專訪：沈貝怡
撰稿：李昀蔚
過去一年，企業對 AI 的討論已從「如何提升個人生產力」，進一步走向「如何讓 AI Agent 成為企業流程的一部分」。當 AI Agent 開始代替人類操作企業系統、填寫資料與分析文件，企業面對的問題也轉向如何重整流程、進行人機分工，以及界定出錯後的責任歸屬。
「我們看到現在的 AI Agent，已經不是未來式，而是一個現在進行式，」本集《全新一週》邀請資策會產業情報研究所（MIC）主任韓揚銘，逐步解析 AI Agent 在台灣企業端的最新導入進展，以及組織與工作者面對這波管理變革與挑戰時，該提前做好哪些因應準備。
AI Agent 已走進「產銷人發財」各環節
韓揚銘舉例，過去 AI 主要負責語音、影像等資訊辨識，但如今企業談論的 AI Agent，比的不只是 IQ 的高低，而是能否真正採取行動、動手動腳的 AQ（Action Quotient，行動商數）。這項技術正以極快的速度改變各行各業。例如在紡織產業中，一件衣服的設計可能涉及上百項參數，過去需要人工逐一核對鈕扣位置與細部設計等資訊，但現在已經有 AI Agent 能直接讀懂並自動填寫參數。
在鐵件、螺絲與熱交換器等工業設計領域，AI Agent 也能快速整理過去累積的經驗與設計邏輯，協助判斷安全條件與場域需求。同時，也有不少財會單位開始使用 AI Agent 協助撰寫部分財報分析。這些場景皆顯示，在各種產銷人發財的環節中，都已經有 AI Agent 的身影。
「PARK 理論」如何讓 AI Agent 越用越順？
當 AI Agent 展現出強大的執行與決策輔助能力，許多企業陸續投入導入工作，卻往往陷入越用越卡、效率不增反減的泥淖。韓揚銘點出其中的核心原因，強調問題不在技術，而在流程。
目前不少企業採取的第一步，是將既有工作流程的所有步驟列出來，再挑選其中幾個步驟交給 AI Agent 執行。然而，如果企業本身的流程沒有重新設計，只是沿用舊思維導入新技術，原有瓶頸並不會消失，反而只會被轉移。因此，在實際運作中，可能出現人需要等待 AI Agent 的處理結果，或是 AI Agent 處理速度太快，最終卻卡在人類審核環節的窘境。
「以前我們導入資訊系統的時候，都會講一個概念，就是企業流程要再造，其實 AI Agent 進來之後，也會面對這種問題，」韓揚銘提醒，企業在導入 AI Agent 時，必須具備 AI Native（AI 原生）的思維，重新思考人機協作的可能，並追求流程的本質變革，而非只加速單一環節，才能將原本繁雜的十個步驟精簡為三個。
為了解決這個痛點，韓揚銘分享「PARK 公園理論」，作為企業診斷與改造流程的指引框架。在這個架構中，「P」代表流程能否清楚切分，因為連人都說不清楚的混亂工作，系統自然也無從介入；「A」代表人與機器之間最適合協作互動的環節；「R」聚焦高度重複、適合交由 AI Agent 處理的日常任務；「K」則直指那些最為繁複、費時，甚至令人不想再做的痛點工作。企業唯有先完成流程盤點，並明確列出各項工作，才能在導入過程中逐步推動流程變革，讓 AI Agent 越用越順。
從執行者轉向定義者，AI Agent 正在重寫知識工作的價值
當企業成功運用 PARK 理論重新劃分流程，將中段大量執行工作交由 AI Agent 處理時，知識工作者的核心價值其實不減反增，只是工作重心將往流程的開頭與結尾移動。在前端，人類工作者必須負責定義問題，並理解客戶的真實需求、規格與複雜的環境脈絡；在後端，人則需要評估與確認 AI Agent 產出的結果是否正確，並且符合真正的商業目的與利害關係人的期望。
韓揚銘形容，AI Agent 就像是剛報到、智商極高且懂得技術細節的博士級助理，但完全不理解組織脈絡與任務背後的真正意圖。因此，韓揚銘表示，未來的知識工作者不應只是回答自己做了什麼，而是要能定義要做什麼、為什麼要做，並具備將事情真正落地、完成任務，進而產生實質影響力的能力。
治理 AI Agent 的 3M 框架
人機協作分工的重組，不僅改變個人的工作形態，更對企業整體的組織管理與風險控管帶來全新挑戰。隨著 AI Agent 的功能越來越強，它們在企業中就如同數位員工一般，需要被界定具體的角色、職權、責任與資料存取權限。
這也代表 AI Agent 的治理不可能只交給 IT 部門。在組織中，人資部門必須參與設計這些數位員工的角色與工作職權；業務等專業單位則要明確定義哪些事情能做、哪些不能做；IT 與資安單位則負責權限控管、系統整合與安全維護，各部門共同透過跨部門治理委員會進行決策與管理。
面對 AI Agent 可能帶來的幻覺、誤刪資料或責任歸屬等風險，韓揚銘分享「3M 管理策略」：企業首先要進行「Mapping」，盤點各單位擁有的所有 AI Agent，以及其對應的角色與責任，進一步畫出數位人才地圖；其次是「Management」，針對 AI Agent 的產出建立量化衡量與評估指標，釐清工作品質；最後則是「Manage」，意即設置即時監控、阻擋與停用等控制機制，以防止資料外洩或系統失控等重大風險，在創新效率與資安防禦之間取得平衡。
AI Agent 正從工具走向科學創新的夥伴
這種由工具介面轉向實質成效的變革，背後得益於多模態模型技術的爆發性成長。如今的 AI 已經能夠流暢地跨越文字、語音、圖片與影片，甚至能以低於 200 毫秒的超低延遲，進行帶有情感語調與情緒的即時互動及口譯。這種高度互動性與情感共鳴，正將人機關係推向全新階段。
「.com 之後，我們比的是要搶奪注意力，現在開始要搶奪你的沉浸，」韓揚銘表示，未來 AI Agent 不僅會協助企業高效執行日常任務，更將在多模態與推理模型的輔助下，從追求效率的「AI for Efficient」邁向探索未知的「AI for Science」，由 AI Agent 扮演創新者（Innovator）的角色，協助人類發現新材料、新化合物，甚至推導新的數學公式，成為推動科學研究的重要夥伴。
韓揚銘強調，AI Agent 引領的這場技術變革，可能讓人類迎來一場科學上的文藝復興。同時，企業在這波浪潮中的核心競爭力，也不在於單純導入多少 AI Agent，而是能否與時俱進地重塑流程、重新定義人才角色，並建立健全的治理機制。
