AI Agent和Agentic AI的定義是什麼？

AI Agent（AI代理人）和Agentic AI（代理式人工智慧）都是能夠進行感知環境、理解判斷、規劃流程、執行任務，並反思學習如何優化行為的AI應用模式。

更完整地說，Agentic AI（代理式人工智慧）是將大語言模型LLM當作大腦，透過主動感知並分析情境狀況，整合資訊判斷條件後規劃最適合的行動計畫，最後使用各種領域功能的AI Agent（AI代理人）工具，執行任務以達成目標，且可持續優化其任務執行的方式和品質。

黃仁勳認為Agentic AI（代理式人工智慧）將為產業帶來新變革，Gartner報告預測2028年將有15%的日常工作的決策將來自Agentic AI。AI Agent則多被稱為AI代理人人或智能體，若是在企業中，則可稱為數位員工或數位勞動力。

鼎新數智（原鼎新電腦）2022年發布METIS平台，規劃未來將提供企業類似Agentic AI（代理式人工智慧）的總指揮官角色，以SUPA數智驅動模型助企業智慧營運，即時指揮企業流程中各種不同功能的AI Agent（AI代理人），以最有效益的執行方式達成企業商業目標的任務。

AI Agent和Agentic AI的核心原理

AI Agent（AI代理人）和Agentic AI（代理式人工智慧）之所以被說可以成為數位員工或數位勞動力，成為人類的代理人，是因為這兩者的運作原理，和人類的思考及行為模式非常類似。

AI Agent和Agentic AI的運作邏輯相同，只是Agentic AI更像是總指揮的角色，可以指揮各種AI Agent依據目標執行任務。

Wickens在1984年就透過認知心理學Cognitive psychology說明，人類的行為流程可以分為幾個階段，在有限的注意力下，先透過感官（視覺、聽覺、觸覺等）感知環境狀況，以大腦中長期記憶及短期記憶中既有的認知模型進行思考，判斷現狀並做出選擇後，規劃如何反應，最後開始執行動作。

AI Agent和Agentic AI的原理框架

AI Agent和Agentic AI兩者都是把LLM當做大腦核心基礎，根據感知環境中的數據，做到理解分析指令，做出情境的判斷推理和決策，運作原理大致可分為以下幾個步驟：

• 感知 Perception：從環境中多個來源收集資訊數據，並從中獲取相關知識的能力。

• 規劃 Planning：以大型語言模型LLM作為大腦，分析收集的數據且做出判斷，根據預設目標決定下一步行動的方向，並進行執行任務方式的規劃。

• 行動 Action：根據環境狀況和規劃做出的反應動作。根據規劃的執行任務方式，判斷適合的多個內外部工具（如各種Agent和API等）並與工具進行溝通，確保行動被執行。

• 學習Learn：透過過去行動的結果、教訓及反饋，進行不斷持續地自我反思Reflection批判critique和優化 refinement，改進執行策略及方式，以提高任務結果的品質。

資料來源：lilianweng以LLM 為核心的Agent系統概述

AI Agent和Agentic AI的關鍵技術

Agentic AI和AI Agent兩者要能執行感知、規劃、行動及學習，必須要具備以下三大關鍵技術才能做到：

• 大型語言模型LLM 

 LLM作為Agentic AI代理人人的大腦，負責理解指令、進行推理、決策方向，和規劃任務執行方式。也就是把LLM當作決策中樞，根據接收到的目標及感知環境的資訊數據，決定規劃下一步的任務方向，並選擇適當的行動方式及執行任務應使用的工具類型。

• 短期記憶Short term memory

類似人類的短期記憶，主要用在處理即時資訊數據，及目前正在進行的工作任務。

• 長期記憶Long term memory

透過利用外部資料儲存和快速檢索技術，可做到長時間儲存和回憶過去的任務執行經驗、學習的知識及相關資訊。

人類的注意力有限，只能執行在注意力範圍內的事務。若能透過AI Agent和Agentic AI協助人類處理各項費時、繁瑣且不重要的工作，就能把時間精神放在高價值的事情上，提高每次執行的任務效益。

AI Agent和Agentic AI的特色

從AI Agent和Agentic A的框架、原理及關鍵技術來看，AI Agent和Agentic AI是一種具備自主決策和行動能力的AI人工智慧工具，可以歸納其主要特色包含下面幾項。

• 自主決策

Agentic AI能夠獨立行動，不需要人工介入。根據設定的目標，自主即時地感知環境資訊，制定並執行行動計劃，最後完成任務。

• 目標導向

Agentic AI的行為是由預先設定的目標所驅動的。Agentic AI會根據目標及當下的情境狀況，即時判斷並選擇最有效的行動方式，並不斷調整策略以達成目標。

• 多任務處理及工具使用

Agentic AI能同時處理多項任務，並協調不同系統間的操作。 Agentic AI可以使用各種工具來完成任務，例如資料庫、API、搜尋引擎等等，所以 Agentic AI 可以獲取更多資訊數據，並執行更複雜的任務。

• 彈性調整與持續學習

Agentic AI可根據環境新資訊及變化，即時調整行為，並透過持續學習經驗改變策略方向，提升任務執行效率和品質。也就是說，Agentic AI（AI代理人人）可以透過時間的經驗值累積，變得越來越聰明，並更有效率地完成任務。

• 自然語言處理

具備理解和生成自然語言的能力，能與人類進行流暢的互動。

• 多模態理解與生成能力

未來 AI Agent代理人將能理解和處理多種類型的資訊，例如文字、圖像、語音、影片等等。這讓 AI Agent 可以與真實世界進行更豐富的互動，並完成更複雜的任務。

延伸閱讀：Agentic AI人工智慧代理引領企業轉型！

AI Agent和Agentic AI可達成的商業效益

AI Agent和Agentic AI可協助企業中的工作者，藉由數據分析和預測能勝任複雜的任務，助工作者創造更高價值。

• 提升效率和生產力價值

AI Agent和Agentic AI能夠代理執行複雜且多步驟的任務，進而釋放工作者的時間及資源，提高工作者工作效率，並專注在告高價值的工作上。例如，Agentic AI可以自動完成數據分析、內容生成、客戶服務等任務，讓員工專注於更具創造性和策略性的工作。

• 提升決策品質

AI Agent和Agentic AI可以快速分析大量數據資訊，並提供洞察和分析情報，協助決策者做出更明智的選擇。像是，AI Agent可以分析市場趨勢、客戶行為等數據，為企業提供產品開發、市場趨勢等方面的決策依據，提高企業的獲利能力。

• 降低成本

AI Agent和Agentic AI可以自動化任務，減少人工成本。例如，AI Agent可以自動化客戶服務，減少客服人員的需求。 舉例來說，Agentic AI代理人人還可以自動化倉庫管理，減少人工操作的成本。

• 優化資源配置，避免浪費

AI Agent和Agentic AI可以根據即時數據和預測分析，幫助企業優化資源配置，避免資源浪費。例如，AI Agent可以分析倉庫的庫存數據，預測未來的需求，幫助企業優化庫存管理，避免庫存過剩或不足。

AI Agent和Agentic AI應用助企業提高生產力

AI Agent和Agentic AI在企業營運流程場景下，如何被企業應用提高生產力？深耕台灣產業四十多年的鼎新數智提出在企業專屬的METIS平台上，以企業數智驅動SUPA模型為基礎框架，透過數據感知 （Sensing）企業及工廠內外部狀況、以產業語言模型理解（ Understanding）分析判斷因果關係、依據企業戰略目標進行任務規劃 （Planning）、以企業最有利的方式完成行動（Action）四個環節。

鼎新認為企業最終極的Agentic AI應用是實現「創新生產力」，就像是企業中的Agentic AI指揮官角色，調度指揮各個場景領域AI Agent（像是製造生產排程、物料監控、供應商溝通、訂單生成等），透過數智驅動SUPA模型協助企業在最短的時間以系統性的決策邏輯，做出最有效益的營運策略並完成任務。讓企業在不斷變動的複雜環境中，可以即時地靈活應變，以「數據自決」和「智慧生成」，助企業以創新生產力建立產業競爭力！

AI Agent和Agentic AI以數智驅動實現企業應用

從前面說明的原理和技術來看，數據與AI Agent和Agentic AI密不可分，企業數據可以讓AI Agent和Agentic A做到產業模型訓練與學習，協助推理和決策，驅動行動並產生回饋。

企業數據是AI Agent和Agentic AI的基礎，鼎新在企業級METIS智能平台上，透過數智驅動SUPA模型做到「數據自決」和「智慧生成」，實現像是AI Agent和Agentic A的企業應用，怎麼做到的呢？

• 感知 （Sensing）

METIS透過智驅平台的偵測技術，收集多維度的數據資，包含外部市場、客戶數據，內部營運數據等等資訊，即時獲取對外部環境和自身運營的即時狀況洞察。

這些管道包括外部的市場趨勢分析及客戶回饋資料，及內部的企業資訊系統（像是ERP、BI、BPM、MES、CRM、工業app、碳盤查、能源管理、供應鏈等）、物聯網IoT（像是製造業中機台運作狀況及產出數量）感測器（像是機械設備的溫度、壓力、振動、電流等）等各種企業狀況的即時數據。

• 理解（ Understanding） 

企業Agentic AI將收集到的數據，以「知識圖譜」中不同的產業和場景等領域模型，深入不同應用場景進行分析根本原因，辨識未來風險，從非結構化的數據中，提出並提供不同角度的洞察，而非僅僅停留在表面現象。

以關鍵物料的庫存來看，METIS的Agentic AI以「知識圖譜」中的供應鏈和物流數據，和目前庫存數量及未來需求量進行評估，建議從不同生產基地直接調貨，避免缺料的風險問題發生。

或是在製造業生產現場中，也能分析數據的趨勢、關聯性和異常模式，並利用領域知識和專家經驗，結合數據分析結果並持續學習歷史故障案例，判斷機台故障的根本原因。

• 規劃（Planning）

企業AI Agent和Agentic AI根據理解階段的分析結果，制定策略和行動計畫。METIS的Agentic AI在SUPA 的規劃階段扮演企業指揮官的角色，進行前瞻和策略的任務規劃。

METIS的Agentic AI指揮官基於「知識圖譜」達到「數據自動決策」，在快速變動的情境下以「走一步算一步」的方式制定靈活且有效的任務計畫，利用「智慧生成」進行最適合的資源配置，降低潛在風險發生的機會。

若製造業突然發生機台設備故障的狀況，METIS的Agentic AI會評估故障的嚴重程度和影響範圍，如是否會導致停產或延遲交貨。同時分析可用資源，包括零件備品、維修人力和時間等，並進行成本和效益評估，模擬和預測不同方案的結果，以提供最佳方案建議。

METIS的Agentic AI還能進行多目標優化，確保在滿足多個目標（如最小停機時間、最大產能、最低成本）的前提下，找到最佳方案，並根據實際情況動態調整方案，確保企業和工廠在快速變化中保持彈性和高效運作。

• 行動（Action）

企業AI Agent和Agentic AI將任務規劃付諸實踐，驅動各種Agent、人員、設備、系統等對象執行對應任務，實現企業業務目標。

METIS的AI Agent和Agentic AI以SUPA模型為基礎，利用即時數據的監控和回饋，自決驅動任務執行，包括組織變革、戰略優化和持續回饋機制，協助企業在執行過程中能夠動態調整，確保企業營運的有效性和完整性。

像是重要製造業訂單的關鍵物料的庫存場景，METIS的AI Agent和Agentic AI自動推送庫存調整方案，並安排物控人員執行補貨任務，同時需確保排程和物料的銜接順暢。系統建立回饋機制，監控市場銷量和庫存水準，銷量上升即觸發補貨流程。METIS的AI Agent和Agentic AI經過管理團隊允許，與外國供應商簽署臨時採購協議，即時調整生產排程，優先完成緊急訂單，降低營業額損失。

延伸閱讀：數智驅動產業大未來！

鼎新以AI Agent創新企業生產力

AI將改變企業的工作流程和營運模式，鼎新數智利用 AI 技術，助企業化數據為生產動力，提升企業的營運效率、決策能力和創新能力，達到企業獲利和效益提升。

鼎新以METIS平台及SUPA 架構提供系統化「數智驅動」模式，將產業知識封裝鼎新大模型，助企業達成高效運營和智能決策。METIS現在提供不同場景的AI數智員工，像是產生訂單流程中，6 秒即可自動生成 1 張訂單，較過去人工提升 96%的效率。

就像黃仁勳所說，要使用AI或做到AI Agent需要掌握數據並進行大量運算，企業若以雲端方式進行不只有資安風險，長時間更是可觀的成本負擔。鼎新提出AI一體機，軟硬整合最適合企業的AI伺服器和METIS平台，助企業以低成本實現AI技術創新企業生產力。

馬上體驗鼎新的METIS 數智員工

https://www.digiwin.com/tw/dsc/METIS/AIassist/index.html

參考資料：google、gartner1、gartner2、nvidia、nvidia_developer、IDC、LLM Powered Autonomous Agents、數智驅動未來企業、、鼎新AI一體機、數智驅動產業大未來！、SUPA建構數智工廠