廣告點擊轉換率提升 50%。

左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例，許多企業往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

圖／數位時代

整合 Databricks 與雲端服務，打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中，博弘雲端發現，底層數據架構是真正影響 AI 落地速度的關鍵之一，因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台，作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架（Apache Spark）為核心，能同時整合結構化與非結構化資料，並支援分散式資料處理、機器學習與進階分析等多元工作負載，讓企業免於在多個平台間反覆搬移資料，省下大量重複開發與系統整合的時間，從而加速 AI 應用從概念驗證、使用者驗收測試（UAT），一路推進到正式上線（Production）的過程，還能確保資料治理策略的一致性，有助於降低資料外洩與合規風險；此對於金融等高度重視資安與法規遵循的產業而言，更顯關鍵。

陳亭竹認為，Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台，當需要啟動新型 AI 或 Agent 專案時，再切換至 Databricks 進行開發與部署，待服務趨於穩定後，再轉回雲端平台，不僅兼顧開發效率與成本控管，也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程，資訊安全與治理的重要性也隨之同步提升。對此，宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層，企業在導入 AI 應用初期，就應做好資料分級與建立資料治理政策（Policy），明確定義高風險與隱私資料的使用邊界，並規範 AI Agent「能看什麼、說什麼、做什麼」，防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層，當 AI Agent 角色升級為數位員工時，企業也須比照人員管理方式為其設定明確的職務角色與權限範圍，包括可存取的資料類型與可執行的操作行為，防止因權限過大，讓 AI 成為新的資安破口。

第三為技術應用層，除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外，還需導入專為生成式 AI 設計的防禦機制，對 AI 的輸入指令與輸出內容進行雙向管控，降低指令注入攻擊（Prompt Injection）或惡意內容傳遞的風險。

博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」，透過完善治理政策與角色權限，並設立專為生成式 AI 設計的防禦機制，降低 AI 安全隱私外洩的風險。

圖／數位時代

此外，博弘雲端也透過 MSSP 資安維運託管服務，從底層的 WAF、防火牆與入侵偵測，到針對 AI 模型特有弱點的持續掃描，提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞，更可以即時監控活動，快速辨識潛在威脅。不僅如此，也能因應法規對 AI 可解釋性與可稽核性的要求，保留完整操作與決策紀錄，協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向，」陳亭竹強調，面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時，加速 AI 落地。在這波變革浪潮中，博弘雲端不只是提供雲端服務技術的領航家，更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗，以及完善的資安維運託管服務，博弘雲端將持續協助企業把數據轉化為行動力，在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機，立即聯繫博弘雲端專業顧問