Skip to main content

AI

2026 年 7 月 8 日

 

人工智能代理已準備就緒,可採取行動。大多數系統尚未準備好信任他們

以下是阻礙人工智能從試點階段走向日常應用的五大組織挑戰。

Kaushik Gopal profile photo

Kaushik Gopal

Executive Vice President, Business & Market Insights, Mastercard

大多數機構沒有 AI 創新問題。他們有規模化問題。各行各業的公司過去幾年一直在試驗 AI 試點專案,然而許多公司仍在努力從有前景的概念驗證轉向實際部署。

障礙很少是缺乏抱負——全球私人對 AI 的投資在 2014 年至 2024 年間增長了十三倍以上。更常見的情況是,領導者尚未建立大規模信任 AI(尤其是代理式 AI)所需的條件:包括文化、安全性、問責制、治理和資料準備度。

信任並非建立在單一控制或政策之上。這取決於組織如何同時在多個維度上建立信任。公司可能擁有複雜的人工智能模型,但治理薄弱;具備強大的安全控制,但勞動力準備有限;或擁有高品質數據,但責任不明。那些取得最大進展的企業不一定部署更多人工智能:他們是同時在所有這些維度上取得進展。

機構只有當他們能回答這五個問題時,才能建立將洞察轉化為行動所需的信任。

 

人們知道如何應用 AI 嗎?

在整個行業中,我們看到最持續的訊號之一,是領導層對 AI 的熱情與員工對 AI 應如何使用的理解之間存在脫節。這種差距可能導致採用困難。要求這些團隊擁抱 AI,不僅需要為他們提供新工具的存取權限。他們需要了解 AI 應如何使用、它能在哪裡增加價值,以及它將如何改變他們的工作方式。

這始於清晰的溝通。儘管高層對人工智能的態度迅速轉變,但這種情緒不總能傳遞到其團隊成員。根據湯森路透研究院的《2026 年專業服務人工智能報告》,近 40% 的專業人士表示,他們從領導層和客戶那裡收到了關於人工智能使用的相互矛盾的指示。

領導者可以透過超越廣泛的 AI 任務指令,並為員工提供何時使用 AI、應在工作流程的何處應用 AI 以及何處仍需要人類判斷的實用指導,來彌補這一差距。當員工理解 AI 如何支援他們的工作以及對他們有何期望時,企業就能從實驗階段邁向採用。

 

這名代理人是否應被允許這樣做?

隨著 AI 代理人越來越接近決策和執行,問題從它們能否生成分析,轉變為它們是否值得信任採取行動。

這就是為什麼安全、私隱和負責任的使用需要從一開始就融入營運模式中。對於企業而言,這意味著在代理人獲准存取數據或承擔更複雜的任務之前,必須建立保障措施來保護敏感資訊並明確責任歸屬。

從根本上說,這是一個身份和存取挑戰。在 AI 代理能夠擷取資訊、發起付款或與客戶互動之前,組織需要確信代理的本質是什麼、它可以存取哪些系統以及它被授予了哪些權限。如果貴公司不信任它,您又怎能指望您的客戶會信任呢?

 

誰擁有結果?

隨著人工智能代理承擔更多自主職責,組織面臨著一個不同的障礙:確定當代理做出決策、執行任務或產生意想不到的結果時,誰應負責。

儘管許多公司對部署代理感興趣,但根據 Cisco 2025 年的 AI 準備度報告,只有 32% 的公司表示他們已將代理納入勞動力規劃中。若無清晰的擁有權結構,企業便存在決策、監督和問責方面產生不確定性的風險。

領導者需要為 AI 輔助工作建立清晰的權責模型,闡明哪些決策可以委派給代理,哪些地方仍需人類判斷,以及當系統行為出乎意料時應如何升級處理。能夠成功擴展自主式 AI 的組織,將是那些願意採取額外措施重新設計現有工作流程的組織,使人類和 AI 能夠以更清晰的角色、責任和期望共同運作。

 

我們如何知道它已準備好採取行動?

一旦機構確立了問責制,一個新問題便會出現:您如何知道人工智能代理何時已準備好進入現實世界?

企業需要方法來測試績效、評估結果並了解代理人如何行事,然後才將客戶互動、營運流程或關鍵業務決策委託給他們。重點不應放在建立代理人,而是應採取正確的步驟來驗證代理人能否在廣泛情境下可靠、一致且安全地執行。

在代理人獲得信任並大規模部署之前,企業越來越希望有能力評估績效、找出故障點並優化控制的環境。這是 Mastercard 打造 Agent Suite 的原因之一,它協助企業從試點走向可信賴的部署,也是我們最近透過 Proto 擴展它的原因;Proto 是一個沙盒環境,用於在將代理式 AI 用例引入生產工作流程之前,進行探索、測試和驗證。Mastercard 亦推出三款全新的 AI 代理人,旨在支援重要的企業職能:商戶、入職和爭議管理。總體而言,這些功能可協助企業找出 AI 如何推動業務價值,同時在安全且受規管的框架內擴展規模。

 

它是否具備所需的資訊?

即使是處理採納、安全和管治的組織,也常常遇到另一個障礙:AI 代理只能根據它們理解的資訊行事——然後,當代理實時運作時,在明確的權限下,正確的數據才能安全地被使用。

然而,許多機構仍營運著數據零散、格式不一致且工作流程不連貫的系統。雖然人類通常能夠彌補這些落差,但當資訊不完整、相互衝突或難以存取時,AI 代理人則會遇到困難。這可能意味著減少部門隔閡、清理不一致的數據,並修復零散的流程,否則可能會限制人工智能按預期運作的能力。

 

值得信賴的 AI 行動可能會Become企業最重要的競爭優勢之一。並非因為機構能建立 AI,而是因為機構能信賴 AI。

Kaushik Gopal
   高希克・戈帕爾

 

在代理環境中,資料品質直接影響決策品質。如果代理無法可靠地理解他們面前的資訊,那麼他們也無法可靠地依據該資訊採取行動。為加快這一轉型,Mastercard 通過讓專注於商業智能和數據驅動能力的企業參與其屢獲殊榮的初創企業參與計劃 Start Path,進一步深化了其重點。

過去十年來,Start Path 已接納來自超過 60 個國家的 500 多間公司,透過結合實務支援以及接觸 Mastercard 的全球網絡和客戶,協助它們擴展業務。對能幫助客戶將數據轉化為可操作情報的初創企業日益增加的關注,有助於做出更明智的決策、提升績效並支援即時行動——進而建立所需的信心,將 AI 從孤立狀態融入日常應用。

未來數年,值得信賴的 AI 行動可能 Become 業務上最重要的競爭優勢之一。並非因為機構能建立 AI,而是因為機構能信賴 AI。

認識 Start Path 的業務及市場洞察初創公司

   

Luca AI

Luca AI 是一個具備 AI 功能的數碼團隊成員,透過單一對話式分析介面,整合銷售、市場推廣、財務和營運。透過這個統一視圖,中小企能夠取得整個業務的實時洞察,幫助他們發現商機、提高效率,並更有信心地做出日常業務決策。Mastercard 已與 Luca AI 合作,透過 Mastercard Business Bonus 向歐洲商務卡持卡人提供這些功能,並正在探索其技術如何進一步支援中小企發卡機構的代理驅動活動。

Luca AI 標誌

    

Yabx

Yabx 利用 AI 驅動的智能、low-code, no-code 貸款基礎設施,並利用另類數據,與銀行、金融科技公司、支付公司、商戶聚合商及其他生態系統參與者合作,在新興市場提供可擴展、風險受控的數碼貸款。Mastercard 正與中東及非洲的發卡機構合作,將流動錢包和電訊資訊等另類信貸數據納入信貸風險評估,以實現更具包容性的發卡和改善金融服務的可及性。

yabx 標誌

   

BizMachine

BizMachine 提供一個 B2B 銷售情報平台,幫助公司識別並獲取新業務客戶。透過結合 BizMachine 和 Mastercard 的專有洞見,此合作夥伴關係使歐洲收單機構及其他支付生態系統參與者能夠識別高潛力商戶。

BizMachine 標誌

Guestologie

Guestologie 讓餐廳能夠即時提供精準的待客服務,因為持久的忠誠度是在餐廳裡,透過一次又一次的個性化體驗建立起來的。

Guestologie 標誌