謝至恩本文目錄
企業導入 AI 的焦點，正從單點工具應用轉向流程重塑與組織運行。鼎新數智於 6 月 23 日正式發布 Agent Space，以 AI 運行基礎建設為定位，協助企業建立可治理、可協作、可追溯的 AI 代理運行環境，讓 AI 不只回答問題，而是能在權限與流程規範下理解企業知識、拆解任務，並推進跨部門協作。
從全球趨勢來看，企業應用軟體正快速導入任務型 AI 代理，ERP 、財務、客服與供應鏈等系統，也逐步從被動記錄資料，走向主動提出建議與輔助執行。對企業而言，接下來的挑戰不只是能否使用 AI，而是如何讓 AI 代理在既有系統、資料治理、權限控管與組織責任之下安全運作。 Agent Space 切入的正是這項需求：當企業內部同時存在數十個甚至數百個 AI 代理時，需要一套能統籌調度、管理權限、記錄軌跡與沉澱經驗的運行空間。
鼎新數智執行副總裁潘泰龢表示，市場目前並不缺 AI 工具，企業真正的挑戰在於如何讓 AI 進入流程、理解場景，並在企業合規治理機制下參與工作。鼎新數智以深耕企業核心系統與產業現場的經驗為基礎，持續發展能支撐企業 AI 代理安全運作、持續協作並被有效治理的運行基礎建設，協助企業將 AI 從個人工具推進至真正參與組織運行。
從個人效率走向組織能力
Agent Space 採取「個人空間」與「企業空間」並行的雙軌 AI 運行架構。個人空間著重於使用者自身的工作習慣、判斷邏輯與協作偏好，讓個人 AI 代理可在本機設備上持續累積使用者的工作脈絡；企業空間則回到組織治理，管理不同 AI 代理可使用的資料、 Skill 、系統功能與執行權限，並透過指揮官數智分身調度不同職能分身共同完成任務。
這樣的設計，反映企業導入 AI 代理時的核心矛盾：員工希望個人 AI 能理解自己的工作方式，企業則需要確保資料不外流、權限不越界、流程可追溯。鼎新數智副總裁黃昱凱指出，個人空間的設計，是讓使用者能保有隱私與個人化工作脈絡；而當相關能力進入企業空間後，則必須在企業權限、流程與治理框架下運作。
這也代表 AI 代理的價值不只在於替個人節省時間，而是將分散在員工身上的經驗、判斷與工作方法，逐步沉澱為可延續的組織能力。當企業能標籤化、封裝並管理不同 Skill 與專家分身，AI 代理就不只是個人助理，而可能成為企業內部可被呼叫、可被驗證、可被管理的能力單元。
ERP 不再只是資料庫，而是 AI 代理的治理基礎
對鼎新數智而言，Agent Space 的產業意義也在於重新定義 ERP 與企業核心系統的角色。過去 ERP 多半被視為資料記錄與流程管控系統，使用者必須自行查詢資料、比對單據、召集會議，再依據資訊做出決策。進入 AI 代理時代後，ERP 不只是資料來源，也可成為 AI 代理執行任務時的流程規範、權限依據與治理底層。
鼎新數智總經理黃盈彰表示，企業關注的不是單一 AI 代理如何接上模型、服務、 Skill 與執行環境，而是當大量 AI 代理在企業中同時運行時，誰可以做什麼、誰不能做什麼、任務如何分工、執行過程如何被管理。若以交通系統比喻，鼎新數智不是只做一台車，而是要建構承載所有車輛協同行駛的路網與交通指揮系統。
在實際場景中，Agent Space 可將訂單、物料、產能、交期、供應鏈狀態與企業內規等資訊納入同一個任務脈絡，由 AI 代理先進行感知、拆解、調度與研判，再提供人員決策參考。以緊急接單與備料為例，過去業務、採購、生管與製造單位需要反覆查詢資料與召開會議；未來 AI 代理可先整合多系統資訊，提出是否接單、如何接單、備料是否可行等建議，再由人員進行最後確認。
這項轉變的關鍵，在於企業不需要打掉重練既有系統。黃盈彰指出，Agent Space 可引用原有系統中的流程、資料與邏輯，讓既有 ERP 與企業應用成為 AI 代理運行時的 Skill 與管控基礎。換言之，企業過去在 ERP 中累積的流程規範與內控邏輯，將成為 AI 代理能否進入核心營運現場的重要前提。
以治理能力支撐 AI 代理落地
企業 AI 代理要進入核心營運系統，資料安全與治理將是能否落地的關鍵。鼎新數智表示，Agent Space 將資料、流程、權限與任務脈絡納入同一個治理框架，讓 AI 代理在處理任務時，不只是理解自然語言與產生回應，也必須遵循企業既有的權限邏輯、內控制度與資料使用規範。
這也讓 ERP 與企業應用從後台系統，進一步成為 AI 代理的治理基礎。當 AI 代理能夠依據企業資料、流程規則與權限範圍執行任務，企業才有機會把 AI 從個人效率工具，擴大為可在部門與跨部門場景中運行的組織能力。
鼎新數智也將 Agent Space 視為生態平台。透過不同系統服務商、產業專家、 IoT 服務商與企業夥伴貢獻資料、流程與 Skill，平台可形成不同職能與專家數智分身，支援更多產業場景。不過，對企業客戶而言，真正的競爭關鍵不只在合作生態規模，而是誰能掌握更深的產業流程、更完整的企業資料治理，以及更可重複利用的任務技能。
企業導入 AI 代理仍需要從具體流程開始驗證，而非一次全面改造。請購、採購、進貨、接單、備料等高重複性且資料結構明確的場景，將會是 AI 代理較容易落地的起點；至於跨部門決策、責任歸屬、 Skill 污染防範、員工經驗萃取與離職後資料處理等議題，仍需要企業在治理制度與技術機制上同步補強。