微软

随着AI代理热潮升温，AI巨头开始抢攻企业内部的办公室AI应用需求，开始推广自家AI代理技术和工具链，日前，微软Dataverse全球资深副总裁Nirav Shah日前也来台，向台湾企业说明微软在AI代理工具链上的布局。他负责产品包括了商用系统通用资料服务Dataverse，以及Power平台用来打造业务型AI的AI Builder工具等。

随着这一波AI代理应用模式崛起，Nirav Shah指出，微软的投资和支援策略是，协助企业充分运用GAI，来推动业务流程的进化，特别是透过Copilot和AI代理（agents），以及Azure公云提供的AI技术架构（AI Stack）。

过去，不同科技典範实际进入企业领域的时间很久，都需要一段时间的发酵期，例如主从式主机时代、网际网路时代、云端时代或行动时代，企业才能真正理解到那些科技浪潮的价值与冲击。「但，这一波AI变革极快，超过以往任何一次转型。技术与演进速度，可以带给企业非常大的推力。」

AI代理和传统RPA工作流程典範大不同

AI代理和企业常见的RPA自动化机器人有很大的不同，Nirav Shah认为，RPA的特色是「固定」，擅长处理有妥善定义、流程明确且静态的系统化作业，用于支援企业流程优化，非常出色。但RPA这种系统化、固定的自动化流程，一旦遇到例外情况，或需要更多上下文资讯才能处理的业务流程，RPA就无法适用。「因为RPA的预设是，每一次执行的流程都会一模一样。」

RPA对企业带来了很大的帮助，也会持续在特定类型流程中发挥效益。但是，AI代理打造出一套可以理解特定业务流程的专家系统，提供符合安全过滤规範的上下文资讯，AI就能推理，作出决策，来执行企业想要的结果。

「自主AI代理，可以成为协同共存时代下的新型态应用。」他预言，未来，每一个业务流程，都能透过AI代理来支援，这些AI代理也能具备专业知识与演化能力，依据当下情况，动态地做决策。这正是AI代理与传统RPA工作流程典範的区别。

AI代理开发门槛低，熟悉业务知识的IT素人也能开发

就像RPA程序开发门槛越来越低一样，AI代理开发工具一登场，同样瞄準了非IT技术人员。「强大的LLM模型，让软件开发的发展更进一步，能用多模态的形式，支援任何想解决业务问题的领域专家，都能进行开发，不限于擅长软件开发的工程师。」他表示。

举例来说，Copilot Studio已经可以用类似自然语言方式来建立AI代理。领域专家打开这类工具，以自然语言来描述要解决的业务问题、这项业务流程的运作方式，以及想要实现的结果。接着要提供触发流程的条件与相关资讯，还有用来推理这些业务流程时所需的知识，以及AI代理可选择的下一步动作，以及任何辅助流程的上下文参考资料，就可以打造出一款解决特定业务问题的AI代理。

「开发一套解决方案的门槛，能降低到前所未有的程度。甚至不用自己开发，用自然语言就能找到想要打造的代理。」Nirav Shah表示。

Nirav Shah预告，微软会持续在开发过程中增加抽象层级来简化，让人们更容易完成他们想要的工作。不仅针对素人开发者，专业开发者也能更有效率完成工作，解决他们在开发中所面临的业务问题。

越来越多科技巨头打造各自的代理型AI开发工具链，加速这类工具更快演进，微软也不例外。

Nirav Shah表示，微软特别重视「可信任的AI」的机制，确保AI安全机制能深度整合到我们的工具里。也会持续在整个技术架构的每一层落实。微软AI开发工具链的优先工作是，从安全性角度增加更多功能。

微软会持续改进负责任AI（Responsible AI）的原则，确保所提供的解决方案能以安全与负责任的方式应用。微软也将自己打造AI产品功能的所有基础组件与能力，放入Azure AI Foundry开发平台上，让企业打造和微软同等级安全和信任的解决方案。

长远来看，Nirav Shah认为，GAI将从根本上改变企业的运作方式。AI优先企业，会整合人、Copilot和AI代理， 三者互相配合来推动业务流程往前走。

例如麦肯锡公司，运用Copilot工具打造出一款可以改善顾客接触模式的自主式AI代理（Autonomous Agent）。这款AI代理会监听来自新顾客电子邮件中的需求，根据麦肯锡与这名顾客往来纪录、电子邮件中提到的需求，来判断该由哪位合伙人接手这名顾客，不用等到真人读信后来派工。这款AI不只大大缩短了顾客等待回覆的时间，也减少了3成的行政作业。

不过，目前企业常见的业务运作方式，通常分散到许多不同又孤立的应用程序。使用者必须进入不同系统，理解各自的脉络，自己在不同的应用程序间搬移资料和知识，才能让业务流程顺利推进。

若改用Copilot作为AI介面，他指出，可以创造出一种无缝的体验，将企业内部，所有层级的业务流程整合，从员工个人、部门，甚至整个企业都能串连。如此一来，所有的AI代理也都能在不同业务流程中共享并理解相同的脉络。等到需要人工介入时，才把工作指派给相对应的员工或领域专家，让业务流程能够不断推进。「员工、Copilot及代理间成为一个生态系，联手让业务流程更有效率。」他补充。他所负责的通用资料服务Dataverse产品，正是锁定了这个生态圈的资料整合需求。

打造AI代理应用的第一步，明确找出适合自动化和AI优化的业务流程

Nirav Shah建议，想要打造AI代理开发的企业，第一步要找出，哪一个业务流程最适合用自动化和AI来优化，锁定一个非常明确的情境，清楚了解想要优化的目标，才能利用相应的技术来实现最佳化。「GAI进化速度飞快，先明确锁定目标，再来善用技术，才能得到最佳成效。」

如何运用工具，对这些代理提供明确的指令，引导它们往你真正想要的方向运作。Nirav Shah建议，不是让系统无限制地存取企业任何资料或API，反而要针对一项明确的业务流程，来客製一套专家系统。可以有两种客製化手段，一个是针对业务流程的特定指示，另一个是提供特定知识和资料作为决策之用，以及指定业务流程运作可用的特定行动。

虽然不少人担心AI代理的测试和除错是一大挑战，不过，目前像Copilot控制系统，提供了完整的分析报表功能，可以追蹤所有代理的运作情况，提供足够的维运可见度与可控性。

「AI代理真正的挑战，不只是测试或除错，而是如何让业务流程的界定更加明确。」Nirav Shah指出，要解决什么问题？达成什么样的商业目标？答案越明确，后续的开发、除错及正式上线就会越简单。

?