根據Gartner在2025年初的預測： (1) AI Agent（AIA）到2028年將可以自主完成15%的日常工作，這個比例在2024年是0%。(2)2030年的80%的人類生活是每天與智慧型機器人打交道。隨著AI算力的軍備競賽、國際資金的瘋狂投入，這個速度將增強2-3倍。特別是辦公室的白領，資策會預估2-3年內，70-85%的現行工作，將會交給AIA。換句話說，如果工作內容不升級，那麼可能有相當比例的員工將被取代。因而，許多前瞻的經營者展現對AI的企圖，積極布局AI，從營運模式的重新設計，延伸到AI的獲利模式創新。
當前企業經營者最關心的三大AI問題
(1)成功做AI的關鍵是什麼?
(2)如何循序漸進地推進企業AI化?
(3)AI的風險與合規?
如果使用Google的AI摘要，得出的AI成功關鍵是：營運流程與基礎建設、治理與風險管控、組織與人才文化；而資策會訪視的結果，前三個關鍵因素是：技術變化太快，不知如何選擇、資料整合，以及文化轉變。深層的問題本質，其實在於人。成功的AI導入，需要三種人來一起驅動。
首先，是經營者或高階主管對AI的發展定位。AI扮演的角色，是工具、助理、夥伴、還是數位員工。不同的發展定位，將引導不同的結局。
案例一，有一家上市公司老闆表示：企業目前約500位員工，3-5年後公司只剩下250人，但是AI 數位員工會有2500人，總人事預算成本與500人接近。每個員工平均帶10個數位員工。這個企業把AI當數位員工，重新架構公司的營運模式。
案例二，有一家廣告公司，過去沒有200萬的案子不接，因為不符合人力成本。透過將過去做過的企劃書轉化成AI資料庫系統。現在50萬的案子都非常樂意接，因為毛利比200萬的案子更好。槓桿AI與過去累積的歷史資料來協助生成新企劃案，人力做最後把關，可大幅降低人員投入時間。這個企業將AI當助理，發揮很大的商業價值。反思，原來接50萬企劃的廣告公司將何去何從?
其次是，員工的轉型意願。以往談數位轉型員工心理上多少會有抗拒，AI進來之後，這種抗拒可能更大。AI 代理人，聽起來就像是要取代我的工作。特別是資深員工的心理更是忐忑不安，怎麼願意將多年培養的知識經驗貢獻出來呢?
最後，是新型態AI人才：FDE（前線部署工程師）。有別於傳統的IT人員，先做需求診斷，然後根據使用者描述的需求，進行系統開發，然後交給使用者。使用者試用發現跟當初的需求不符，IT人員抱怨需求沒說清楚，造成使用部門與IT部門的鴻溝。FDE是有領域經驗知識的工程師，直接進到現場，用AI來幫助落地的人。重點不是寫程式、開發系統，而是在最短的時間解決現場的問題。這類人才非常稀缺。我們建議，公司有必要自行培養FDE，挑選有領域經驗的人，積極培訓AI工具的使用能力。
總結來說，企業數位轉型最深層的問題不在技術面，而是人的問題。因為，AI轉型並不是單一任務或部門的效率化，而是公司整體作業環境的升級。需要多方面的配套。其中，最重要的就是人：老闆對數位發展要有想法與定位、員工要願意改變、更需要培育新型態的AI工程師（FDE）。
如何循序漸進的推動AI？
Google給出的AI摘要是：第一階段是個人探索與節能、第二階段是團隊增能與知識共享、第三階段是核心流程整合與優化，簡單來說是點線面。非常合乎邏輯。我們認為的三階段是先易後難、橫向連結，以及專屬的AIA。
首先是先易後難，先廣後深。實施的關鍵是：盡可能在最多的作業流程中應用AI。不必然是最厲害的強AI，才有高效率；其實簡單的弱AI應用，就可以創造意想不到的效益，不要低估弱AI對於營運模式的長期影響。此階段最重要的目標是打造全體員工的AI素養，以及創造全員學習AI的環境。做好human in the loop，建立 AI與人的協作基礎。建議可以從各部門的文書行政、跨部門的文書溝通開始。譬如，將秘書的工作拆解為行程管理、會議管理、文書處理，各有各的AIA，全體員工會很有感。
其次是橫向連結，持續優化。AI的最大功能，其實不是在個別部門的效率化，真正的作用在於整體工作環境的升級。過去的作業模式設計沒有考慮AI，如果現在重新設計作業流程，還會是這樣設計嗎? 還會需要這麼多程序嗎? 過去的數位化，造成許多系統孤島、資料破碎、整合困難或曠日廢時。AI化是一個轉變的契機，將老舊系統打掉重練，變得相對容易與經濟許多。許多前瞻的公司正積極的全面改造系統。
此外，我們知道企業整體的營運綜效，取決於橫向連結的程度。想像未來，每個部門有一隻大龍蝦（AIA），這隻龍蝦服務這個部門。接下來，這隻龍蝦就可以在授權的特定範圍內，跟其他部門的龍蝦溝通協作。預測未來3-5年，大型企業跨部門溝通使用AIA的比重將高達90%。當這樣的進展，從部門之內的人to Agent ，進化到部門之間的Agent to Agent。表示Agent背後參考的數據源是相對可靠乾淨的，亦即在無形之中，打造了一個貫穿各部門的資料資產。雖然這些資產可能分散儲存在不同的部門，從資訊庫結構來說，就是一個整合的數據中心（DATA HUB）。
最後，有了DATA HUB，就可以持續讓AI模型進化，建立企業專屬的AI應用，驅動企業轉變，逐步邁向更AI化的公司。
關於AI的風險與合規，可以參照數發部的人工智慧風險分類框架，以及金融業應對AI攻擊的挑戰與策略建議。此兩份文件，指引台灣產業發展AI之風險合規。如果想進一步深究的，可以持續關注此網站genai.owasp.org 。它列出LLM的10大安全威脅，也制定了AI安全驗證標準。不過，根據國內AI應用標竿企業的CIO表示：如果企業過度重視資安，AI就不用發展了。我們的解讀是：企業在可控的風險範疇之內，應該大膽的應用AI。另外，根據研究，超過60%的AI風險，其實是來自內部未授權的AI使用，而不是外部的攻擊。因此，對於多數的中小企業而言，AI使用政策的制定與落實，可能才是AI資安防護的關鍵。
我常想：在AI時代，答案不是問題，提問才是關鍵。在每個提問都會有AI摘要的時代，答案隨時生成隨時有。當多數人的答案雷同的時候，我們的價值可能只剩下品味，品味答案的品質、契合度與可靠度。這一點，AI應該很難超越人類智慧吧？
本文作者為資策會數位轉型研究院金融科技中心主任周樹林
