開發AI代理和RPA大不同，企業如何上手？微軟業務型AI開發工具負責人這樣建議

隨著AI代理熱潮升溫，AI巨頭開始搶攻企業內部的辦公室AI應用需求，開始推廣自家AI代理技術和工具鏈，日前，微軟Dataverse全球資深副總裁Nirav Shah日前也來臺，向臺灣企業說明微軟在AI代理工具鏈上的布局。他負責產品包括了商用系統通用資料服務Dataverse，以及Power平臺用來打造業務型AI的AI Builder工具等。

隨著這一波AI代理應用模式崛起，Nirav Shah指出，微軟的投資和支援策略是，協助企業充分運用GAI，來推動業務流程的進化，特別是透過Copilot和AI代理（agents），以及Azure公雲提供的AI技術架構（AI Stack）。

過去，不同科技典範實際進入企業領域的時間很久，都需要一段時間的發酵期，例如主從式主機時代、網際網路時代、雲端時代或行動時代，企業才能真正理解到那些科技浪潮的價值與衝擊。「但，這一波AI變革極快，超過以往任何一次轉型。技術與演進速度，可以帶給企業非常大的推力。」

AI代理和傳統RPA工作流程典範大不同

AI代理和企業常見的RPA自動化機器人有很大的不同，Nirav Shah認為，RPA的特色是「固定」，擅長處理有妥善定義、流程明確且靜態的系統化作業，用於支援企業流程優化，非常出色。但RPA這種系統化、固定的自動化流程，一旦遇到例外情況，或需要更多上下文資訊才能處理的業務流程，RPA就無法適用。「因為RPA的預設是，每一次執行的流程都會一模一樣。」

RPA對企業帶來了很大的幫助，也會持續在特定類型流程中發揮效益。但是，AI代理打造出一套可以理解特定業務流程的專家系統，提供符合安全過濾規範的上下文資訊，AI就能推理，作出決策，來執行企業想要的結果。

「自主AI代理，可以成為協同共存時代下的新型態應用。」他預言，未來，每一個業務流程，都能透過AI代理來支援，這些AI代理也能具備專業知識與演化能力，依據當下情況，動態地做決策。這正是AI代理與傳統RPA工作流程典範的區別。

AI代理開發門檻低，熟悉業務知識的IT素人也能開發

就像RPA程式開發門檻越來越低一樣，AI代理開發工具一登場，同樣瞄準了非IT技術人員。「強大的LLM模型，讓軟體開發的發展更進一步，能用多模態的形式，支援任何想解決業務問題的領域專家，都能進行開發，不限於擅長軟體開發的工程師。」他表示。

舉例來說，Copilot Studio已經可以用類似自然語言方式來建立AI代理。領域專家打開這類工具，以自然語言來描述要解決的業務問題、這項業務流程的運作方式，以及想要實現的結果。接著要提供觸發流程的條件與相關資訊，還有用來推理這些業務流程時所需的知識，以及AI代理可選擇的下一步動作，以及任何輔助流程的上下文參考資料，就可以打造出一款解決特定業務問題的AI代理。

「開發一套解決方案的門檻，能降低到前所未有的程度。甚至不用自己開發，用自然語言就能找到想要打造的代理。」Nirav Shah表示。

Nirav Shah預告，微軟會持續在開發過程中增加抽象層級來簡化，讓人們更容易完成他們想要的工作。不僅針對素人開發者，專業開發者也能更有效率完成工作，解決他們在開發中所面臨的業務問題。

越來越多科技巨頭打造各自的代理型AI開發工具鏈，加速這類工具更快演進，微軟也不例外。

Nirav Shah表示，微軟特別重視「可信任的AI」的機制，確保AI安全機制能深度整合到我們的工具裡。也會持續在整個技術架構的每一層落實。微軟AI開發工具鏈的優先工作是，從安全性角度增加更多功能。

微軟會持續改進負責任AI（Responsible AI）的原則，確保所提供的解決方案能以安全與負責任的方式應用。微軟也將自己打造AI產品功能的所有基礎組件與能力，放入Azure AI Foundry開發平臺上，讓企業打造和微軟同等級安全和信任的解決方案。

長遠來看，Nirav Shah認為，GAI將從根本上改變企業的運作方式。AI優先企業，會整合人、Copilot和AI代理， 三者互相配合來推動業務流程往前走。

例如麥肯錫公司，運用Copilot工具打造出一款可以改善顧客接觸模式的自主式AI代理（Autonomous Agent）。這款AI代理會監聽來自新顧客電子郵件中的需求，根據麥肯錫與這名顧客往來紀錄、電子郵件中提到的需求，來判斷該由哪位合夥人接手這名顧客，不用等到真人讀信後來派工。這款AI不只大大縮短了顧客等待回覆的時間，也減少了3成的行政作業。

不過，目前企業常見的業務運作方式，通常分散到許多不同又孤立的應用程式。使用者必須進入不同系統，理解各自的脈絡，自己在不同的應用程式間搬移資料和知識，才能讓業務流程順利推進。

若改用Copilot作為AI介面，他指出，可以創造出一種無縫的體驗，將企業內部，所有層級的業務流程整合，從員工個人、部門，甚至整個企業都能串連。如此一來，所有的AI代理也都能在不同業務流程中共享並理解相同的脈絡。等到需要人工介入時，才把工作指派給相對應的員工或領域專家，讓業務流程能夠不斷推進。「員工、Copilot及代理間成為一個生態系，聯手讓業務流程更有效率。」他補充。他所負責的通用資料服務Dataverse產品，正是鎖定了這個生態圈的資料整合需求。

打造AI代理應用的第一步，明確找出適合自動化和AI優化的業務流程

Nirav Shah建議，想要打造AI代理開發的企業，第一步要找出，哪一個業務流程最適合用自動化和AI來優化，鎖定一個非常明確的情境，清楚了解想要優化的目標，才能利用相應的技術來實現最佳化。「GAI進化速度飛快，先明確鎖定目標，再來善用技術，才能得到最佳成效。」

如何運用工具，對這些代理提供明確的指令，引導它們往你真正想要的方向運作。Nirav Shah建議，不是讓系統無限制地存取企業任何資料或API，反而要針對一項明確的業務流程，來客製一套專家系統。可以有兩種客製化手段，一個是針對業務流程的特定指示，另一個是提供特定知識和資料作為決策之用，以及指定業務流程運作可用的特定行動。

雖然不少人擔心AI代理的測試和除錯是一大挑戰，不過，目前像Copilot控制系統，提供了完整的分析報表功能，可以追蹤所有代理的運作情況，提供足夠的維運可見度與可控性。

「AI代理真正的挑戰，不只是測試或除錯，而是如何讓業務流程的界定更加明確。」Nirav Shah指出，要解決什麼問題？達成什麼樣的商業目標？答案越明確，後續的開發、除錯及正式上線就會越簡單。