在這個 AI 技術迅速演進的時代，企業面臨的不只是單純的數位轉型，更是如何運用智能技術實現真正的業務成長。波士頓顧問集團(BCG)提出的 AI 轉型策略方向，讓我們看見 AI 為企業創造價值的多元路徑。但對於正在成長的企業來說，AI 轉型的核心不僅僅是技術導入，而是如何解決實際的營運挑戰，特別是在當前缺工、缺才與高流動率的環境下，打造自己的 AI Agent 可能是最具前瞻性的競爭優勢來源。
AI 轉型的三大切入點：從提升生產力到重塑商業模式
根據波士頓顧問集團(BCG)的建議，企業可以從三個不同面向切入 AI 轉型，這三個面向按照對企業影響的深度由淺入深分別是：
- 提升例行任務生產力：運用 AI 技術加速現有工作流程，讓原本就在做的事情變得更快、更好、更有效率。這種應用通常能帶來10-20%的生產力提升，是最簡單也最容易看到立即效益的切入點。
- 重塑工作方式：當原本需要人工完成的工作大部分可以交由 AI 處理時，相關職務的內容和流程將發生根本性變化。這種轉變可能帶來30-50%的效率提升，但同時也需要重新設計工作流程和員工角色。
- 打造新商業模式：將 AI 技術融入企業的核心價值主張中，創造全新的商業模式。例如，將傳統的標準化教學轉變為由AI提供的個人化學習體驗，這不僅改變了服務交付方式，更從根本上重塑了企業的獲利模式。
這三種切入點的影響程度由小到大，實施難度和所需資源也逐步增加。對不同發展階段的企業來說，最適合的切入點會有所不同。然而，我們在實際諮詢過程中發現，對大多數企業而言，選擇AI轉型的切入點時，關鍵不在於技術的先進性，而在於能否解決企業當前面臨的實際問題。
現實挑戰：缺工、缺才與高流動率的三重壓力
當我們深入了解企業為什麼開始考慮AI轉型時，發現一個共通的背景：缺工、缺才與高流動率的三重挑戰正在成為阻礙企業成長的關鍵障礙。
缺工是最基本的問題—企業找不到足夠的人力來支撐業務擴張。即使願意提供培訓，但人才市場上適合的人選本就有限。
缺才則是更進一步的挑戰—對於需要特定技能的職位，不僅要解決有沒有人的問題，還要確保這些人具備必要的專業能力。這涉及更複雜的招募策略和更高的人才培養成本。
高流動率則是讓前兩個問題更加棘手的因素—好不容易招到人、培訓完成，卻又因各種原因離職，企業需要重新開始招聘培訓的循環，造成資源的巨大浪費和業務連續性的中斷。
在這樣的環境下，企業管理者的首要任務已經不是如何提升績效，而是如何確保基本營運的穩定性。
「在能變得更好之前，我們必須先確保不會變得更糟。」
尤其對正處於成長期的企業來說，這個挑戰更為嚴峻。傳統上，企業擴張意味著增加人力，但在當前環境下，「加人」策略遇到了前所未有的阻力。這促使企業開始思考另一條路徑：如果無法有效地「加人」，是否可以通過「加 AI」來實現規模化成長？
數位員工時代：AI Agent 如何改變企業運作模式
「加 AI」聽起來簡單，實際上是指什麼？這就引出了 AI Agent 的概念，也被稱為「數位員工」(Digital Labor)。
AI Agent 不同於我們熟悉的單一功能 AI 工具，它是一種能夠理解業務目標、制定達成計劃、整合各種工具資源、自主執行任務並從結果中學習優化的智能系統。換句話說，它具備了我們期望一個優秀人類員工應有的基本能力：理解、計劃、執行與學習。
這聽起來像是科幻電影中的情節，但實際上這個未來已經不遠了。NVIDIA 的執行長黃仁勳在2025年的 CES 開幕演說中就宣告，2025年將是「AI Agent 元年」。市場研究機構 Gartner 也在2024年的評估中指出，生成式 AI 技術將在2-5年內達到成熟，而 AI Agent 正是建立在生成式 AI 技術基礎上的應用。
不過，對於這類趨勢預測，我們應該持保留態度—技術成熟度的評估和實際商業應用之間往往存在差距。更重要的是理解，我們現在已經處於 AI Agent 發展的哪個階段，以及下一步的發展方向是什麼。
從理論到實踐：AI Agent的三個發展階段
為了讓概念更具體，我們可以以「業務報價」這個常見的工作任務為例，說明 AI Agent 的三個發展階段：
第一階段：AI 動腦不動手（認知協作）
在這個階段，AI 系統主要負責資訊處理和決策支援，但不直接執行操作任務。例如，當收到客戶詢價單後，AI 可以分析和分類報價單內容，生成一份結構化的資訊摘要，但最終還是由人類員工根據這些資訊製作正式報價單。
AI 在這個階段的角色相當於一個高效的助手，它幫助人類更快地理解信息並做出決策，但執行權仍然在人類手中。這已經能夠顯著提高工作效率，特別是在涉及大量資訊處理的任務中。
第二階段：AI 動腦也動手（智能自動化）
第二階段是將 AI 的分析能力與自動化執行能力相結合。在業務報價的例子中，系統不僅能分析詢價單內容，還能直接根據分析結果自動生成報價單，並將其輸入到企業資源規劃（ERP）系統中。
從使用者的角度來看，整個流程變得極為簡化：詢價單進來，報價單自動生成。中間的複雜過程由AI助手完全接管，大幅減少了人工干預的需要。
這種「AI+自動化」的組合已經在許多企業中得到應用，只要基礎的資訊流是連貫的，這類系統就能有效運作。值得注意的是，這個階段的 AI 系統仍然是按照預設的流程和規則運作，缺乏真正的適應性和自主性。
第三階段：AI 自主完成任務鏈（真正的數位員工）
第三階段代表了 AI Agent 的理想形態。在這個階段，AI 系統能夠自主處理從接收詢價到完成整個銷售流程的所有環節。例如，它可以接收客戶的詢價單，自行分析內容，製作報價單，直接發送給客戶，處理客戶的回饋（包括修改請求），並最終完成訂單的歸檔或進入下一階段的處理。
與第二階段不同的是，這裡不再有預先設定的固定流程，AI 系統能夠根據具體情境自主決定下一步行動。例如，當客戶對報價單提出修改要求時，系統能夠理解這不是一個簡單的「按原計劃進行」的情況，而需要返回到報價階段重新開始。
當然，即使在這個階段，人類仍然扮演著監督和最終審核的角色，特別是在關鍵決策點上。AI Agent 並非完全取代人類，而是在人類設定的框架內，承擔起大部分日常運作的責任。
目前，大多數企業的 AI 應用還處於第一階段或剛進入第二階段，而第三階段的完全實現，可能還需要一些時間。然而，技術的進步正在加速從第二階段向第三階段的演進。
每個企業對這一發展時間表的判斷可能不同，這取決於其所處行業、業務性質以及與 AI 工具協作的經驗。無論如何，面向未來5-10年的規劃，將 AI Agent 納入企業戰略已經成為有遠見的管理者的共識。
廣數據：成長型企業的隱藏資產
如果說未來的企業競爭力在於擁有自己的 AI Agent，那麼今天的企業應該從哪裡開始準備呢？
答案其實很簡單，只需要兩件事：
- 專注於核心業務和客戶關係，這是企業的基本盈利能力所在
- 將企業知識轉化為 AI 可利用的數據資產
特別是第二點，值得我們深入討論。為什麼現在是成長型企業導入 AI 的黃金時代？這與「廣數據」(Wide Data)的概念密切相關。
由於大型語言模型(LLM)技術的突破，許多過去難以處理的數據類型現在已經變得可用，如文本、圖片、檔案和表格等。這些正是企業中最常見的數據形式，包含了企業的專業知識、客戶關係記錄和運營流程細節。
這些「廣數據」有三個關鍵特徵：
- 每家企業都已經擁有
- 現在就能被利用
- 數量龐大（據估計，這類數據佔企業總數據量的50%-80%）
正是因為這個技術突破，AI 不再是只有大型企業才能負擔的奢侈品。相比傳統 AI 需要的大量結構化數據和高昂的計算資源，生成式 AI 能夠更有效地利用成長型企業已經擁有的「廣數據」，讓這些企業也能快速、靈活地導入 AI 應用，創造競爭優勢。
換句話說，許多企業原本以為自己缺乏數據資產，但實際上是坐擁金山而不自知。
暗數據的挑戰：數據品質與流程優化
然而，企業的「廣數據」現狀往往是「既廣且暗」。所謂「暗數據」(Dark Data)，是指那些被收集但未被有效利用的數據，就像一個雜亂無章的倉庫，東西雖多但難以找到所需。
企業電子郵件系統是典型的暗數據寶庫—內含大量有價值的信息，但分散且缺乏組織結構，難以系統性地挖掘利用。這導致了兩個核心問題：
- 企業實際擁有的可用數據遠少於表面上看到的數據量
- 將暗數據轉化為可用數據的清理成本很高
要建立有效的 AI Agent，廣數據就不能停留在暗數據的狀態。這需要通過優化業務流程，確保在日常運營中產生的數據能以高品質的方式被記錄和保存。
以業務報價為例，許多企業的報價單細項常常填寫隨意，缺乏統一標準。一份報價單可能包含數十甚至上百個項目，因此業務人員往往選擇粗略地「打包」報價，而不是詳細列出每一項。
這種做法雖然暫時省事，但導致後續流程中的諸多問題：採購部門無法準確對應所需物料、生產部門無法精確計算原料需求量、倉庫無法自動管理庫存水平。在這種情況下，報價單雖然存在，但實質上是一種「暗數據」—數量很多，但缺乏實用價值。
如何對這些項目進行分類和管理的知識，正是企業的核心專業知識(Know-how)。要讓 AI Agent 能夠有效執行報價任務，就必須將這些決策邏輯提取出來，並系統化地編入流程。
因此，數據永遠不應該被孤立看待。它與業務流程和用戶體驗(UX)緊密相連—優化流程和使用者介面的方式，決定了能否高效地收集高品質數據。這就是為什麼在企業運營中，資料和流程是相輔相成的關係：如果流程設計完善，自然會產生 AI 系統所需的優質數據；反之，如果數據品質不佳，往往意味著某些流程環節需要調整優化。
立即行動：打造企業專屬 AI Agent 的兩大關鍵步驟
面對 AI Agent 的未來趨勢，企業今天該如何開始行動？我們建議從以下兩個關鍵步驟著手：
1. 強化核心業務與客戶關係
即使是在AI快速發展的時代，企業的基礎競爭力仍來自於其核心業務能力和深厚的客戶關係。這些是任何技術都無法取代的資產，也是未來 AI 應用的重要基礎。因此，持續投資於產品/服務品質的提升和客戶關係的深化，始終是首要任務。
2. 系統化收集並結構化企業知識
企業應該立即開始將日常運營中產生的「知識」轉化為 AI 可用的「數據資產」。這包括：
- 建立統一的數據標準：從最基本的產品編碼、客戶分類、流程定義開始，確保全公司使用一致的語言和標準。
- 優化數據收集流程：重新設計關鍵業務流程，使其能夠自然地產生高品質數據，而不增加員工的工作負擔。
- 積極導入數據管理工具：從簡單的共享資料庫到更複雜的知識管理系統，根據企業規模和需求選擇適合的工具。
- 制定數據治理政策：明確數據的所有權、使用權限和品質標準，確保數據資產能夠持續積累並保持價值。
這些努力的回報可能不會立竿見影，但在未來3-5年內，擁有結構化企業知識的公司將比競爭對手擁有顯著優勢—它們能夠更快地部署有效的 AI Agent，實現更高水平的自動化和智能化。
結論：AI Agent 是企業未來五年的關鍵競爭力
綜合來看，雖然通用 AI 工具（如 ChatGPT 等）在短期內可能會為企業帶來一些效率提升，但真正具有持久競爭優勢的，將是那些能夠打造專屬 AI Agent 的企業。
在未來5-10年的視野中，AI 將在企業運營中扮演越來越核心的角色。那些今天就開始為此做準備的企業，將能夠在這場轉型中搶得先機，不僅解決當前的缺工缺才挑戰，更能實現長期的規模化增長。
「當其他企業還在為招聘和培訓而煩惱時，我們已經在培養自己的數位員工團隊了。」
宇鯨科技作為 AI 轉型的專業合作夥伴，致力於幫助成長型企業在這個關鍵轉折點上，找到最適合自己的 AI 策略，並將企業的廣數據轉化為真正的競爭優勢。因為我們相信，在 AI 時代，未來的競爭力不僅來自於使用什麼技術，更來自於你的 AI 有多瞭解你的業務。
如果您想了解更多關於如何為企業打造專屬 AI Agent，或是評估您企業的「廣數據」潛力，歡迎與我們聯繫。
