擁抱AI 代理、助理大不同 挑選合適的數位解方

自2025年初到年中的各項重要ICT展覽，總會聽到「AI教父」輝達執行長黃仁勳發表對於未來AI技術與應用發展階段的觀點。他對於AI發展脈絡的看法，是從感知型AI發展至生成式AI，再到代理式AI，最後AI應用發展則會以物理AI（或稱實體AI）為主。

國際三大雲服務廠商也積極推廣AI代理的效益與其相關產品服務，如微軟整合M365 Copilot而推廣AI代理服務；Google結合Gemini推廣多代理系統。

而這四種不同AI應用類型中，感知型AI方面是能解讀來自感測器蒐集，或從工作／生活環境中所蒐集的數據（如影像、聲音、觸覺），進行辨識與理解，最後可以被用來解決工作／生活環境中所面臨的問題。生成式AI能根據訓練資料創造新內容，如生成文本、圖像、音樂、影片、程序等，核心為深度學習模型，具備模擬創意與內容生成能力。

代理AI是使用複雜的推理和規畫來解決複雜、多步驟的問題。代理AI系統可從多個資料來源獲取大量數據，以分析挑戰、制定策略並獨立完成任務。物理AI（實體AI）是指具備能了解現實環境，並與物理世界互動的AI，具備感知、運動與實體操作能力，如AI人型機器人。

這四個階段是對於不同時期的AI技術、模型、應用服務出現時間與成熟度進行歸納，並同時預告下一個可能成為市場主流的AI應用技術。但對企業而言，這四種AI技術應用前後之間並不存在先後完成順序的必然性。

例如感知型AI是較早出現的AI技術應用，普遍是在工廠現場透過感測器或機上盒或機器內嵌的裝置，進行設備資料蒐集，如馬達噪音蒐集、馬達線圈轉速線圖，或蒐集工具機台的主軸運轉狀況，抑或偵測機台本體與底座溫度蒐集，藉此改善問題，達到預測保養的效果。

代理AI能針對目標制定步驟，思考最佳處理方式並加以執行。代理AI可能會做研究、使用工具、找其他代理IA合作來處理問題。也就是代理式AI能思考並採取行動，並可代表人類或其他系統進行推理、規劃和完成所交辦任務的自主軟體應用。

AI代理跟AI助理的區別，可從「解決問題主動性、處理任務複雜度、使用資料庫與工具範疇、人與AI的互動模式」等四點進行區別。首先，AI代理具備主動性解決問題的能力，可主動偵測到使用者即將面臨的任務，提前預應並替使用者準備因應方案。AI助理則屬於被動性，要逐步回答使用者輸入的問題或單純處理單一任務。

另外，AI代理具備較為進階的推理能力，可整合使用者系統內的多項程式與資料庫，可解決較複雜的問題；AI助理多處理日常例行性且重複性高的任務。

AI代理除可整合使用者內部系統的所有資料與程式，甚至有時需要與外部工具或系統資源介接；對AI助理而言，多採用使用者系統內部資源，最多採用到RAG知識庫的內容，處理部分檢索增強生成的任務。

在人與AI的互動模式方面，AI助理需要使用者下達明確指令，且每一步都依賴使用者下達命令後方會進行任務處理；AI代理因主動性高，可完成較複雜且需要多步驟的工作任務。

然而企業家或使用者一定要拋棄AI助理，全面擁抱AI代理嗎？其實未必，關鍵還是得回歸使用者對AI的需求與理解程度。其次是使用者目前具備的數據與手邊資源多寡而定。現在政府部門協助台灣產業導入AI應用有兩項比較產業需求，一是「法人AI試製線及培訓服務」，利用財團法人在智慧製造／智慧機械時代累積的研發能量，協助產業進行AI試用，這個計畫提供的AI應用服務，並不追求較熱門的AI代理或生成式AI，有不少AI應用仍屬於感知型AI的範疇。

再者是隸屬AI新十大建設內容的「百工百業智慧應用」，當中一項核心思想是輔導業者可掌握自身需求，媒合補助購買合適的數位解方，導入輔導工具，聚焦實務需求，協助企業快速啟用AI應用。關鍵字在於「掌握自身需求，合適的數位解方」，端視使用者現階段或未來二、三年內最迫切待解的問題，再選擇適合AI方案即可。不論是AI助理還是AI代理，可以解決企業問題的就是好AI。（作者是資策會MIC產業顧問）