李淑蓮╱北美智權報 編輯部
全球企業資訊科技與人力資源架構正面臨自動化時代以來最深刻的轉型。隨著大型語言模型（LLM）由單純的文字對話與檢索生成，跨越至具備目標自主拆解、環境感知、工具調用及多步驟執行的「AI代理人」（AI Agents），「數位勞動力」（Digital Workforce）的概念已從前瞻理論落地為企業營運的核心支柱[1]。這項轉變標誌著企業人工智慧應用正式從被動的「協同工具」（Copilot）邁入具備自主行動力的「數位同事」（Digital Coworker）階段[2]。
在傳統的工具範式下，人類員工扮演著發出提示詞與審核輸出的單一指令主體，系統缺乏跨會話的自主行動權與持續記憶[3]。相對地，成熟的「代理人化人工智慧」（Agentic AI）能夠接納高階商業目標，自主規劃執行路徑、調用企業內部與外部API、在授權邊界內做出決策，並對異常狀況進行自我修復或智慧升級[4]。這種運算模式徹底改變了企業規模化的經濟學。
核心範式轉移：從「協同工具」到「數位同事」
以全球諮詢巨頭麥肯錫（McKinsey & Company）的實踐為例，截至2025年底，該機構內部已部署20,000個AI代理人，與40,000名人類員工共同運作，並計畫在2026年底前實現「1比1」的員額對等（即40,000名人類員工搭配40,000個AI代理人）。該模式的核心價值在於「能力倍增」而非單純的「人力削減」：企業在不按比例增加人力成本的前提下，實現了業務處理容量的數量級擴張，將高容積、重複性的認知工作移交給代理人，讓人類顧問聚焦於高價值的策略判斷與客戶信任建立[5]。
根據市場研究機構Gartner的預測，到2026年底，全球將有40%的企業級應用系統整合任務專用型AI代理人，相較於2025年不足5%的滲透率呈現暴發性成長[6]。Gartner進一步預估，到2035年，代理人化AI驅動的企業應用軟體收入將突破4,500億美元，占整體軟體市場營收的30%[7]。這種商業模式正促使軟體市場從傳統的「按人頭授權」（Per-seat Licensing）轉向「按成果單位授權」（Outcome/Unit-based Pricing），重構了全球企業的IT投資邏輯[8]。
技術架構與平台生態系：驅動數位勞動力的核心引擎
AI代理人之所以能在企業環境中實現高可靠度的自主執行，得益於四大技術軸線的突破：推理模型（Reasoning Models）的演進、圖形用戶介面（GUI）操作能力的解鎖、跨系統連接協定的標準化，以及企業級代理人平台的全面整合[9]。
在認知骨幹層面，以OpenAI o3為代表的推理模型在邏輯演算與長流程規劃上取得突破。o3模型在衡量人工通用智慧前瞻能力的ARC-AGI基準測試中達到87.5%的準確率，超越了85%的人類基準[10]。這種高階邏輯推理能力使代理人能夠將模糊的商業指令拆解為嚴密的條件判斷樹與執行步驟，打破了過去語言模型容易產生幻覺與邏輯斷層的局限[11]。
在行動介面層面，傳統自動化最大瓶頸在於企業高度依賴缺乏API接口的舊型（Legacy）系統，這類軟體占企業應用總量的85%左右。圖形用戶介面代理人（GUI Agents）的突破解決了此一難題。OSWorld公共基準測試顯示，GUI代理人在真實電腦任務上的成功率從2024年初的個位數跳升至2026年的72%–82%（例如Claude Sonnet 4.6與Coasty），達到或超過人類72%的基準表現，使代理人能像人類員工一樣直接讀取螢幕、點擊功能表與填寫表單[12]。
在通訊標準層面，代理人生態系已迎來「TCP/IP時刻」[13]。Anthropic於2024年底推出的 Model Context Protocol（MCP），解決了代理人連接外部工具、資料庫與API的標準化問題[14]；Google則於2025年4月推出 Agent2Agent Protocol（A2A），並捐贈予Linux基金會，專注於異構代理人之間的身份尋址與任務協調。MCP與A2A構成互補的雙軌標準，前者負責「代理人對工具」，後者負責「代理人對代理人」，奠定了跨系統代理人網絡的底層基礎[15]。
| 平台名稱 | 核心架構定位 | 數據與內容基底 | 商業與授權模式 | 平台競爭優勢與部署限制 |
| Salesforce Agentforce[16][17] | CRM導向之自主業務代理人 | 綁定Data Cloud，涵蓋銷售、客服與行銷數據 | 按「代理人工作單位」（AWU）或對話次數計費 | 優勢：CRM數據銜接無縫，高業務覆蓋；
限制：非CRM場景擴充彈性較弱。 |
| Microsoft Copilot Studio[18][19] | M365與Power Platform延伸代理人 | 整合Microsoft Graph與Azure AI Search | 租戶基礎費加上M365/Azure Token用量計費 | 優勢：深入Teams/SharePoint協同入口；
限制：低程式碼架構面臨複雜邏輯天花板。 |
| ServiceNow AI Agents[20][21] | 企業內部工作流與IT/HR自動化代理人 | 深度嵌入Now Platform，處理事件派送與流程 | 綑綁於ITSM/ITOM高級訂閱授權 | 優勢：結構化流程決定性高、可稽核；
限制：外部面向客戶場景適用性較低。 |
| Workday AI[22] | 人資與財務運營專用代理人 | 人力資源盤點、薪酬演算與滾動預測數據 | 企業級AI模組訂閱（2026年ARR達6億美元） | 優勢：高度法規遵循與敏感數據隔離；
限制：僅限於HR與財務垂直領域。 |
| AWS Bedrock AgentCore[23] | 開放式開發者與雲端基礎設施代理人 | 跨模型底層鏈接，基於AWS-IAM權限體系 | 按基礎設施用量與API呼叫Token計費 | 優勢：模型可攜性最高，無視廠商鎖定；
限制：需要高密度的工程開發量。 |
表1. 主要AI代理平台特點；整理製表：北美智權報／李淑蓮
數據顯示，Salesforce Agentforce在2026年第一季度的年化可預期收入（ARR）已達12億美元，同比成長205%。其推行的「代理人工作單位」（Agentic Work Units, AWU）指標 — 用以衡量代理人完成的獨立任務數量而非使用者帳號數 — 在2026財年交付了24億個AWU，展現出企業計費邏輯從「人頭租賃」轉向「數位勞工產出」的重大變化[24]。
企業級部署挑戰與經濟學效應
儘管技術演進迅速，但企業在引進數位勞動力的過程中，正呈現出顯著的「價值分化」與「成熟度陷阱」。麥肯錫的調查顯示，全球已有88%的企業在至少一個業務功能中定期使用AI，且62%的企業正在實驗AI代理人，但僅有23%的企業在單一業務功能中真正實現了代理人規模化部署。全市場僅有約6%的企業被歸類為「AI高績效者」（AI High Performers）——即機能明確將超過5%的息稅前利潤（EBIT）歸因於AI價值的企業[25]。
多數企業陷入了「效率悖論」：80%的員工報告AI提升了個人生產力，但企業整體的財務損益表（P&L）卻未能相應改善[26]。原因在於多數組織僅將代理人疊加於既有的舊工作流程之上，而未進行根本性的工作流程重構[27]。高績效企業的共同特徵，是重新設計任務分解架構，將高重複性的認知工作完全交由代理人網絡並行處理，將人類員工的定位轉變為例外管理（Exception Management）與最終策略審查[28]。
Gartner劃分了代理人化AI的四階段演進藍圖：從2025年以人類驅動為主的「應用程式AI助手」（第一階段）[29]，演進至2026年占據40%企業應用的「任務專用代理人」（第二階段）[30]；隨後在2027年邁向有三分之一部署採用的「應用內多代理人協作」（第三階段）[31]，最終於2028年達到三分之一使用者體驗轉向代理人前端的「跨應用代理人生態系」（第四階段）。然而，Gartner同時發出警告，由於數據治理不善、流程混亂以及盲目追求規模，超過40%的代理人化AI專案將在2027年底前面臨被終止或撤回的命運[32]。
數位勞動力的擴張對企業組織設計帶來衝擊。Gartner預測，到2030年，技術技能的半衰期將從傳統的8至12年大幅縮短至2至5年，適應力與學習速度將成為企業招募的第一指標[33]。更具警示意義的是，Gartner預測到2029年，高達30%因AI自動化而被解僱的員工，將因為企業缺乏戰略性的轉型配套與知識流失，最終不得不以更高的薪資成本重新僱用[34]。這表明盲目裁員以AI取代人力的短視決策，忽視了人類在處理複雜例外狀況、企業文化傳承與非結構化倫理判斷中的不可替代價值[35]。
新興資安威脅與非人身分治理困境
當AI代理人被賦予讀取數據、執行API呼叫與調動資金的權力時，企業的攻擊面呈現出幾何級數的擴張[36]。2026年的資安態勢顯示，針對AI代理人的攻擊已從實驗室的概念驗證全面演變為現實世界的運作化威脅[37]。資安防護的核心關防已從單純的模型層面，轉移至工具呼叫與行動執行層面[38]。
在OWASP GenAI Top 10與Agentic Applications Top 10（2026版）中，「提示詞注入」被列為第一大威脅（LLM01 / ASI01）[39]。其中，「間接提示詞注入」（Indirect Prompt Injection, IPI）尤具毀滅性[40]。攻擊者無需直接對AI下達指令，而是將惡意指令隱藏在網頁、PDF文件、郵件內文、日曆邀請甚至API回應中。當代理人讀取並摘要該內容時，模型無法區分「應處理的數據」與「應執行的指令」，進而遭到劫持[41]。Google與Forcepoint X-Labs的威脅情報顯示，從2025年底至2026年初，全球網絡中帶有惡意IPI載荷的網頁數量增加了32%[42]。
| OWASP 編號 | 威脅名稱 | 實體影響機制 | 實務案例與統計數據 |
| ASI01 / LLM01[43][44] | 提示詞注入與目標劫持 | 透過間接注入改寫代理人核心目標，執行未授權動作 | 影響約34%已部署代理人；94.4%代理人在基準測試中存在脆弱性。 |
| ASI02 / ASI05[45] | 工具誤用與未預期程式碼執行 | 代理人調用系統工具執行未經稽核的指令或腳本 | Cursor編輯器RCE漏洞（CVE-2025-54135），經由MCP伺服器執行惡意程式碼。 |
| ASI03[46][47] | 身分與權限濫用 / 過度授權 | 代理人繼承高階憑證且缺乏運行時最小權限限制 | Step Finance於2026年1月遭劫持，自動轉帳代理人未經授權轉移2,700萬美元。 |
| ASI06[48] | 記憶與上下文毒化 | 攻擊者將惡意指令植入長期記憶庫，持續影響未來會話 | 代理人記憶庫遭污染後，於數週後的常規任務中執行資料外洩。 |
| ASI08[49] | 供應鏈安全漏洞 | 上游Agent SDK、工具套件或依存庫遭惡意篡改 | LiteLLM套件於2026年3月在PyPI遭植入後門，影響CrewAI與GraphRAG等框架。 |
| ASI09[50] | 跨代理人信任連鎖失效 | 下游代理人預設信任上游輸出，導致單點失守引發級聯潰敗 | 多代理人網絡中，單一遭污染之代理人使整個供應鏈自動化鏈結失控。 |
表2. 當AI代理人被賦予讀取數據、執行API呼叫與調動資金的權力時，企業的攻擊面呈現出幾何級數的擴張；整理製表：北美智權報／李淑蓮
隨著數位勞動力大量上線，企業面臨著嚴峻的「非人身分危機」（Non-Human Identity, NHI）。SANS與CyberArk的調查顯示，企業內部非人身分（包括API Key、OAuth Token、服務帳戶及AI代理人身分）與人類身分的比例已達82:1。高達74%的企業已部署需要存取憑證的AI代理人，但絕大多數傳統的身份與存取管理（IAM）流程完全無法應對[51]。代理人常因開發便利而繼承過高權限，且缺乏明確的權責歸屬與定期審核機制。
Gartner AI TRiSM研究預測，到2026年，高達80%的未授權AI交易並非來自外部駭客入侵，而是源於內部政策違規（如代理人過度分享敏感數據或錯誤執行內部指令）[52]。為應對此一危機，五眼聯盟（Five Eyes）於2026年5月發布聯合監管指引，強烈建議企業在涉及高風險商業決策（如重大資金調撥、敏感個資修改）時，必須強制實施「人機共審」（Human-in-the-Loop）機制，嚴禁全自主的授權放行。同時，企業資安架構正快速向「代理人控制平面」（Agent Control Plane）演進，透過獨立於模型執行環境外的代理防火牆，實施運行時的動態存取控制與資料安全姿態管理（DSPM）[53]。
治理框架與法規調適：台灣與全球觀點
在全球各國紛紛由原則性宣示走向實質執法的背景下，台灣與歐盟的監管架構為企業建構合規的數位勞動力體系提供了明確的法律邊界[54][55]。
台灣《人工智慧基本法》於2025年12月23日獲立法院三讀通過，並於2026年1月14日由總統公布正式施行，全文共20條，確立了台灣AI發展與治理的母法架構，指定國家科學及技術委員會（國科會，NSTC）為中央主管機關。
《人工智慧基本法》採用「框架性立法」（原則法）模式，本身不直接設定專屬罰則，而是授權各目的事業主管機關訂定產業子法[56]。行政體系形成「金三角」分工：國科會負責整體政策規劃與科技研發推動；數位發展部（MODA）負責建立全國統一的AI風險分類框架、評測驗證機制與沙盒指引[57]；各目的事業主管機關（如勞動部、金管會、衛福部、教育部）則依據數位部框架，於法案施行後兩年內（2028年1月前）完成各該產業子法與指引的修訂。數位部預計於2026年第一季發布「高風險AI系統分類指引」，重點涵蓋人力招募、信用評分、醫療診斷、金融處置與司法輔助等場域。
基本法第七條確立了台灣AI治理的七大基本原則：以人為本、永續發展、有效治理、合理問責、透明可解釋、公平不歧視、資料最小化與隱私保護[58]。在勞動權益保障方面，第14條明定政府應評估AI對勞動市場的衝擊，制定勞工轉職輔導、職業訓練及保障勞動條件之配套措施，防止企業利用AI代理人進行不當的勞動剝削或就業歧視；第15條則導入「監理沙盒」精神，授權政府在確保安全前提下提供法規調適空間，鼓勵企業進行AI技術創新[59]。
實務上，企業絕不能將「基本法無專屬罰則」誤解為「免責」[60]。若AI代理人自動化決策引發侵權、個資外洩、營業秘密洩漏或詐欺事件，現行的《民法》、《刑法》、《個人資料保護法》、《營業秘密法》及《國家安全法》均可直接作為裁罰與損害賠償依據[61]。然而，CIO Insight 2026年的調查顯示，在台灣未導入AI的企業所列舉的原因中，「AI治理與倫理問題」僅獲得2%的選擇，顯示絕大多數私部門企業尚未意識到AI代理人合規與資安威脅的嚴峻性，治理腳步落後於全球法規執行的速度[62]。
對台灣跨國企業而言，最迫切的合規變數來自歐盟《人工智慧法案》（EU AI Act）的域外效力。歐盟法案第50條的透明度義務自2026年8月2日起正式適用，要求所有提供客服機器人、AI生成內容或嵌入式軟體服務的企業，必須明確標示AI互動身分與內容標籤[63]。凡台灣企業之AI代理人服務觸及歐盟居民或處理歐盟境內數據，均受其嚴格的監管與高額罰鍰條款約束[64]。
結論與戰略建議
AI驅動下的數位勞動力已非前瞻構想，而是2026年企業重構競爭優勢的核心戰場[65]。從麥肯錫的萬人代理人規模化實踐，到Salesforce、Microsoft等巨頭平台的商業化普及，代理人化AI正在徹底重塑企業的生產力邊界[66]。然而，技術的快速推進也伴隨著資安防線的轉移與合規監管的升級[67]。為在數位勞動力時代保持競爭力並規避毀滅性風險，企業決策層應採取以下四大策略行動：
- 全面發動「工作流程重構」（Workflow Redesign）。企業切忌將AI代理人僅作為舊流程的補丁。應全面盤點內部業務鏈，重新將工作拆解為「代理人自主執行」（處理95%的標準化常規業務）與「人類專家處置」（處理5%的異常例外與終極決策）[68]。管理指標應從單純計算員工工時，轉向計算代理人工作單位（AWU）與實質商業成果[69]。
- 建構「代理人控制平面」（Agent Control Plane）與NHI零信任架構[70]。鑑於間接提示詞注入（IPI）與非人身分（NHI）漏洞的嚴峻性，企業必須建立獨立於AI執行環境外的控制平面。強制實行最小權限原則，為每個代理人核發獨立且可追溯的運作身分，落實憑證動態輪換，並部署運行時的 prompt 防火牆與資料安全姿態管理（DSPM）[71]。
- 對齊台灣《人工智慧基本法》與全球合規時程。企業應緊盯數位發展部於2026年第一季公告的「高風險AI系統分類指引」，即刻啟動內部AI資產盤點。針對高風險場景，預先建立資料最小化、演算法可解釋性與人性監督機制[72]。同時，針對面向歐盟市場的業務，必須在2026年8月2日前完成EU AI Act第50條的透明度標示改造。
- 落實「人才再組合」（Talent Remix）與提升適應力[73]。企業IT與HR部門須緊密合作，重新定義職務說明書。組織的培訓重心應從傳統的硬技能操作，轉向培養員工的「代理人架構思維」（Agent Architecture Thinking）與「批判性例外審查能力」。防止盲目裁員導致企業核心知識庫斷層，確保人類智慧與數位勞動力形成高韌性的協同放大效應[74]。
備註：
[1] AI Agents as Digital Coworkers: How Companies Built 20000 Virtual Employees in 2026, ChatFin, 2026/9/4
[2] 10 AI Agent Trends to Watch In 2026, rising trends, March 30, 2026
[3] 同註1
[4] Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026, Up from Less Than 5% in 2025, Gartner, updated on September 5, 2025
[5] 同註1
[6] 同註4
[7] AI Agents are the new workforce: what CTOs need to know in 2026, NovasIQ, Q2 2025
[8] 同註4
[9] AI Agent Market Trends and Key Players Report, Precedence Research, 02 Sep 2026
[10] 同註2
[11] 同註1
[12] 同註2
[13] 同註2
[14] 同註9
[15] 同註9
[16] Salesforce Agentforce vs Microsoft Copilot Studio: 2026 Comparison, Smartbridge, Feb 16, 2026
[17] Enterprise Agent Platforms: Salesforce vs ServiceNow vs Microsoft — June 2026, TYRION AI, Jun 11 2026
[18] 同註16
[19] 同註17
[20] Top Enterprise AI Platforms 2026: 8 Compared, Alice Labs, July 27, 2026
[21] 同註17
[22] Salesforce, Workday Rack Up AI Contracts by Blending Subscription Fees With Usage-Based Pricing, Finance, 2026-08-30
[23] 同註20
[24] 同註9
[25] 同註7
[26] 同註7
[27] The state of AI in 2026: On the road to ROI, McKinsey & Company, August 25, 2026
[28] 同註1
[29] 同註6
[30] 同註7
[31] 同註6
[32] 同註7
[33] 同註6
[34] 同註6
[35] 同註1
[36] The Comprehensive Guide to Prompt Injection Attacks in 2026, sysdig, Aug 07, 2026
[37] The Complete Guide to AI Agent Security for Enterprises (2026), NeuralTrust, July 8, 2026
[38] 同註36
[39] 同註37
[40] Indirect Prompt Injection Goes Operational, Lab Space, 2026-04-26
[41] 同註40
[42] The Prompt Injection Risk No Single Control Can Stop, Forcepoint, September 3, 2026
[43] The Comprehensive Guide to Prompt Injection Attacks in 2026, sisdig, Aug 07, 2026
[44] Indirect Prompt Injection Goes Operational, CSA/Lab Space, 2026-04-26
[45] 同註44
[46] 同註43
[47] 同註44
[48] 同註43
[49] 同註43
[50] 同註43
[51] Closing the AI agent identity governance gap, Christian Schneider, 29 Apr 2026
[52] 同註51
[53] What is an AI Control Plane and Why Is It Critical, LangGuard Inc, February 04, 2026
[54] AI 法規 2026 總覽：EU AI Act 全面生效 × 台灣 AI 基本法 × 美國州法, 超智諮詢, 2025年9月10日
[55] Navigating the EU AI Act 2026: Governance, Compliance, and……, slideshare, Last viewed: 2026/9/7
[56]台灣 AI 法規總覽 2026：人工智慧基本法 + 各部會子法，企業一次看懂, 2026-07-08
[57]台灣 AI 基本法合規指南：企業因應策略, Meta Intelligence., 2025年9月28日
[58] 同註56
[59] 臺灣《人工智慧基本法》逐條說明及理念解析, 科技立委葛如鈞．寶博士, 2025年8月3日
[60] 同註56
[61] 同註56
[62]未治理 AI 將付出代價, CIO台灣, 2026-07-11
[63] 同註56
[64] The Complete Guide to AI Agent Security for Enterprises (2026), NeuralTrust, July 8, 2026
[65] 同註1
[66] 同註2
[67] 同註9
[68] 同註1
[69] 同註2September 3, 2026
[70] The Prompt Injection Risk No Single Control Can Stop, Forcepoint, September 3, 2026
[71] What is an AI Control Plane and Why Is It Critical, LangGuardAI, February 04, 2026
[72] 同註56
[73] 同註4
[74] 同註1
參考資料：
- AI Agents as Digital Coworkers: How Companies Built 20000 Virtual Employees in 2026, ChatFin, 2026/9/4
- 10 AI Agent Trends to Watch In 2026, rising trends, March 30, 2026
- Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026, Up from Less Than 5% in 2025, Gartner, updated on September 5, 2025
- AI Agents are the new workforce: what CTOs need to know in 2026, NovasIQ, Q2 2025
- AI Agent Market Trends and Key Players Report, Precedence Research, 02 Sep 2026
- Salesforce Agentforce vs Microsoft Copilot Studio: 2026 Comparison, Smartbridge, Feb 16, 2026
- Enterprise Agent Platforms: Salesforce vs ServiceNow vs Microsoft — June 2026, TYRION AI, Jun 11 2026
- Top Enterprise AI Platforms 2026: 8 Compared, Alice Labs, July 27, 2026
- Salesforce, Workday Rack Up AI Contracts by Blending Subscription Fees With Usage-Based Pricing, Finance, 2026-08-30
- The state of AI in 2026: On the road to ROI, McKinsey & Company, August 25, 2026
- The Comprehensive Guide to Prompt Injection Attacks in 2026, sysdig, Aug 07, 2026
- The Complete Guide to AI Agent Security for Enterprises (2026), NeuralTrust, July 8, 2026
- Indirect Prompt Injection Goes Operational, Lab Space, 2026-04-26
- The Prompt Injection Risk No Single Control Can Stop, Forcepoint, September 3, 2026
- The Comprehensive Guide to Prompt Injection Attacks in 2026, sisdig, Aug 07, 2026
- Indirect Prompt Injection Goes Operational, CSA/Lab Space, 2026-04-26
- Closing the AI agent identity governance gap, Christian Schneider, 29 Apr 2026
- What is an AI Control Plane and Why Is It Critical, LangGuard Inc, February 04, 2026
- AI 法規 2026 總覽：EU AI Act 全面生效 × 台灣 AI 基本法 × 美國州法, 超智諮詢, 2025年9月10日
-
Navigating the EU AI Act 2026: Governance, Compliance, and Deadlines, slideshare, Last viewed: 2026/9/7
- 台灣 AI 法規總覽 2026：人工智慧基本法 + 各部會子法，企業一次看懂, 2026-07-08
- 台灣 AI 基本法合規指南：企業因應策略, Meta Intelligence., 2025年9月28日
- 臺灣《人工智慧基本法》逐條說明及理念解析, 科技立委葛如鈞．寶博士, 2025年8月3日
- 未治理 AI 將付出代價, CIO台灣, 2026-07-11
- The Complete Guide to AI Agent Security for Enterprises (2026), NeuralTrust, July 8, 2026
