文／黃正傑
生成式 AI 的發展速度可說一日千里。黃仁勳才剛在 GTC 會議上提出代理型 AI（AGENTIC AI）、實體 AI（PHYSICAL AI）人形機器人是未來發展方向，過不多久已有愈來愈多企業將 AI 代理嵌入在企業營運流程。Google 亦發布 Agent2Agent（A2A） 協議，讓 AI 代理間可以相互溝通。我們已經不是雇用一個助理而是一個AI 代理艦隊。
我還記得 10 多年前，當無形資產、CSR 企業社會責任及雲端運算改變企業營運資訊系統架構時，我們提出了「ERP 3.0」的概念。現今，一種新的「認知 ERP」（Cognition ERP） 被生成式 AI、AI 代理創造出來，改變了企業營運資訊系統的人機介面、數據助理與營運流程。
意圖式人機介面發展
如果你是跟我一樣是資深資訊工程師，可能有玩過大型主機的批次作業方式。當我們下了一個列印、執行指令後，要等隔天到主機房窗口拿產出報表。而後，鍵盤、滑鼠點擊互動介面成了現今企業營運系統的主流。今日，AI 代理帶來我們一種新的意圖式結果導向（Intent Based Outcome）人機介面。用戶開始用「意圖」，期望企業營運資訊系統產出「結果」，例如，詢問 AI 設備代理「請分析昨晚生產成果以及異常狀況」、要求 AI 採購代理「請幫我跟採購商詢價，產生五個廠商的報價單」。
[ 加入 CIO Taiwan 官方 LINE 、 Facebook 與 IG，與全球CIO同步獲取精華見解 ]
「意圖式結果」的人機互動，就是人類告訴 AI 代理想要達成的目標，她會有計畫地安排並完成工作。當然，資訊系統設計也要從過去有形介面 UX 設計方式，轉變為隱形的用戶意圖設計。意圖式設計的人機介面設計師要從情境著手，繪製用戶的意圖、行動，並考慮 AI 代理出錯狀況，讓系統優雅地失敗。對於用戶來說，訓練用戶如何「問問題」，讓 AI 代理能夠理解「意圖」，成了 AI 用戶訓練最重要的一環。
多模態數據治理挑戰
邁向工業 4.0 之後，設備、資產等 OT 數據，如何與 IT 數據整合，一直是企業數據治理上挑戰；進一步，加上碳數據、ESG 數據，企業營運數據不僅考慮物料、財務還要包含環境碳排放、社會治理等。企業存在諸多數據孤島現象，來自於 ERP、MES、設備數據整合、重複平台或流程、結構與非結構化數據及部門間缺乏共享等數據治理問題。過去，利用 BI 商業智慧系統來整合各項結構化數據、利用數據湖來彙整多樣大數據資料及知識管理入口網站來管理非結構化文件知識。
AI 代理、生成式 AI 可以快速地進行多模態的數據綜整、簡化資料準備或創造新的內容。例如我們可以利用 AI 設備代理整合設備 logs 的半結構化時序數據、設備維修紀錄的非結構化數據、設備生產狀況或工單的結構化數據等，提供用戶利用自然語言詢問，並回覆文字建議、產生生產狀況可視化圖形及可選擇行動指令等。這些多模態數據的整理、彙整可以利用生成式 AI 工具，更容易、更彈性地運用。
不過，如何管理這些用戶詢問動態產生數據、生成式 AI 的 RAG 數據庫、模型以及引進外部的知識文件、生成式 AI 供應鏈的語言模型 API、工具 API 或數據等，對於數據治理形成更複雜的挑戰。以此，企業的資訊安全、數據安全保護將延伸到整個軟體 BOM 供應鏈的信賴管理。
韌性化企業營運流程
ESG、地緣政治、美中貿易衝突乃至於貿易關稅戰等各項風險事件層出不窮，如何根據事件變化，快速地調整企業流程，成為企業營運上的挑戰。智慧物聯網系統的發展、自然語言理解、電腦視覺辨識及流程自動化機器人（Robotic Process Automation, RPA）的發展，提高了事件偵測能力及應變的彈性。
例如貿易關稅戰造成不同國家貨品出貨的關稅風險，利用電腦視覺快速地辨識以處理。進一步，利用生成式 AI、AI 代理的協助，可以更快速地進行情境模擬、應變方式推論，以快速地進行行動。例如我們利用 AI 代理結合企業營運指標系統，快速地根據庫存水位、設備生產狀況、品質檢出狀況等，並模擬分析風險、損失等，快速地進行推理、規劃提出改善建議乃至於自動化處理等。這將使得企業營運的更具韌性，以因應各項風險。企業營運流程仍然需要決定性的流程以執行。然而，圖形式、彈性調整的知識結構推理設計將協助企業發展更應變式的 AI 代理營運流程。
生成式、AI 代理將協助企業營運資訊系統在人機介面、數據治理、彈性流程上進行變革。結合 AI 代理的認知 ERP，如同企業的眼、耳、鼻、舌、身、意更加智慧化，讓企業營運能面臨各種挑戰，邁向認知智慧轉型。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
