Dataiku 一位高階主管表示,希望跟上 AI 快速發展腳步的企業,必須深入理解自身的業務流程,並在所部署的模型與代理上保持彈性。

過去幾年,生成式 AI 與代理式 AI 已在企業間廣泛應用。然而,就如同 2022 年 OpenAI 推出 ChatGPT 後掀起 AI 熱潮之初的情況,技術發展的速度似乎仍未獲得相應的採用。隨著目前焦點集中在 AI 的使用成本上,企業被迫認真檢視自身應用生成式 AI 的方式,並確保能從中獲得價值。

不過,近期已開始出現轉變,企業對於生成式與代理式 AI 技術能否帶來助益的質疑態度已趨於緩和。受到 OpenClaw 開源個人代理現象、Anthropic 推出可適應不同領域的 Claude Cowork 以及強大的 Mythos 模型,再加上 Nvidia 執行長黃仁勳呼籲企業擁抱「OpenClaw 策略」的影響,企業近期感受到導入這些技術的迫切需求。

在本月稍早於拉斯維加斯舉行的 Ai4 2026 會議上,企業 AI 與機器學習平台供應商 Dataiku 的 AI 與平台資深副總裁 Jed Dougherty,探討了企業在代理自主性以及選擇合適模型或代理方面所面臨的障礙。他認為,無論企業選擇哪個品牌的 AI,都必須妥善管理該技術,使其為組織發揮效用。Dataiku 成立於 2013 年,在 2022 年的融資輪中估值達 37 億美元,銷售用於建置、部署與治理企業 AI 的集中化平台——這一定位與他所主張的集中式、中立不受廠商綁定的編排層不謀而合。

鑑於 OpenClaw 的成功,企業如今是否應完全接受 AI 代理的自主性,還是仍需要更多的人類介入監督?

Dougherty:仍然需要人類引導。人們在使用代理時看到的最大效益與成功案例,仍發生在保有人類介入監督的企業。每家公司都需要一套策略,用以識別哪些工作可以完全轉換為完全自主的系統。找出組織內哪些政策與流程可以自主化,或哪些部分可以自主化,非常重要。

他的謹慎立場也獲得產業研究呼應:Gartner 預測,在概念驗證未能兌現承諾後,超過 40% 的代理式 AI 專案將在 2027 年底前被取消,原因包括成本不斷攀升、商業價值不明確以及風險控管不足。

FDE,即前線部署工程師,在協助企業採用 AI 技術方面扮演什麼角色?

Dougherty:我們投入了大量時間與資金,聘請並組建了一支堅強的前線部署工程團隊,藉此協助我們的客戶。這一點非常重要。舉例來說,我曾協助一位客戶,我們當時試圖建置幾個相對簡單的網站。我沒有預料到的是,有許多我因天天操作而視為理所當然的小型技術障礙,會讓人們寸步難行,或大幅拖慢網站首次可部署的時程。擁有一位懂得處理這些基礎架構細節的前線部署工程師,依然非常有價值。

前線部署工程模式由 Palantir 發揚光大,如今已在 AI 供應商生態中廣泛流行,供應商希望藉此將實驗室能力轉化為實際可運作的企業部署。

要讓代理式 AI 順利運作,專家的需求程度有多高?另外,生成式 AI 開始廣泛應用之初,供應商將其包裝成不需要專家的工具,您認為這樣的訊息傳達是錯誤的嗎?

Dougherty:我不這麼認為。AI 是一項全新技術。四年前,人們在機器學習的自助服務方面已相當嫻熟,因為他們已經做了 10 年。現在,隨著新的代理功能遍地開花,供應商需要花一點時間幫助人們跨過這道最初的門檻。再過一兩年,隨著更多人接觸並習慣這項技術,我認為就不太需要同等程度的手把手協助。但就目前而言,當我試著向從未接觸過或建置過代理的人說明時,中間有一位專家協助確實很有幫助。透過結構化代理複製企業業務流程中大部分環節所帶來的業務轉型能力,相對而言較為複雜。

哪種代理式 AI 用例最能徹底改變企業?

Dougherty:企業必須先了解自己,才能找出最佳用例。在任何企業中,代理式 AI 的最佳用例就是其核心流程。以保險為例:一筆保險理賠申請進來後,會先經過一些處理;接著必須對該申請進行調查;然後決定是否給付該筆理賠;之後可能還有一些稽核作業,或許也會告知法務團隊。因此,保險業務的核心,在於決定如何以及是否給付保險理賠,以及是否繼續與該客戶往來。一家保險公司若能越清楚描述目前在不使用生成式 AI 的情況下如何完成這些工作,就越能理解理賠給付流程中的哪些環節,可以由代理式 AI 複製或強化。

企業有時清楚自身的業務價值,卻面臨眾多選擇。該如何決定與哪家供應商合作?

Dougherty:無論是在機器學習還是如今的 AI 領域,要讓資料工作達到最佳效益,就意味著為對的任務選擇對的工具,並能輕鬆替換或調整。有時 Snowflake 是最佳資料庫,有時則不是;有時 OpenAI 是最佳選擇,有時針對高度敏感資料或成本考量,地端部署模型才是最佳選項。擁有一個編排層——一個能以安全、受控、受治理的方式混合搭配這些底層工具的平台——這才是基礎。你需要的是一個集中式、中立不受廠商綁定的編排層,讓你能輕鬆為每項工作選擇合適的工具。

企業該如何應對AI 使用成本不斷攀升的問題?

Dougherty:我把它比擬為雲端時代初期人們感受到的「帳單衝擊」:當時大家把所有東西都搬到 AWS,隔年就收到一筆龐大的帳單。到了 2027 年,隨著越來越多人開始使用生成式 AI,同樣的情況將會重演。當我專注投入某項工作時,一天燒掉 1,000 美元的 token 對我來說並不困難,而這並不便宜。我確實認為屆時會出現一些反彈聲浪,但它同時也極具價值。若交到對的人手中,原本需要一到兩個月才能建置的東西,一天就能完成,這是無可取代的。正因如此,避免讓單一代理執行所有任務非常重要;你會希望把工作拆解成盡可能多的小步驟。在成本管理上另一件要注意的事,是對市場變化保持開放態度。密切掌握市場上哪些是最佳基礎模型以及價格水準,確實會對你的價格管理帶來極大影響。能夠在不同模型之間切換,至關重要。

他所描述的這種動態,在雲端領域早有前例:FinOps——如今已是一門擁有專屬專業基金會的正式學科——正是在企業受到早期雲端帳單衝擊後,為追蹤與治理支出而建立專責流程所逐漸成形。

對於阿里巴巴、DeepSeek 及其他中國供應商的開源模型,企業該如何看待這股趨勢?

Dougherty:它們很棒。我們看到許多第三方供應商正在提供這些第三方中國模型或其他開源模型,以極具競爭力的價格提供給使用者。你絕對可以導入第三方開源模型,為自己省下大筆費用。而且,是否採用基本上取決於其能力表現。

Dougherty 表示,隨著代理在組織中大量普及,管理這些代理將變得更加關鍵。「對話式 AI 與利用 AI 開發應用程式將長久存在。每個人都會投入建置這類東西。我們需要弄清楚什麼行得通、什麼行不通。」

編按:本篇訪談已為求清晰與簡潔而經過編輯。

來源:AI Business