台灣企業正積極導入「AI 代理（Agentic AI）」，但目前卻面臨三大執行痛點，全球通訊平台巨頭 Infobip 台灣區業務負責人王耀煒（Daniel Wang）分析，儘管 AI 模型（LLM）運算能力大幅提升，但企業內部仍面臨數據孤島、高昂 Token 成本與認知落差的問題。
企業迎接 AI 代理時代
隨著生成式 AI 從對話式的「協助工具」，演進為具備自主執行能力的「AI 代理」，全球企業正掀起一波導入熱潮，王耀煒表示，從 MWC 2026 的產業觀察中發現，軟體商若無法從單純的「功能型工具」轉化為具備決策能力的「智慧協調層」，預計將面臨價值歸零的威脅。
王耀煒表示，過去 20 年，SaaS（軟體即服務）與 CPaaS（通訊平台即服務）的核心價值在於解決特定功能的「數位化」與「連接」，但在 AI 能夠自行編寫代碼、串接 API 的今日，單純提供「管道」或「固定功能」的軟體已無法跟上時代。
王耀煒指出，企業已厭倦只能回答問題的聊天機器人，現在尋求的是能自動化完成複雜任務的實體代理，因此未來的軟體不再只是被動的工具，而是需要具備理解意圖、跨系統調度數據，並最終完成任務的決策能力。
台灣企業導入 AI 代理三大痛點
王耀煒分享，剛落幕的 MWC 2026 中，全球通訊產業釋放明確訊號，AI 落地已從 PoC（概念驗證）邁向實質產出，而 AI 代理要真正跨出對話框，進入執行層，關鍵在於智慧協調，以台灣企業來說，雖然對 SaaS 的接受度在北亞太地區名列前茅，但目前卻面臨三大執行痛點。
王耀煒說明，首先是數據孤島與非結構化資料，因企業內部的 CRM、ERP 等系統數據分散，AI 難以跨系統獲取完整資訊，導致決策時出現「資訊斷片」或產生嚴重幻覺，再來是高昂的 Token 成本，雖然企業嚮往 AI 代理，但對於 Token 計算成本、IT 系統 API 的開放程度感到遲疑。
王耀煒補充，第三是認知落差與技術斷層，氣欸前端需求單位，如行銷、客服，對 AI 代理寄予厚望，但後端 IT 單位卻苦於不知如何建立穩定的智慧協調架構，因此 Infobip 以 AgentOS 架構，具備獲取數據、尋求方案、指派任務及執行行動來因應。
企業導入 AI 欠缺中間協調橋樑
王耀煒認為，目前在底層的模型提供者（LLMs）與頂層的應用工具之間，必須有一個具備全球覆蓋能力且能處理大規模數據執行力的協調層，而 Infobip 的目標就是成為這座橋樑，並有實際合作案例，如克羅埃西亞的第一家全數位保險公司 LAQO 就成功透過 AI 代理處理 30% 的客戶查詢。
王耀煒分析，台灣企業的痛點在於數據對接與 IT 架構的開放程度，因此 Infobip 目前正協助台灣客戶將原有的通訊流程「AI 化」，例如在遊戲業，AI 代理能根據玩家行為自動判斷最佳喚回時間與渠道，而在金融業則能透過電信大腦直接與電信商核對身份，省去繁瑣的 OTP 驗證。
王耀煒強調，面對 AI 帶來的挑戰，傳統軟體業者的未來將取決於其「連結」與「協調」的能力，並正處於軟體從「解決問題」轉變為「達成目標」的轉折點，至於 AI 代理不是要毀滅軟體，而是要重新定義軟體的價值，實際讓 AI 從單純的對話框，變成能串接企業神經系統的代理人。
（首圖來源：科技新報）
科技新報粉絲團
加入好友
訂閱免費電子報
