AI代理人競爭重心轉移:模型效能之外,企業系統成勝負關鍵

AI代理人(AI agent)競爭的重心正在轉移。過去聚焦於電腦操作能力的較量,如今轉向能否安全導入企業實際業務的系統建置。分析指出,除了模型效能本身,企業還需具備符合自身情境的權限管理、錯誤復原與驗證機制,才能真正把工作交給AI代理人處理。

安德森霍羅維茲(a16z)於2025年8月28日(當地時間)發布的文章指出,能直接操作瀏覽器與桌面環境的「電腦使用型代理人」正在擴大自動化工作的範圍。文章分析,企業現場真正重要的並非通用模型本身,而是符合企業情境的可靠性設計,以及協調長時間任務的「編排」(orchestration)能力。

所謂電腦使用型代理人,是能辨識人類使用的螢幕畫面,自行執行點擊、輸入、換頁等操作的AI系統。它在接收目標後會自行選擇所需工具,並串連多個步驟完成任務,這與只重複既定流程的傳統機器人流程自動化(RPA)有明顯差異。

這類代理人適用的場景包括文件搜尋、將資料輸入客戶關係管理系統(CRM)、公司內部通訊軟體通知,以及需要在多個程式間切換的報告撰寫工作。企業業務往往牽涉存取權限、例外處理、稽核紀錄與人工核准程序,光靠操作畫面的能力,很難把整套流程完全自動化。

根據OSWorld官方論文,在369項真實電腦操作任務中,人類的完成率為72.36%,當時表現最佳的模型成功率僅12.24%。OSWorld是用來衡量AI在真實作業系統環境中處理檔案、應用程式與網頁能力的基準測試。

OpenAI於2025年1月23日(當地時間)公布,旗下「電腦使用代理人」(Computer-Using Agent,CUA)在OSWorld測試中拿下38.1%、WebArena測試中拿下58.1%、WebVoyager測試中則達到87%。這些數字顯示,能直接操作電腦的模型已從研究階段跨入產品化階段。

不過,即便測試的都是電腦操作能力,只要基準測試版本、任務組成與執行環境(harness)不同,結果就難以直接比較。原始論文、OSWorld-Verified版本與各家業者自行複測所採用的條件並不相同,因此在引用效能數字時,也應同時說明採用的評測基準。

評論:企業導入AI代理人時遭遇的瓶頸,很難只靠模型分數解釋。即使取得效能出色的模型,若缺乏能即時提供必要情境、驗證執行結果、並在任務失敗時進行復原的系統,仍難以在正式營運環境中穩定運作。

微軟(MSFT)於2026年6月2日公布的文章指出,企業真正需要的不只是強大的模型或運算資源,而是能建置、部署、監測並管控代理人的完整系統。文章將「情境」(context)、「治理」(governance)、「可觀測性」(observability)與「持續改善」列為導入正式營運環境的四項主要條件。

OpenAI也在2026年6月25日公布的文章中說明,代理人的使用方式正從單次問答,轉變為委託長時間任務。隨著作業時間拉長,中途驗證結果、限制權限,以及任務失敗時轉交人工處理的程序也變得愈加重要。

資安是企業用AI代理人必須解決的另一項課題。當代理人被賦予讀寫公司內部文件與業務系統的權限,運用必要情境資訊的能力提升的同時,敏感資訊外洩的風險也隨之增加。

微軟研究院(Microsoft Research)的CI-Work研究指出,企業用大型語言模型(LLM)代理人的隱私侵犯比率介於15.8%至50.9%之間,資訊外洩比率最高達26.7%。研究團隊的結論是,單靠擴大模型規模或加深推理深度,無法解決依情境而生的資訊外洩問題。

業界目前存在兩種看法:一派認為透過畫面與瀏覽器操作的代理人,只是銜接既有軟體的過渡方案;另一派則認為,代理人像人類一樣直接操作既有工具的方式終將成為主流。但兩派看法有一項共識——實際導入時都需要存取控制、防護機制與執行結果驗證。

企業內部也持續嘗試建立代理人運作架構。Coinbase(COIN)的內部AI系統即採用雲端沙盒、子代理人協調與自動化任務生成架構,這類系統設計為模型執行多階段任務時劃分執行範圍與責任歸屬提供了基礎。

在虛擬資產領域,AI代理人真正的關聯點並非價格是否受惠,而是身分驗證、權限與稽核體系該如何設計。目前已有相關聯合研究著手驗證自主交易AI代理人的身分與允許操作範圍,顯示隨著代理人愈加深入企業業務與數位資產基礎設施,控管體系的重要性也隨之提高。

查證來源:安德森霍羅維茲、OSWorld、OpenAI CUA、OpenAI Agents、微軟部落格、微軟研究院