訪談：戴季全
撰稿：張哲瑋
隨著技術的突飛猛進，全球企業正加速邁入 AI Agent 時代，試圖將自動化普及至核心業務。然而當 AI Agent 獲得系統執行與存取權限時，矛盾隨之浮現：如何在提升營運效率的同時，精準把握權限與資料控管的邊界？企業組織與治理的轉型變革，是導入 AI 的企業決策者都必須面對的課題。
本集《全新一週》專訪台灣微軟總經理卞志祥，深入探討 AI 科技的最新趨勢與企業應用，分析在合乎安全與規範的框架下，AI 如何作為數位勞動力，來提升人類的工作生產力。節目中，他逐一拆解關於人力資本（Human Capital）與 Token 資本（Token Capital）的深度協作模式，模型可換與資料可控的核心策略，並展望未來結合雲端與終端的完整生態系。
從聊天機器人到代理人，AI 的定位正從協作走向自主代理
卞志祥形容，過去四年的 AI 發展是「充滿了驚喜跟驚奇，甚至有一些驚嚇的旅程」：從陪人聊天的聊天機器人（Chatbot），到執行特定任務、把自動流程（RPA）智慧化，再到如今能理解意圖、拆解子任務的 AI Agent。卞志祥判斷，下一步將是能在數位世界中真正代表使用者執行工作的「代理人」。
這也是卞志祥解讀微軟此次 Copilot 改版的角度。他強調，微軟推出的不是 Autopilot 這個單一產品，而是一套類似超級應用程式（Super App）的「組合拳」：前端的 Copilot 與 Cowork 理解意圖、拆解任務，中間的 Code 自動撰寫程式碼串接其他系統，後端的 Autopilot 則在安全、合規的雲端環境中，端到端（End-to-end）完成任務。「你可以把前面視為協作，中間是編碼，後面叫做代理。」
不過，AI 能做的事愈多，企業就愈需要回答一個問題：它怎麼知道該替誰、做什麼事？
同一句指令，不同員工該得到不同結果：AI Agent 也需要到職訓練
卞志祥以新員工到職比喻：新人要花幾個月認識部門、主管與職責，再理解公司在產業中的位置與領域知識（Domain Know-How），才能在對的時間做對的決定。反觀現在的 AI Agent，「A 員工用的 AI Agent 跟 B 員工用的 AI Agent，理論上來說，他們長得是一樣的。」但兩人分屬不同部門，下同一句指令，代表的意義也應該不同。
在資料、模型與應用之間，卞志祥認為缺少一張把它們關聯起來的知識圖譜。微軟推出的 Microsoft IQ，就是要把這套技術上稱為本體（Ontology）的關聯架構，變成企業「開箱即用」的能力：在權限控管下，串起員工身分與組織架構、Email、Teams 會議，以及 SharePoint、ERP、CRM 等企業資料。
卞志祥分享，他曾用一句中文指令，請 Copilot 彙整直屬團隊過去兩週的工作狀況並寄給成員。收到報告時「真的是驚呆了」，因為 AI 不只整理進度，還從總經理的視角提醒哪些事最緊急、哪些該向上回報並爭取資源。
可控才能信任：企業使用 AI Agent，還要多加「智慧」與「信任」兩層
但正是因為 AI Agent 能讀信件、看會議紀錄、代發報告，所以企業「不能夠放任一個 Super App，可以跨越自己或組織的權限去拿到資料」。卞志祥認為 AI Agent 必須看得到、管得到，留下存取足跡，更要能隨時停止、回溯（Rollback），並知道何時該交回人類判斷（Human in the loop）。
卞志祥將這點視為企業與個人用 AI 的根本差異：企業要在算力、資料、模型、應用之外，再加上「企業智慧」與「企業信任」兩個要素。「只有可控，你才能夠信任這一支 AI Agent。」對於不可控的 AI Agent，他直言「完全不能也不應該去使用」。這也是微軟面對 AI 失控疑慮的一貫立場，微軟發表的行為準則主張，應從模型發展之初就讓 AI 認知自己是來服務人，而不是把自己當成人。
企業競爭力不在模型，取決於「外部模型可換、內部資料可控」
如果 AI 能代勞愈來愈多工作，人的位置在哪裡？卞志祥指出，從蒸汽機、電力到網際網路，每個世代都擔心過失業，但技術帶來的是結構性改變，讓人類「再 Level-Up 上去」。他認為，企業的核心價值在於人力資本與 Token 資本：Token 資本擅長規模化、快速、重複地執行；人則擅長熱情、創造力、信任關係，以及在不確定環境中的決斷力，「這個是 AI 做不到的」。
也因此，卞志祥不認為模型是企業競爭力的來源。他指出，全球模型排行榜「大概每兩週就在刷版」，真正的競爭力是「資料協作、拓樸，跟調動模型的能力」，也就是駕馭模型與資料、轉化為企業資產的駕馭工程（Harness Engineering）。他用十二個字總結全球正在形成的共識：「外部模型可換，內部資料可控」。
這也是微軟的模型策略。卞志祥表示，微軟與 OpenAI、Anthropic 等業者都有合作，自己也做模型，但不追求極度通用的通用人工智慧（AGI），而是深化企業特定流程。例如在使用者選擇選擇 Auto 模式時，約 80% 的日常工作中，Copilot 會自動選用合適的模型，必要時才調用前沿模型，避免「殺雞用牛刀」；搭配 FinOps 機制，企業也能設定預算、監控 Token 用量。
台灣 AI 使用率排名第 19 名：短期看政策，中長期看人才
微軟近期發布的全球 AI 使用報告，追蹤一般民眾與勞動人口在日常或工作中，使用生成式 AI 的比例。今年第一季，台灣排名由第 20 名進步至第 19 名，阿拉伯聯合大公國與新加坡分居前兩名。卞志祥認為，這類排名是把不易說清的事量化，應當作參考而非絕對指標，「就好像我們小朋友在選大學的時候，那個學校排名就真的代表學校嗎？不一定。」
從這份報告中，卞志祥觀察到台灣的兩項優勢。第一，全民對 AI 的認知極高，從企業、工程師到市場賣菜的阿姨都在關心，因為台灣是全球 AI 的製造中心。第二，台灣人才的密度與品質全球頂尖，只是過去多數集中在高科技製造與半導體設計。
而 AI 的跨域特性，正讓這群人才有機會走向其他產業。卞志祥觀察，全球科技巨頭過去兩年釋出超過 15 萬名初階工程師，卻在製造、金融等傳統產業找到舞台，因為這些產業為了駕馭 AI，變得非常需要工程師。台灣人才也能從硬體思維走向韌體（Firmware）與解決方案，在半導體、醫療與生技等領域再向外擴展。
至於排名落差，卞志祥分析，部分國家以國家力量投資算力、發展自有模型，並以法規引導產業採用 AI，短期衝得較快；台灣則是讓百工百業各自發展。「所以短期看起來，有些國家會衝出去，像新加坡，但以中長期來說，台灣的機會跟潛力極大。」
自雲端走向終端，AI 沒有過熱，還在旅程的中段
談到下一步，卞志祥指出，AI 算力正從雲端走向邊緣（Edge）與個人終端，應用也從企業走進個人生活。對於外界關注的 Surface Laptop Ultra，他未透露規格細節，只將它定位為微軟示範終端算力的「試金石」，目標是讓終端、邊緣與雲端無縫整合。
對於 AI 是否過熱，卞志祥直言「我不覺得」，認為 AI 還在旅途路半，甚至前段而已。企業接下來要比的，不是誰導入了最強的模型，而是能否在可控的前提下，讓數位勞動力與自己的人才、資料真正協作。
歡迎大家訂閱「科技報橘」YouTube 頻道，一起用《全新一週》節目，來迎接全新的一週！
＊首圖來源：《TechOrange》
