2026年8月31日 上午 10:00
王宇老師金融科技觀測站
企業導入 AI Agent 不一定直接等於整體效率提升，關鍵仍於人的經驗需轉化為「崗位能力」，再建立人與 Agent、Agent 與 Agent 之間的協作規則。
在 2026 年的今天，AI 已從單純回答問題與整理文件的工具，進化為具備讀檔、跨系統操作與執行完整工作流程的能力。當 AI 進入客服、研發、財務與維運等實質崗位時，企業轉型的思考核心應從「能做什麼」提升至「哪些由 AI 執行、哪些由人判斷，以及如何建立高度協作的人機工作體系」。
要讓 AI Agent 要從通用工具變成崗位能力，需要將資深員工的判斷邏輯與工作流程整理成 AI 可理解、執行與檢驗的模組化「Skills」，並且讓它理解公司怎麼做事。
其中一個重要概念「Skills」，根據 Anthropic 於今年（2026 年）的研究報告顯示，將 Skill 形容為提供給 AI 的「到職手冊」，只要將一項工作的指令、流程、程式、範本與參考資料，整理成可以重複載入的模組，企業便可以把客服處理規則、系統維運程序、測試標準、財務分析方法或法遵檢核流程，逐步轉化為組織專屬的 Skills。
而 Skills 最重要的價值，是有機會解決企業「延續管理」的困境。
．傳統延續管理：過去企業建立 SOP、知識庫、教材與教育訓練，希望在資深員工退休、離職或轉換職務時，把重要知識傳給下一個人。然而，文件可以留下標準流程，卻很難完整記錄面對例外狀況時的判斷方式。
．Agent 延續管理：從「人傳人」轉向「人將經驗沉澱至 AI Agent，再由人與 Agent 共同承接」。資深同仁留下的判斷邏輯與解決問題經驗會形成「崗位 Agent」，新人接手時面對的是了解歷史、可隨時詢問的數位夥伴，新遇到的狀況亦能持續補充至原本的 Skills 中。
從個人經驗到 Skills，再從 Skills 形成崗位 Agent，人的經驗才有機會進一步成為組織可以延續的能力。
▍參考資料來源：Anthropic, Equipping agents for the real world with Agent Skills, 2025. Anthropic, Measuring AI agent autonomy in practice, 2026.
企業擁有數十個，甚至數百個崗位 Agent，不代表整體效率就會自動提升。多 Agent 體系面臨的最大瓶頸其實正是角色權責、交接與驗證的「協作管理」問題，當單一 Agent 的工作擴展至多角色網絡時，原本的工作會演變成不同 Agent 與人類間的需求提出、規劃、執行與驗證。若未明確規定授權邊界、資料正本與接棒機制，多 Agent 體系反而會引發混亂。
MIT 研究團隊 2024 年在《Nature Human Behaviour》發表的系統性回顧與統合分析，整理 106 項實驗、370 個效果量，結果發現，人與 AI 共同工作的平均表現雖然優於人單獨工作，卻不一定優於人或 AI 之中表現最好的一方。
這項研究提醒我們，把 AI 放進團隊，並不會自動產生「1＋1 大於 2」的效果。真正影響成果的，可能不只在於 AI 夠不夠聰明，更在於企業有沒有重新設計人與 AI 的分工與協作方式。
這也是「合作」與「協作」的差別。合作（Cooperation）比較接近分工，例如人準備資料、AI 產生內容，AI 完成分析後再由人判斷；協作（Collaboration）則需要人與 AI 共享同一個目標、工作脈絡與任務狀態，讓不同角色持續交棒、回饋、驗證與修正。
合作解決的是「工作怎麼分」，協作要解決的則是「分工之後，大家怎麼把同一件事情完成」。
▍參考資料來源：Vaccaro, M., Almaatouq, A., & Malone, T. (2024). When combinations of humans and AI are useful: A systematic review and meta-analysis. Nature Human Behaviour, 8, 2293–2303. DOI: 10.1038/s41562-024-02024-1. 共整理106項實驗、370個效果量，是本文「人＋AI不自然等於協作綜效」最重要的學術依據。
要讓 AI 真正深植企業組織，企業 GAI 關鍵在於推動「AI 協作治理」，將傳統依賴同仁間的口頭默契，轉化為涵蓋角色、權責、規則、工作狀態與責任歸屬的明確制度。 AI 協作治理超出傳統 AI Governance 對法規、倫理、個資與資安的關注，著重於解決人與 AI、AI 與 AI 共同工作時的運作秩序，包括誰可以授權決策、哪份資料才是正本、任務驗收條件，以及極端狀況下退回人工處理的機制。
這也是我們目前在凱衛資訊帶領研發團隊開發 Agent K 時，愈來愈重視的問題。早期我們關注 Agent 能做什麼、需要哪些 Skills，但當多個 AI 角色開始共同參與開發流程，很快就會發現影響成果的還包括規則、工作狀態、交接與驗收。
因此，在目前 Agent K 的開發制度中，我們逐漸把規則入口、長期有效的專案知識、機器可讀的工作狀態，以及人可以閱讀的規格、開發、測試與審查紀錄分開管理，不同角色依照明確流程交棒，並在工作開始之前先定義驗收條件。
圖片來源｜凱衛資訊股份有限公司提供；本圖由 AI 工具輔助生成，並經人工編修後使用。
我認為，這正是三個階段最重要的連結：
．Agent 解決的是「AI 如何工作」，
．Skills 解決的是「企業經驗如何留下」，
．協作治理解決的則是「AI 如何真正進入組織」。
未來企業 AI 的競爭，可能不再只是誰使用更強的模型、擁有更多 Agent，而是誰能更早把個人經驗轉化為崗位能力，再讓不同崗位上的人與 Agent，在共同的規則、記憶與責任機制下協作。當企業的知識傳承從個人走向崗位、再延伸至團隊與組織，AI Agent 真正翻轉企業營運的那一天，就是人與 Agent 在同一套制度下共同工作的那一天。
AI Agent 不只回答問題，還能依照目標使用工具並執行任務。一般生成式 AI 多半著重問答、摘要與內容生成；AI Agent 則進一步結合企業資料、工具、系統與工作流程，從「提供答案」逐漸走向「協助完成工作」。
崗位 Agent 與 Agent Skills 的價值，在於把個人經驗轉化為可以持續累積的組織能力。企業可以將工作流程、判斷邏輯、常見例外與參考資料整理成 Skills，讓工作經驗不只留在人員或文件中，也能持續被下一個人與 Agent 使用。
AI 協作治理是在管理人與 AI、AI 與 AI 共同工作時的角色、權責、規則、狀態與責任。當企業從單一 AI 工具走向多個崗位 Agent，就需要建立共同的交棒、驗證、授權與責任機制，才能讓 AI 真正進入企業工作流程。
下一場科技革命正在成形！量子運算結合AI，台灣如何佈局量子金融未來戰場？
．當 AI 開始自己寫程式：如何用 GAI 與 Vibe Coding 翻轉全球軟體產業價值排序？
．AI Agent時代，教育該教的還只是STEM嗎？從學會解題，到學會定義問題
．量子科技主權戰誰能勝出？台灣不能只做量子硬體，更要掌握量子軟體供應鏈
◆ 本文為專家作者觀點，不代表《今周刊》立場
王宇老師
學歷：台大食科碩士（化工組）、中正企管博士。
現任凱衛資訊股份有限公司董事長，曾深耕教育領域逾三十年，擅長將複雜知識轉化為白話內容。2018 年跨入資訊科技產業後，投入金融交易系統、AI 應用與量子運算等領域，持續關注金融科技如何影響投資決策、交易系統與產業發展，並致力於推動科技應用與人才培育。
