編輯部在生成式 AI 全面進入企業營運的此刻，真正的挑戰並非技術本身，而是企業是否擁有足夠成熟的營運能力與自動化基礎。 IBM 技術專家在《AI 自動化 × 智慧代理 高階策略論壇》中指出，若缺乏端到端的統一自動化與可觀測性，AI 投資將容易流於零散實驗，難以產生可量化的投資報酬。從現場分享可觀察到，企業正將焦點從「工具導入」提升至「流程設計」，以 API 策略與事件驅動架構串連應用、基礎設施與安全機制，使 AI 與 Agentic AI 能在混合雲環境中自動協調並持續優化，讓 IT 從成本中心真正轉化為成長引擎。
本篇會後報導將從現場觀點出發，整理決策者可採行的落地清單：如何界定優先情境、以平台思維整併自動化、透過可觀測數據驅動持續改善，並讓 Agentic AI 在安全邊界內「能看、能做、能修復」。讓 AI 的價值不再停留在簡報，而是化為每一次業務成果中可被量化與驗證的實際輸出。
本文目錄
從自動化到智慧行動：IBM 的 Agentic AI 驅動營運新格局
台灣 IBM 軟體事業群總經理陳孝綸揭示關鍵洞察。她指出，根據 MIT《The GenAI Divide》研究，有高達 95% 的企業無法從 AI 專案中獲得預期報酬，核心問題並非技術本身，而是組織是否具備導入 AI 的準備度，以及流程、架構與治理是否到位。
陳孝綸強調，企業若缺乏穩定且可規模化的自動化基礎，AI 再強也難以真正產生價值。 IBM 提出的觀點是：AI 與自動化必須並行，且要以統一、可連結的流程為基礎，才能兼具速度與穩定性，符合 CEO「要快、但不能犯錯」的期待。她也以 Gartner 的成熟度曲線說明，若企業只投入 AI 代理（Agent），忽略自動化底層，創新將快速停滯；反之若只做傳統自動化，價值也會逐年遞減。唯有兩者協同，才能邁向「Agentic Automation」的無限創新階段。
IBM 以自身作為第零位用戶 (Client Zero) 示範可行路徑。近兩年內，IBM 透過 IT 現代化、混合雲平台 Cirrus 、私有雲 Siren，以及 watsonx 平台等實際部署，成功達成多項具體成效：節省超過 6 億美元 IT 成本、基礎設施成本降低 30% 、 DevOps 維運人力減少 55% 、應用承載成本下降 90% 。此外，企業級資料透明化工具 Apptio 也協助 IBM 優化雲端費用、整合重複軟體採購，將支出更集中於策略性平台。
她進一步指出，Agentic AI 的真正價值在於可理解需求、分派任務、並驅動子代理完成作業，進而形成能自動運行的業務流程。未來企業部署新服務時，只需以自然語言將 SLA 需求交付給 Architect Agent，即可由 AI 自動規劃架構並執行。這意味著營運模式將從「人主導、科技輔助」轉向「科技主導、人員支援」。
最後，陳孝綸強調，企業已陸續完成許多 AI 試點，但若缺乏統一平台與可量化成果，轉型成效將難以擴大。 IBM 希望協助企業簡化維運、加速創新，並打造可長期承載 AI 的穩定架構，真正讓 AI 成為營運成長的引擎。
打造智慧營運體質：金融業自動化策略實踐案例分享
在金融業數位轉型急遽加速的浪潮下，IBM 邀請台灣知名金融機構經理人分享多年來推動 IT 治理現代化的實戰經驗，從流程、架構到治理全面升級，並以多雲環境、可觀測性與 FinOps 三大支柱打造具備韌性與效率的智慧營運體質。
金融服務數位化加速，使 IT 端與業務端的期待差距愈來愈明顯，因此唯有從流程轉型著手，才能提升交付速度與穩定度。該金融機構首先導入 CI/CD 並整合自動化測試，讓開發、測試與上線流程高度協作，並建立 DevOps 文化，使開發、測試及維運團隊以共同目標推動改善。此變革不僅提升團隊動能，也讓系統交付更一致、更快速。
在技術架構層面，逐步由傳統大型主機轉向容器化架構，同時採取前後端分離設計，全面更新員工與客戶的使用介面。透過 Infrastructure as Code(IaC) 打造標準化的自動化部署流程，使雲端環境具備一致性、可追蹤性與版本可控能力，大幅降低人工作業的風險。
在 IT 治理方面，以端到端可觀測性強化其系統透明度，透過 APM 建立服務拓樸、快速定位效能瓶頸。過去需要 20 至 30 分鐘才能有所結果的問題排查，如今在黃金 7 分鐘內即可鎖定來源，使維運更加敏捷並提升整體可靠性。
面對多雲成本管理的複雜性，該金融機構也積極導入 FinOps 文化，強調成本透明化、預算治理與跨部門協作，同時也成立 FinOps 核心團隊並打造可視化平台，讓雲資源管理由數據驅動，而非依賴人工 Excel 或經驗判斷，進而提升效率與決策品質。
成功的數位轉型根基在於 IT 作業能否達到穩定、高效與透明，而自動化正是支撐這項基礎的關鍵。唯有讓工程團隊從繁瑣且易出錯的流程中解放，才能真正投入創新與價值創造。將持續推動自動化、可觀測性與 FinOps 發展，將可建立更安全、穩定且具競爭力的金融科技營運環境。
從雲端到 AI：以 AI 與科技成本透明化，創造企業成長新價值
台灣 IBM Apptio 解決方案顧問章瑋珊以 IBM 自身的轉型實例，深入解析企業如何透過 Apptio 的技術業務管理 (TBM) 整合方案，全面提升雲端、 IT 財務與 AI 投資的透明度與治理能力。她指出，隨著 AI 投資成為全球資本市場的焦點，企業普遍面臨「算不清、管不好、成效難驗證」的困境，使 TBM 與 FinOps 的重要性快速攀升。
IBM 在 2023 年併購 Apptio 後，將其能力完整導入企業轉型路線，拆分為三大核心領域：雲財務營運管理 (FinOps) 、 IT 財務營運管理 (ITFM) 與戰略組合管理 (Service Portfolio Management) 。本次分享特別聚焦於 FinOps 、 ITFM 與 AI TCO，說明這三項能力如何協助企業管理雲成本、提升財務透明度並掌握 AI 投資的實際效益。
在 FinOps 領域，章瑋珊介紹 IBM Cloudability 如何整合多雲帳單、使用量指標與 API 資料，以單一平台呈現完整成本狀態，並提供智能優化建議。透過成本分類、使用率分析與預算告警等功能，企業能及早發現異常支出，並落實「Shift-left」成本治理，在部署前就攔截不合規或過度耗用的雲資源。她也引用金融業的案例，說明企業在採用承諾用量後，資源使用率顯著提高，實際減少雲端浪費。
在 ITFM 方面，IBM 指出，多數企業仍依賴手動工具進行財務管理，導致 IT 支出缺乏透明度，也難以向管理層清楚展現投資價值。 Apptio 透過資料管理平台、符合業界標準的成本分類模型，以及自動化的成本分攤與建模能力，協助企業從應用程式、基礎架構到供應商層級打造可追溯、可辯護的財務架構。
面對 AI 支出迅速升溫，章瑋珊也分享 IBM 以 AI TCO 框架協助企業建立從策略、採購、成本計算、部署到效益追蹤的完整治理流程。從模型算力成本、人才投入、 API 使用量，到治理與風險評估，全都透過 Apptio 整合進清晰的成本與使用視圖，協助企業判斷何種 AI 投資真正具備價值，並避免模型無序擴散與資源浪費。
IBM CIO 團隊表示，在 IBM 全面導入 Apptio 後，已於混合雲與 IT 管理中累積超過 6 億美元的成本節省，人力支援需求減少 55%，並透過 FinOps 文化成功降低 25% 的雲端浪費。章瑋珊最後補充，若企業想更深入了解 Apptio 的運作方式，亦可安排系統即時操作示範，加速組織落實數據驅動的財務與技術治理。
敏捷設計：為 AI-Ready 企業打造智慧整合平台
台灣 IBM 資深技術顧問劉泰興以「敏捷設計：為 AI-Ready 企業打造智慧整合平台」為題，深入解析 Agentic Automation 在企業落地的最新趨勢。他指出，2024 年快速冒起的 Agentic Automation，本質是透過 IT 自動化能力，為 AI Agent 打造執行、監控與治理所需的技術基礎，使企業能真正邁入可自主運作的 Agentic AI 時代。
劉泰興表示，多數企業 AI 專案之所以無法產生預期效益，問題並非 AI 不夠強，而是 AI 與企業現有系統之間缺乏整合。他強調，若 AI 無法讀取事件、呼叫工具、傳遞資料、存取流程，就無法在真實業務中落地。因此 IBM 提出以整合為核心的 Agentic Automation Platform，透過 API Gateways 、 MCP Gateways 、事件處理 (Event Gateways) 、工具與模型目錄等架構，讓 AI 能在應用程式、資料庫、事件流與自動化工具之間流暢協作。
會中也展示 IBM webMethods Hybrid Integration 如何以 AI 提升整合效率，例如利用 Integration Agent 自動產生流程、資料對應與轉換；透過 API Agent 理解並優化 API 生命週期；以及運用文件洞察工具提升開發者理解既有系統的速度。 AI 甚至能自動產生 OpenAPI 規格，從舊程式碼中提取結構，協助企業降低整體重構成本。
在測試方面，IBM 智慧生成自動化測試能依據 API 規格自動建立測試框架，提高開發與驗證效率；自動測試助手則能在短時間內產生大量請求，協助企業釐清後端是否具備足夠穩定性，快速捕捉瓶頸。
為了讓 AI 在企業內部安全運作，IBM 也推出 AI Gateway，以統一路徑管理模型訂閱、控管 Token 使用量，並透過資料遮罩、憑證管理與護欄 (Guardrails) 保護 AI 代理的工具呼叫。搭配 MCP Gateway，企業可在代理與模型之間建立標準化、可控而且可審計的互動機制，強化 AI 應用的安全性。
綜觀整體架構，劉泰興強調，AI 的智慧來自模型，而 AI 的價值則來自整合。 IBM 以全方位整合能力為基礎，使企業得以真正打造可運作、可治理、可擴展的 Agentic AI 平台，成為邁向 AI-Ready 的重要關鍵。
賦能 AI/ML：打造合規可信賴的 AI 代理與應用
在 AI 全面融入企業營運的時代，安全已成為企業最難迴避的核心挑戰。台灣 IBM 資深技術顧問蔡均璋於本次議程以「AI 時代的代理與應用安全挑戰」為題，直指 AI 代理 (AI Agent) 與應用程式代理 (Application Agent) 在企業環境中所帶來的新型風險，並提出以零信任為基礎的整體安全治理框架。
蔡均璋首先回顧近年多起 AI 相關資安事故，包括大型餐飲集團因 AI 聊天機器人採用弱密碼導致 6,400 萬筆求職資料外洩、高科技企業不慎將研發機密上傳至生成式 AI 服務造成專案延宕，以及醫療 AI 平台因資料庫權限設計過度寬鬆而洩漏近 48 萬筆病患資訊。他指出，AI 雖能提升效率，卻也同時放大既有安全弱點，使傳統防護措施難以全面應對。
他特別提醒，AI 代理具備多角色、多任務特性，會在企業內扮演客服、銷售、工程、維運等不同身分，導致身分驗證與授權管理變得更加複雜。當 AI 代理向系統下達指令時，企業是否能明確確認「誰」在執行？又能否完整追溯動作來源？傳統 RBAC（角色基礎存取控制）架構已難以支撐此需求。
除了 AI 代理風險，應用程式的密鑰管理問題也長期困擾企業：密碼硬編碼、 API Key 散佈在 Git 儲存庫、長期未輪替的 Token 、 Kubernetes Secret 僅以 Base64 儲存欠缺加密……這些脆弱點在 AI 普及後被放大，同時也受到更嚴格的法規要求。例如金管會要求密碼強制定期更換，而 PKI 憑證效期未來將縮短至 47 天，密鑰生命週期管理已成為不容忽視的基本能力。
為協助企業強化 AI 時代的基礎防護，IBM 以 HashiCorp Vault 打造完整的 AI 代理與應用密鑰防護方案。透過集中密鑰儲存庫、自動化生命週期管理、 Just-in-Time 短效授權、動態密碼產生、憑證自動化更新、 K8s 與 OCP 密鑰強化等能力，企業可確保人員、機器用戶與 AI 代理皆能在一致、可稽核且受控的安全架構下運作。
在 AI 導入場景中，Vault 可整合 OIDC 與 JWT 機制，使 AI 代理在執行任務時保留原始使用者身分，完整記錄責任鏈。同時，也能在 RAG 流程中進行加密或遮罩，避免敏感資訊在模型推論過程中遭到意外揭露。
蔡均璋最後強調，當 AI 與應用程式規模持續攀升，密鑰治理將成為企業營運穩定性與合規的重要根基。 IBM 將持續協助企業打造能因應未來 AI 挑戰的安全基礎架構。
從監控到預測：運用 AI 強化企業系統韌性
在 AI 代理 (AI Agent) 逐步進入企業營運的時代，如何維持系統的穩定性與安全性，正成為企業必須提前面對的課題。 IBM 台灣技術專家王為揚在本次分享中，以「從監控到預測：運用 AI 強化企業系統韌性」為主題，解析企業如何透過 AI 打造可預測、可復原、可持續運行的業務環境。
面對這些挑戰，他提出「企業系統韌性」的核心概念：讓應用在遇到中斷、突發事件或需求激增時仍能快速恢復。而要達到此目標，IBM 提出三階段 AI 導入進程－從被動監控走向智慧維運，再進一步實現智能優化，最終發展至 AI 協同決策。
在第一階段「智能維運」中，IBM Instana 提供端到端的可觀測性，透過 AI 自動偵測異常、關聯事件與推導根因，大幅縮短問題定位時間，避免傳統維運需耗時數小時比對資訊的困境。第二階段則透過 Turbonomic 進行跨雲資源分析與自動化調整，預測資源瓶頸並提出最佳配置建議。第三階段由 IBM Concert 統合智能維運的結果，打造企業韌性評分、動態風險洞察並協助自動化決策落地。
他指出，未來企業導入 AI 後，韌性不再只是災難復原 (BCDR) 的概念，而是跨應用、跨雲、跨代理的持續性能力。唯有透過 AI 驅動的監控、分析與自動化治理，企業才能在高度複雜的環境中保持競爭力。