人工智慧轉型：下一個階段是更聰明的代理，而不是更大的模型。

對於那些希望透過採用人工智慧工具來獲得競爭優勢的組織而言，爭論和決策主要圍繞著大型語言模型。

每個新版本都承諾提供更好的推理能力、更高的準確性以及超越其前代產品的功能。

但隨著基礎模型變得更加強大和普及，企業真正需要考慮的因素將不再是選擇哪個模型，而是如何有效地部署代理 AI來解決實際的業務問題。

傑伊·弗洛倫斯

Digital Modus公司的解決方案工程師。

在最近舉行的 Gartner 2026 資料與分析高峰會上，分析師傳遞的訊息很明確：獨立的 AI 模式正在過時，而自主互聯的 AI 代理程式才是未來。但要真正從 AI 代理中獲益，IT 領導者必須優先考慮「高重複性、低複雜度的用例，實施預防性控制措施，並提升員工技能」。

我想補充一點，企業人工智慧的下一階段不在於建立最大的模型，而是建構更好的智能體。

這意味著要超越將人工智慧視為另一種聊天機器人的視角，而將其視為一種營運能力，可以為員工提供支持，自動執行重複性任務，並提高整個組織的效率。

人工智慧最大的機會不在於對話本身。

對許多人來說，人工智慧仍然意味著在ChatGPT上提問並獲得答案。這當然是一種應用，對話式介面在普及人工智慧方面發揮了重要作用。但這只是人工智慧無限可能的一小部分。

人工智慧代理的一些最有價值的應用側重於操作流程而非對話。例如，在高等教育領域，人工智慧代理可以幫助學生使用各項支援服務，解答有關註冊、校園設施或行政流程的常規問題，使工作人員能夠騰出精力處理更複雜的問題。

在交通運輸領域，代理商可以將行程安排資訊、後續出行方案和客戶支援整合到一次互動中，從而節省使用者在多個服務中搜尋的麻煩。

在其他領域，各組織正在使用人工智慧代理來評估銷售詢價、總結複雜文件以及從合約中提取資訊——這些任務以前需要花費數小時的人工才能完成。

這些代理的共同點不僅在於它們可以回答問題，還在於它們可以減輕行政負擔，使人們能夠專注於需要判斷力、專業知識和人際互動的工作。

優秀的經紀人從更好的問題著手。

關於代理 AI 的最大誤解之一是，組織認為他們需要先確定他們想要在哪裡部署 AI 代理程式。

事實上，對於尋求開發人工智慧產品的組織來說，第一個問題不應該是：“我們可以在哪裡部署人工智慧？”，而應該是：“我們試圖解決什麼業務問題？”

一開始就依賴科技往往會導致企業開發出價值甚微的代理，因為它們自動化了錯誤的流程。那些能夠獲得最大回報的企業，往往首先識別出營運中的薄弱環節，例如員工在重複性行政任務、資訊搜尋或手動系統間資料傳輸等環節上花費過多時間。

當這些挑戰被清楚地理解後，代理人工智慧就成為了一種有效的操作工具，而不僅僅是一種尋找應用案例的技術。

實施的重要性超過了模型的重要性。

如今，領先的人工智慧模式正以驚人的速度發展。它們變得越來越強大、速度越來越快、成本效益越來越高，這意味著競爭優勢正在改變。

企業不太可能僅僅選擇一種核心模式而非另一種就能超越競爭對手。相反，成功將越來越取決於圍繞該模式的所有因素。

數據品質是最大的區分因素之一。人工智慧代理的性能完全取決於其所依賴的資訊品質。相互矛盾的文檔、不一致的策略或糟糕的知識管理都必然會降低其輸出品質。

理賠設計是另一個常被忽略的技能。設計理賠代理人並非只是下達指示並期待他們一致的結果。精心設計的理賠流程會設定清晰的界限，明確代理人的職責，並確保他們始終專注於目標。

治理亦是如此。優秀的代理不應回答所有問題。相反，他們應該了解自身角色，知道何時拒絕超出權限的請求，並且只在真正需要的資訊和權限範圍內行事。應用「最小權限」原則不僅是良好的安全實踐，還能透過最大限度地減少不必要的處理和控製成本來提高效率。

歸根究底，執行品質遠比基礎模型的大小重要得多。

自信是透過重複練習建立起來的，而不是靠野心。

另一個常見的誤解是認為代理人工智慧應該部署在大規模轉型專案中。但實際上，情況通常恰恰相反。

能夠取得顯著成效的組織往往從明確定義、能帶來可衡量價值的應用場景著手。這有助於建立員工之間的信任，展現投資回報，並在擴展到更複雜的工作流程之前，實現更完善的管理。

智能體人工智慧應該被視為一個隨著時間推移而不斷發展的產品，而不是一個在發布當天就完成的專案。然而，這也改變了組織進行測試的方式。

傳統軟體旨在每次都輸出完全相同的結果。然而，人工智慧代理本質上是機率性的，這意味著一致性與功能性同等重要。因此，持續的測試、監控和最佳化對於成功部署至關重要。

同樣重要的是，員工必須參與這個過程。建立信任並非是在人工智慧代理開發完成後才將其展示出來；而是要讓團隊在整個開發過程中積極參與，幫助他們了解決策是如何做出的、有哪些安全保障措施，以及這項技術旨在增強而非取代他們的專業知識。

更優秀的智能體將定義人工智慧的下一個階段。

人工智慧產業必然會不斷推出速度更快、價格更低、功能更強大的基礎模型。然而，企業能否將這些能力轉化為有意義的商業價值，卻並非必然。

下一場人工智慧競賽的勝利者，不會是那些擁有最龐大模型的人，而是那些能夠建構可靠、管理完善、能夠解決現實世界營運問題的智慧體的人。