圣洋科技于台湾人工智能年会解析Agentic系统导入之道 智能应用 影音
D Book
231
Event
member

圣洋科技于台湾人工智能年会解析Agentic系统导入之道

  • 周建勳台北

cacaFly圣洋科技受邀参加由台湾人工智能学校主办的2025台湾人工智能年会。圣洋科技
cacaFly圣洋科技受邀参加由台湾人工智能学校主办的2025台湾人工智能年会。圣洋科技

生成式AI带动企业数码转型浪潮持续升温,各界不再满足于单一任务型的AI应用,而是期盼AI能真正成为具备主动决策与多工能力的「智能代理人」(Agentic AI)。

cacaFly圣洋科技受邀参加由台湾人工智能学校(Taiwan AI Academy)主办的2025台湾人工智能年会,今年以「台湾AI竞争力」为主题,汇聚产官学研专家共同探讨 AI 在企业及社会的落地应用与未来发展趋势。

圣洋科技技术副总吴振和提到,要让AI真正成为能「做事」的智能代理人,前提是它必须理解企业内部的脉络与知识,并实时掌握外部变动的信息。圣洋科技

圣洋科技技术副总吴振和提到,要让AI真正成为能「做事」的智能代理人,前提是它必须理解企业内部的脉络与知识,并实时掌握外部变动的信息。圣洋科技

圣洋科技技术副总吴振和将导入Agentic系统工程的历程,归纳为三个关键阶段。圣洋科技

圣洋科技技术副总吴振和将导入Agentic系统工程的历程,归纳为三个关键阶段。圣洋科技

cacaFly圣洋科技技术副总吴振和CH Wu于会中以「Agentic系统工程:从PoC到Production的实践与挑战」为题,深入剖析企业如何从概念验证(PoC)阶段逐步推进到实际上线(Production),并分享实务经验与挑战观察。

解锁Agentic AI:企业迈向多任务智能代理的愿景

CH指出,企业对AI的期待已经从单一任务辅助,跃升为期望AI能够自主处理多工任务,并串联不同角色的工作流程。然而,要让AI真正成为能「做事」的智能代理人,前提是它必须理解企业内部的脉络与知识,并实时掌握外部变动的信息。 

「很多公司会问,One AI要做什麽事?但实际上,若要让AI回答公司内部政策或新法条的相关问题,仅靠基础模型并不足够。」CH表示,企业必须先厘清内部规范是否与最新法规相符,这意味着系统必须具备持续爬取与解析最新数据的能力。

为此,企业必须先截取与整理内容,再建构成专属的知识库(Knowledge Base),确保数据品质达到可用标准后,再透过检索增强生成(Retrieval-Augmented Generation;RAG)技术,使AI能够实时动态查询并生成符合企业语境的回答。

他强调,这是一个动态循环:从数据蒐集、品质控管、知识库建构到生成应用,每一环都息息相关,任何一处松动都会影响最终产出的准确性与可信度。

PoC只是起点:从验证走向落地的三个关键阶段

CH进一步指出,许多企业对AI寄予厚望,因此常将PoC视为年度计划的重点,希望能「一次到位」做出具体成果。然而,他提醒,若缺乏清楚的系统工程思维,PoC容易沦为「概念展示」,难以真正走入组织的日常营运。

CH将导Agentic系统工程的历程,归纳为三个关键阶段:

第一阶段:可行性评估(Feasibility Study):企业必须在投入资源前,先明确界定「最需要被AI解决的关键问题」是什麽,并进一步设计可量化的验证指标。这不仅包括评估技术实作的可行性,更要从商业目标出发,厘清导入AI的具体使用情境、预期成效与风险边界,如此才能确保后续模型选型与数据蒐集方向正确对齐业务需求。

第二阶段:系统设计与验证(Design & PoC):在确定导入方向后,必须规划清楚数据蒐集与整理流程,确保知识库的内容具备正确性、完整性与时效性。CH特别强调,这个阶段不能只追求展示效果,而应以「产品化思维」来构筑PoC,使其具备可扩充性、可维护性及安全性,才能为后续上线打下基础。

第三阶段:产品化与营运(Production & Operation):当PoC验证完成后,进入正式上线阶段,挑战也随之而来。除了需要整合企业内部系统与流程,还必须建立持续监控与维运机制,确保模型表现随时间演进不会劣化,并能快速回应法规变动或数据更新的需求。CH指出,这往往是最容易被低估、但也是最考验企业组织能力的关键环节。

模型评估关键:打造高品质「黄金数据集」

CH在演讲中特别强调,要让Agentic系统工程真正发挥效益,企业必须先建立一套高品质的「黄金数据集(Golden Dataset)」,作为模型评估与优化的根基。他指出,黄金数据集的价值在于能为模型选择与前测提供客观依据,让团队能针对不同任务挑选最适合的模型,避免导入初期就误踩方向。

同时,黄金数据集也能协助团队识别模型的常见错误与脆弱点,进而快速回应「模型飘移(Model Drift)」的风险。

CH说明,所谓模型飘移,指的是即使模型本身未经改版,效能也可能随着环境与数据变动而突然下降,导致原本表现良好的模型出现偏差。透过持续比对模型预测与黄金数据集结果,团队才能实时察觉效能衰退,并进行迭代更新,确保系统长期稳定运作。

建立正确心态:PoC不是终点  而是长期工程的起点

CH分享,在实际辅导企业导入AI的经验中,最常见的挑战源于「期待落差」问题。许多企业误认为概念验证(PoC)阶段即可呈现完整的产品原型,然而实际情况显示,若企业未能建立完善的数据架构与流程基础设施,即使短期内展现亮眼成效,亦难以确保长期营运的稳定性与可持续性。

他呼吁企业在规划AI导入时,应采取渐进式策略,从小规模应用场景着手,逐步扩展至核心业务领域。企业应将PoC定位为整体产品开发生命周期的重要环节,而非独立的一次性专案。

AI的导入不仅是一场技术升级,更是企业组织文化与决策流程的转型工程。唯有从数据治理、流程优化到人才培训同步布局,才能确保AI能在企业内部真正「落地生根」,创造长期商业价值。

若企业对于AI的导入与应用有更多想法与讨论需求,欢迎与cacaFly专业顾问团队联系,携手探索最契合企业需求的AI应用方案,迈向多任务AI的新时代。