AI代理將處理15%日常決策！哪些企業已在用「AI代理」了？效果如何？|數位時代 BusinessNext

輝達（Nvidia）執行長黃仁勳日前公開表示，AI 的發展將進入「代理型 AI」（Agentic AI）時代， AI 代理人將能夠在各個行業中協助完成各種任務，他還預測代理型 AI 將帶來數兆美元的商機，並徹底改變人們的工作方式。

延伸閱讀：代理AI(AI Agent)是什麼？它為何是邁向AI界聖杯的關鍵一步？

未來 15 % 的日常業務會由代理型 AI 執行

代理型 AI 和生成式 AI 不同，它不需要透過人類餵養提示生產內容，而是可以處理複雜任務，實現高度自動化，成為新時代中的數位勞動力。

Gartner 預測，到了 2028 年，至少 15% 的日常業務決策將透過代理 AI 自主做出； Deloitte 則認為，到 2027 年，一半使用生成式人工智慧的公司都將推出 AI 代理相關產品，讓它們當作公司內部的智慧助手。

去年，Salesforce、ServiceNow、微軟和 Workday 等軟體公司都宣布推出代理型 AI 服務，他們表示，這些代理型 AI 可以在人資、客服、行銷和資訊科技等部門中，發揮生產力。

而市場中，也已經有一些公司實際在工作流程中導入代理型 AI：

1. 穆迪：代理型 AI 協助進行研究

美國三大信用評等機構之一的穆迪（Moody's）運用代理型 AI 進行許多研究，包含產業比較，風險分析以及查閱企業向美國證交所提供的文件等等。

該公司一共開發了 35 個代理型 AI，其中一些負責專案管理等較小的任務，再匯報給更大的代理型 AI 模型，形成「多代理系統」。

穆迪的這些代理型 AI 都各自有不同的設定和權限，所以它們可能會針對一個研究主題，有不同的結論，提供研究員更多元的觀點，穆迪產品長里德（Nick Reed）更指出：「AI 代理甚至能得出更有智慧的結論，像是分析看似沒問題但實際面臨地緣政治風險的企業之財務狀況。」

2. 德國電信：代理型 AI 作為內部員工的「客服」

德國電信巨頭德國電信（Deutsche Telekom）擁有約 80,000 名員工，該公司推出了一款代理型 AI，讓員工詢問有關內部政策和福利等問題，也可讓客服人員詢問有關其產品和服務的問題。

德國電信首席產品和數位長亞伯拉罕森（Jonathan Abrahamson）表示，每週約有 10,000 名員工使用 AI 代理。

亞伯拉罕森補充，德國電信正在嘗試讓名為「askT」的代理型 AI 代表員工執行一些簡單、重複性的任務。例如，想要請假的員工，可以告訴「askT」，讓他代理操作，把休假申請單提交到人力資源軟體系統上。

3. eBay：代理型 AI 幫忙寫程式碼、開發新工具

電商平台 eBay 運用代理型 AI 協助員工撰寫程式碼和創建行銷活動，該公司還計畫推出能夠幫助買家尋找商品和賣家列出商品的代理型 AI 工具。

eBay 首席人工智慧長米克波波羅夫（Nitzan Mekel-Bobrov）旨出，他們甚至開發出自己的「代理框架」，扮演協調者的作用，決定哪些人工智慧模型將用於哪些任務。

「隨著代理任務變得複雜，它們（代理型 AI）能夠更加自主地行動——像人類工程師一樣，一行一行自己編寫更多程式碼。」米克波波羅夫說，「而且隨著員工與系統互動愈來愈多，系統也會更了解他們的偏好。」

代理型 AI 的興起預示著工作方式的巨大變革。隨著愈來愈多企業導入這類技術，我們可以預見一個更加高效、自主的數位生態系統，讓人類能專注於更高價值的創新與策略性任務。

延伸閱讀：國泰世華CUBE卡「日本賞」限時回歸！最高10%回饋無上限，權益方案一次看

本文授權轉載自FC未來商務

在 AI 快速進入企業營運核心的時代，數據不再只是被動的分析素材，而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據，例如會員資料、交易紀錄以及線上與線下行為數據，但因這些數據分散於不同系統，缺乏統一的身分識別機制以及明確的元數據（Metadata）定義，導致難以整合與分析，同時，也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰，Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務，如 Audience Center 與 AI Agent 等解決方案，並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程，從資料清理到 AI-Ready 再到落地應用，讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化，大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎，以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設？

Vpon 威朋數據科學經理廖宜楷指出，在 AI 驅動的時代，數據的品質決定模型價值。其中四個關鍵分別是：建構標準化的數據採集與處理管線，透過統一的工程規範，確保所有進入系統的數據在格式、維度與質量上具備高度一致性；其次是定義語義清晰的元數據（Metadata）體系，確保數據能夠被 AI 理解與使用，從而產出具備可靠性的產出結果；再來是打破企業內部的「數據孤島」，透過完整整合線上（Web/App）行為與線下（POS/CRM）會員資訊，建構全方位的會員數據輪廓，精準捕捉消費者的跨通路行為軌跡。最後，數據的價值隨時間遞減，AI 的決策品質取決於數據的「新鮮度」，因此，數據的持續更新與自動化維護，不僅能讓企業在動態市場中保持敏銳，還可進一步深化會員輪廓分析的即時性。

舉例來說，在 Vpon 團隊的協助下，台灣百貨零售龍頭透過整合 Web 與 App 行為資料，並將線上與線下數據集中於數據中台進行分析，將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應，並基於此高效率基礎，進一步開發不同業務主題的預測與分群模型，提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實：Audience Center 如何賦能企業實現「數據即戰力」？

有了堅實的數據底座後，下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出，在變化快速的零售與數位行銷市場中，速度就是競爭力。然而，仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去，當行銷或業務人員需要數據支持時，通常得花費繁複的內部流程申請需求、討論需求，才會進到後續的資料清理、建模與分析，最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程，不僅拖慢了決策效率，更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程，將數據處理轉化為數據服務，透過直覺的介面與背後扎實的數據基礎支撐，讓非技術人員不用編寫程式碼，即可自行組合維度，大幅縮短從需求到執行的距離，將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入，不僅有助於提升效率，更賦予企業快速試錯與精準捕獲趨勢的能力，讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

以 AI Agent 重塑數據使用方式，讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度，更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示，在數位轉型的過程中，許多企業面臨的挑戰不僅是數據整合，更包括如何讓不同部門的人員都能更即時協作與應用數據，有鑑於此，Vpon 推出四種 AI Agent 協助企業分析與應用數據，極大化第三方數據成效：

第一，以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表，即時掌握市場動態，加速決策下達與決策品質。

第二，透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限，可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三，藉由 Audience Agent 將客戶分群方式從規則導向（Rule-based）轉變為關聯導向，以關聯分析擴大受眾範圍，協助品牌找出更多潛在客群。

第四，推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因，釐清受眾喜歡的素材跟不喜歡的素材，藉此優化廣告投放內容，持續提升轉換率。

陳文謙表示：「透過 AI Agent 的輔助，品牌不僅能更快完成數據分析，也能將分析結果直接轉化為行銷策略與創意建議，降低跨部門溝通成本，讓數據真正參與決策流程。」

鏈結數據生態夥伴，以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率，Vpon 也持續拓展數據生態圈，協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示，跨境行銷過去多仰賴經驗與市場直覺，但透過數據整合與 AI 分析，品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明，透過雙方的獨家合作，企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源，深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型，以及不同客群的價格敏感度與回購行為等，將行銷決策從過往的經驗判斷轉變為精準的數據洞察，成為品牌出海的重要工具。

簡言之，對零售品牌而言，跨境數據是理解海外旅客真實樣貌的一大利器，也能進一步優化廣告投放、內容策略與商品布局，讓品牌在拓展國際市場時，可以更有效率地接觸潛在客群，放大行銷效益。

展望未來，Vpon 將持續擴展數據生態圈並優化產品服務，幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環，希望以數據夥伴的角色與品牌共同成長，打造互利共贏的數據生態。