跳至主要內容

AI

2026 年 7 月 8 日

 

AI 代理人已準備好採取行動。大多數系統尚未準備好信任他們。

以下是阻礙 AI 從試點走向日常使用的五大組織挑戰。

Google 標誌。
Kaushik Gopal profile photo

Kaushik Gopal

Executive Vice President, Business & Market Insights, Mastercard

大多數組織並沒有 AI 創新問題。他們有擴展問題。各行各業的企業在過去幾年一直在試驗 AI 試點專案,然而許多企業仍在努力將有前景的概念驗證轉化為實際部署。

障礙很少是因為缺乏抱負—2014 年至 2024 年間,全球對人工智慧的私人投資成長了十三倍以上。更常見的是,領導者尚未建立大規模信任人工智慧,尤其是代理型人工智慧所需的條件:文化、安全性、責任、治理和資料準備度。

信任並非建立在單一控制或政策之上。這取決於組織同時在多個維度上建立信任。公司可能擁有複雜的 AI 模型但治理薄弱,擁有強大的安全控制但員工準備不足,或者擁有高品質數據但問責制不明確。取得最大進展者不必然部署更多 AI:他們正同時在所有這些層面取得進展。

組織唯有能夠回答所有這五個問題,才能建立將洞察轉化為行動所需的信任。

 

人們是否知道如何與 AI 協作?

我們在整個行業中看到的一個最普遍的訊號是,領導層對 AI 的熱情與員工對其應如何使用的理解之間存在脫節。此差距可能使採用變得困難。要求這些團隊擁抱 AI,不僅僅是提供他們新工具那麼簡單。他們需要了解 AI 應如何使用、能在何處增加價值,以及它將如何改變他們的工作方式。

這始於明確的溝通。儘管高階主管對人工智慧的態度迅速轉變,但這種情緒並不總是會傳達到他們的團隊成員。根據湯森路透研究院的《2026 年專業服務中的人工智慧報告》,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慧使用的相互矛盾的指示。

領導者可透過超越廣泛的 AI 任務,向員工提供關於何時使用 AI、應將 AI 應用於哪些工作流程以及何處仍需人類判斷的實用指引,來彌補此一差距。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,組織便能從試驗轉向實際應用。

 

這位代理人應被允許這麼做嗎?

隨著 AI 代理人越來越接近決策和執行,問題從他們是否能產生洞察,轉變為他們是否值得信任地採取行動。

因此,安全、隱私和負責任的使用必須從一開始就納入營運模式。對於企業而言,這需要建立防護措施以保護敏感資訊,並在代理人獲准存取資料或執行更複雜的任務之前建立責任歸屬。

其核心是一個身份驗證和存取挑戰。在 AI 代理能夠檢索資訊、發起支付或與客戶互動之前,組織需要對該代理的本質、其可存取的系統以及其被授予的權限有充分信心。如果您的公司不信任它,您又怎能期望您的客戶信任呢?

 

誰來掌控結果?

隨著 AI 代理承擔更多自主職責,組織面臨另一項挑戰:當代理做出決策、執行任務或產生意想不到的結果時,如何確定由誰負責。

根據 Cisco 2025 年關於 AI 整備度的報告,儘管許多公司對部署代理有興趣,但只有 32% 的公司表示他們實際上已將代理納入勞動力規劃中。若無明確的所有權結構,企業將面臨在決策、監督和問責制方面造成不確定性的風險。

領導者需要為 AI 輔助工作建立明確的所有權模型,說明哪些決策可以委派給代理,哪些情況下人類判斷仍然至關重要,以及當系統行為異常時問題將如何升級。能夠成功擴展代理式 AI 的組織,將是那些願意採取額外步驟重新設計現有工作流程的組織,以便人類和 AI 能夠以更明確的角色、職責和期望共同運作。

 

我們如何知道它已準備好採取行動?

一旦組織建立問責制,便會出現一個新問題:您如何判斷 AI 代理何時可應用於現實世界?

企業需要方法來測試效能、評估結果並了解代理人的行為方式,然後才能將客戶互動、營運流程或業務關鍵決策委託給他們。重點不應放在建立代理人,而是採取正確的步驟來驗證該代理人可以在廣泛的場景中可靠、一致且安全地執行。

在代理被信任執行任務並大規模部署之前,組織日益需要能夠評估績效、找出失敗點並完善控制措施的環境。這正是 Mastercard 創建 Agent Suite 的原因之一,它幫助組織從試點走向信任部署;也是我們最近使用 Proto 擴展該產品的原因,Proto 是一個沙箱環境,用於探索、測試和驗證代理式 AI 使用案例,然後再將其引入生產工作流程。Mastercard 還推出了三個新的 AI 代理,旨在支援主要企業職能:商戶、入職和爭議管理。這些能力共同幫助組織識別 AI 如何在安全且受治理的框架內擴展,同時推動業務價值。

 

它具備所需的資訊嗎?

即使是解決採用、安全性和治理問題的組織,也常會遇到另一個障礙:AI 代理人只能根據他們能理解的資訊行事 — 因此,當代理人即時運作時,可以在明確的權限下安全地使用正確的資料。

然而,許多組織仍以散佈在各系統中分散的資料、不一致的格式和斷裂的工作流程運作。儘管人類通常可以彌補這些差距,但 AI 代理在資訊不完整、衝突或難以存取時會遇到困難。這可能意味著減少資訊孤島、清理不一致的資料,以及修正可能會限制 AI 依預期運作能力的拼湊流程。

 

Trusted AI action may Become one of the most important competitive differentiators in business.不是因為組織能建構 AI,而是因為他們能信賴 AI。

Kaushik Gopal
   考希克·戈帕爾

 

在自主代理環境中,數據品質直接影響決策品質。如果代理無法可靠地理解面前的資訊,他們也無法可靠地依此採取行動。為了加速轉型,Mastercard 透過與專注於商業智慧和數據驅動能力的企業合作,加強了對其屢獲殊榮的新創參與計畫 Start Path 的關注。

在過去十年中,Start Path 已迎來超過 60 個國家、500 多家公司,透過將實務支援與使用 Mastercard 全球網路及客戶的機會結合,協助這些公司擴大規模。這種對能協助客戶將數據轉化為可行情報的新創公司日益增加的關注,有助於制定更好的決策、提升績效並支援即時行動 — 進而建立將 AI 從孤立狀態融入日常所需的信心。

未來幾年,值得信賴的 AI 行動可能會 Become 業務上最重要的競爭差異化因素之一。不是因為組織能建立 AI,而是因為他們可以依賴它。

認識 Start Path 的商務與市場洞察新創公司

   

Luca AI

Luca AI 是一個 AI 驅動的數位團隊成員,將銷售、行銷、財務與營運整合在單一對話式分析介面中。透過此整合式視圖,中小企業可以獲取其業務的即時洞察,幫助他們發現商機、提升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 將這些功能提供給歐洲商務卡持卡人,並正在探索其技術如何進一步支援中小企業發卡機構的代理驅動活動。

Luca AI 標誌

    

Yabx

Yabx 利用 AI 驅動的智慧與低程式碼、無程式碼的貸款基礎架構,利用替代數據在新興市場提供可擴展、風險受控的數位貸款,並與銀行、金融科技公司、支付公司、商家聚合商和其他生態系統參與者合作。Mastercard正與中東和非洲的發卡機構合作,將行動錢包和電信資訊等替代信用數據納入信用風險評估中,以實現更具包容性的卡片發行並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,協助公司識別並爭取新商業客戶。透過結合 BizMachine 和 Mastercard 的專有洞察,此合作夥伴關係使歐洲的收單機構和其他支付生態系參與者能夠識別高潛力商家。

BizMachine 標誌

Guestologie

Guestologie 為餐廳提供智慧,以即時提供精準款待,因為持久的忠誠度是在用餐區中,透過每一次個人化體驗所建立的。

Guestologie 標誌。