跳至主要內容

Kaushik Gopal

Executive Vice President, Business & Market Insights

2026 年 7 月 8 日

 

代理式AI時代,組織最大的挑戰不是技術,而是信任


Golden light streaks spreading across a black background.

五大組織挑戰,正在阻礙AI從試行走向日常應用。

對許多組織而言,當前面臨的並不是AI創新不足,而是規模化應用能力不足。過去幾年,各行各業都在積極推進AI試行,但不少企業仍難以將具有潛力的概念驗證,真正轉化為實際業務中的部署與應用。阻礙並非來自雄心不足。2014年至2024年間,全球AI領域的私人投資成長超過13倍。更常見的問題是,企業尚未建立規模化應用AI,尤其是代理式AI所需的信任基礎,包括組織文化、安全機制、問責制度、治理架構,以及數據是否已具備可供AI有效運用的條件。

對代理式AI的信任並不是依靠單一控制措施或一項政策就能建立起來的,它需要企業在多個面向同時建立信心。有些企業擁有先進的AI模型,卻缺乏健全治理;有些企業安全控制嚴格,員工準備度卻不足;還有些企業數據品質較高,權責劃分卻不清楚。真正走在前面的企業,未必部署更多AI,卻能在上述各個面向同步推進。企業唯有回答以下五個問題,才能建立起從洞察走向行動所需的信任。

員工是否知道如何與AI協作?

當前整個產業最突出的現象之一,是管理階層對AI的熱情與員工對AI的理解之間存在明顯落差。這樣的認知落差,可能增加AI實際應用的難度。推動員工採用AI,並不僅僅意味著為他們提供新的工具,更重要的是幫助他們理解AI應該應用於哪些情境、能夠創造怎樣的價值,以及將如何改變工作方式。

這一切首先始於清楚的溝通,儘管企業高階主管對於AI的認識和態度正在迅速轉變,但這種認知並不一定能夠順利傳達給團隊成員。據湯森路透研究所《2026年AI專業服務報告》,近40%的專業人士表示,他們曾收到來自管理階層和客戶相互矛盾的AI使用指引。

因此,企業管理階層不能只停留在概括性的AI規定,為員工提供更具體、更可操作的指引,包括什麼時候應該使用AI、哪些環節適合導入AI,以及哪些決策仍需要依賴人的判斷。當員工真正理解AI如何幫助自己完成工作,以及組織對他們的期待時,企業才有可能從試行階段走向實際採用。

代理式AI是否應該被賦予這項權限?

隨著代理式AI逐步參與決策與執行,企業關注的問題也隨之改變,從AI能否產生洞察,進一步延伸至是否能信任AI採取行動。因此,安全、隱私保護及AI的負責任使用,都必須從一開始就納入企業營運體系。企業需要建立明確的防護機制,在讓代理式AI存取數據或承擔更複雜的任務前,妥善保護敏感資訊並釐清責任歸屬。這本質上是一項身分與權限管理的課題,在代理式AI檢索資訊、發起支付或與客戶互動之前,企業必須清楚掌握其身分、可存取的系統,以及所擁有的權限。企業若無法先建立對代理式AI的信任,也很難期待客戶信任它。

誰為結果負責?

當代理式AI承擔越來越多自主任務時,企業將面臨另一個重要問題。當代理式AI做出決策、執行任務或產生意外結果時,最終由誰負責?根據思科《2025年AI應用成熟度報告》,儘管許多公司有意部署代理式AI,但只有32%真正將其納入人力規劃。缺乏清楚的權責結構,會導致企業在決策、監督和問責上陷入不確定性。

企業管理階層需要建立清楚的AI權責體系,界定哪些決策可交由代理式AI完成、哪些環節必須保留人的判斷,以及在系統出現異常時應如何升級處理。要成功規模化部署代理式AI,企業還需要進一步重新設計既有工作流程,讓人與AI以更清楚的角色、職責和期待協作。

如何判斷代理式AI已準備就緒?

一旦企業建立起清楚的責任機制,一個新問題隨之而來。如何判斷代理式AI已經具備進入實際業務情境的能力?企業需要建立適當的方法,在將代理式AI用於客戶互動、營運流程或關鍵業務決策前,測試其效能、評估結果並了解其行為。重點不在於打造出一個代理式AI,而是採取適當步驟,驗證它能否在各種情境下穩定、可靠且安全地運作。

正因如此,越來越多企業希望擁有能夠測試效能、找出可能失效的環節並持續優化控制措施。萬事達卡推出了Mastercard Agent Suite,並透過Proto沙盒環境進一步擴展其能力,以協助企業在將代理式AI導入正式營運流程之前進行探索、測試與驗證,從而推動AI從試行階段邁向可信賴的部署。

與此同時,萬事達卡還推出了面向商戶管理、客戶導入和爭議處理等重要業務情境的三款代理式AI。透過這些能力,企業能夠更清楚地識別AI創造商業價值的機會,並在安全且具備治理保障的架構下實現規模化應用。

代理式AI是否擁有完成任務所需的資訊?

即使解決了部署、安全和治理問題,企業仍經常遇到另一項障礙。代理式AI只能根據其所理解的資訊採取行動。這意味著,要讓代理式AI在即時情境中有效運作,正確的數據不僅要能夠取得,還必須在清楚授權和安全保障下被有效使用。但許多企業的數據仍分散在不同系統中,格式不一致,工作流程也彼此脫節。人通常能夠憑藉經驗彌補這些缺口,但代理式AI在資訊不完整、相互矛盾或難以存取時則會陷入困境。因此,企業需要進一步減少數據孤島、改善數據不一致的問題,並修正可能限制AI按預期運作的零散流程。

在代理式AI時代中,數據品質直接影響決策品質,如果代理式AI無法有效理解其所面對的資訊,也就無法可靠地採取行動。為加速這項轉變,萬事達卡旗下屢獲殊榮的新創計畫Start Path正進一步聚焦於商業智慧和數據驅動能力領域的新創企業。

過去十年,Start Path已迎來來自全球60多個國家的500多家公司,透過實務支援,以及連結萬事達卡全球網路與客戶資源,協助其擴大規模。進一步聚焦於能協助客戶將數據轉化為可執行洞察的新創企業,有助於改善決策、提升營運績效並支援即時行動,進而建立企業對AI的信心,讓AI從個別應用逐步融入日常營運。

未來幾年,值得信賴的AI執行能力或將成為商業領域最重要的競爭優勢之一。組織建構AI的能力本身不足以形成差異,能否真正信賴AI才是差異所在。


關於萬事達卡 About Mastercard

萬事達卡致力於「驅動經濟,賦能民眾」。在全球超過200個國家和地區,我們正與客戶攜手共建富有韌性的全球經濟,讓人人皆能在其中繁榮發展。我們提供廣泛和多元的數位支付選擇,確保每一筆交易安全、智能和便捷。透過整合創新科技、合作夥伴和網絡資源,我們打造匠心獨具的產品與服務組合,賦能個人、企業機構與政府部門釋放無價潛能。

www.mastercard.com