時間:2026年10月7日(週三)晚間7:20-9:00
地點:臺灣大學校總區,普通教學館101教室
講題: AI Agent 代理人趨勢與工作模式創新
講者: 意藍科技創辦人 楊立偉博士
楊立偉博士的演講指出，生成式 AI 正逐步從對話問答工具，發展為能結合推理與外部工具執行任務的 AI Agent（人工智慧代理）。預訓練讓模型具備廣泛的知識基礎，思考型模型則強化了問題拆解與推論能力，而工具調用讓 AI 能進一步操作試算表、查詢資料或使用企業系統。這些進展也改變了產業競爭的條件：小型團隊可以利用 AI 完成過去需要更多人力的工作，熟悉業務但不擅長程式設計的人，也有機會參與專屬軟體的開發。楊博士透過這些應用說明，領域知識、需求描述與工具運用能力，將更直接影響個人與企業能否把 AI 的潛力轉化為實際成果。
在應用能力的提升上，楊博士提出五階段的 AI 應用成熟度架構。第一階段是對話問答與提示詞技巧，學習清楚表達需求，並要求 AI 提供依據及檢視回答；第二階段是選擇合適的工具與地端模型，依工作需求評估權限、資訊安全與成本；第三階段是打造專屬工具，將明確的輸入、輸出與處理步驟轉為可重複使用的應用；第四階段是建立 Agent 與品質管制機制，透過標準答案、測試方法及檢核流程，評估成果並持續改善知識庫；第五階段則是讓多個 Agent 相互溝通、分工與交辦任務。這套架構呈現了從基本操作到工作流程整合的學習路徑，也提醒使用者，應用能力的提升必須同時考量產出品質。
在組織管理方面，楊博士強調企業需要做好「Agent Ready」的準備，讓資料與服務能被 AI 有效讀取及使用。這包括提高資訊的機器可讀性，並提供完成任務所需的企業知識與工作脈絡，使 AI 更能理解實際需求。當不同企業都能使用相近的基礎模型時，競爭差異將更取決於如何運用模型，以及如何管理它所參與的工作。管理者需要把任務拆解清楚、交代必要條件、訂定驗收標準，並從失敗案例中改善流程與知識庫。演講所描繪的 Agent 時代，因此也對人的管理能力提出更高要求：能否有效分工、檢核成果並持續改善，將影響 AI 能否穩定支援組織運作。
我現職 Google 工程經理(Engineering Manager) ，這場演講讓我收益良多。身在半導體與電子產品供應鏈與製造重鎮的台灣，下一個十年應如何進一步提升個人職能與競爭力？在伺服器產業的新產品導入工作中，需求預估、產能規劃、效能最佳化及跨區域協作彼此牽動，單一環節的變化就可能影響產品交付。我認為，我們應把既有的工程與製造經驗，結合更成熟的 AI 應用能力，例如運用 AI 整合需求與供應資訊、比較不同產能情境、分析測試及效能資料，並協助跨區域團隊掌握議題與決策背景。我們甚至能透過 AI 整理與研究跨領域知識、提出設計假設，再以模擬與實驗驗證，探索突破技術限制的可能性。未來工程人才需要在自身專業基礎上，藉由 AI 拓展跨領域知識，並學習協調多個 Agent，讓它們分別支援分析、規劃與檢核工作。管理者則需建立清楚的評估標準，由人整合結果、判斷取捨並承擔決策責任。對我而言，下一步應從具體工作問題出發，逐步累積可重複使用的AI協作經驗與智慧，讓團隊在充滿不確定性的未來能增加決策的韌性並持續創造更高的價值。
 |
作者
P15546008鄭景隆
臺灣大學工業工程學研究所碩士在職專班
「跨領域整合與創新」高階主管專班(臺大EMS)115級在學學生
|