企業打造 AI agent，宇鯨智能建議，從使用容易上手的 No-Code/Low-code 工具開始。
No-Code/Low-Code 工具，顧名思義，不需要寫 Code（程式碼），或只需要撰寫少許程式碼，即可完成過去依賴工程師才能完成的事。
藉由工具低門檻、可快速導入的優勢，企業能快速在實作經驗中，釐清對 AI agent 的真實期待。
使用 No-Code/Low-Code 工具，即可如上圖方式，拖拉、架構出 AI agent（以宇鯨智能客服 AI agent 為例）
企業在開始打造 AI agent 時，常會遇到的問題不是「工具不夠多」，而是「不知道該怎麼選」。
實務上，工具選擇可以依照資料來源 → 操作工具 → 技術門檻三個層次來判斷，而不是直接比較功能。
以下提供 4 步驟選擇流程，教學企業挑選適合的工具：
▎步驟 1：先確認 AI agent 要使用的資料與系統
在選擇工具之前，最重要的是釐清：資料目前存放在哪裡？AI agent 需要操作哪些系統？
通常情況下，資料與操作工具會集中在某一個生態系，例如：Google 生態系、Microsoft 生態系。若集中度高，建議優先選擇該生態系的 AI agent 工具，整合成本會最低。
▎步驟 2：評估資料搬遷的難度
如果 AI agent 使用資料與操作工具分散在不同平台，可以用「是否需要大量搬移資料？」
這個簡單原則判斷，原因是 AI agent 的效果通常更依賴「資料完整度」，而不是工具本身功能。
▎步驟 3：確認工具是否能串接既有系統
初步選定工具後，需進一步確認：
- 是否支援 API 串接？
- 是否已有現成整合（Integration）？
- 是否需要額外開發？
這一步可以避免後期遇到雖然工具功能足夠，但無法接入企業資料的難處。
▎步驟 4：評估技術門檻（No-Code vs Low-Code）
接著再依照內部人員的數位工具程度，選擇適合工具。工具越簡單容易上手，往往能完成的任務複雜度越低，因此若是需求較複雜，需要全客製開發的話，可以尋求外部技術顧問協助。
▎各生態系常見 AI agent 工具
完成前面 4 個步驟後，這時就可以很容易的，依生態系挑選工具：
▎擴大使用 AI agent 後，進一步考慮成本因素
企業可將此階段視為「試用期」，目的是先以低成本、快速導入的方式，測試 AI agent 實際為企業帶來的效果，與期待是否符合？
No-Code/Low-code 工具容易上手的同時，往往執行成本也較高。在確認效果符合期待，希望擴大規模、頻次使用時，可由具有技術能力的專業夥伴，打造符合使用情境、且運行成本符合財務目標的工具。
▎導入建議總結
建議企業導入 AI agent 時採用以下順序，避免工具選錯、或一開始投入過高成本：
- 先用 No-Code/Low-Code 工具快速驗證
- 找出真正有 ROI 的場景
- 再進入客製化階段
