謝至恩當企業開始讓 AI 代理執行任務，衡量 AI 價值的問題也從「省下多少工時」，延伸到流程能否改善、執行經驗能否持續累積，以及消耗的 Token 究竟帶來多少商業效益。台灣微軟總經理卞志祥在 DevDays Asia 2026 提出，Token Capital 與 Human Capital 將共同影響企業競爭力；但他也指出，當 AI 應用走向流程重塑與創新，投資報酬率 (ROI) 不能只用節省時間與人力計算，如何量化這些效果仍是微軟正在研究的課題。
由數位發展部指導、數位產業署與台灣微軟共同主辦的 DevDays Asia 2026 微軟亞太技術年會，於 9/21 在台北揭幕，以「Everyone Can Build, Every Idea Can Scale」為主軸。微軟將焦點放在 AI 如何串聯個人、團隊與企業系統，以及組織如何在安全可控的環境中導入 Agent，而不只是展示模型回答問題的能力。
AI 從輔助工具走向執行任務，企業開始重設工作流程
卞志祥表示，AI 應用正從對話式協助走向推理、任務分派與執行。當員工有自己的 Agent，部門之間也開始透過代理協作，人的工作並非因此消失，而是更需要提供方向、指導與關鍵決策。對主管而言，導入 AI 也不只是以身作則使用工具，還要重新檢視原本為人設計的工作流程，是否適合人與 Agent 共同執行。
他以新員工到職為例說明，企業會讓員工理解自己的角色、部門任務、組織分工與產業競爭力，也會檢視其執行結果。對 Agent 同樣需要這類安排：除了交付任務，還要讓它理解企業情境、接受管控，並透過結果檢討改善執行方式。單純引進更先進的模型，並不足以完成這些工作。
這也讓企業級 AI 平台的責任從提供工具，延伸到資料治理、資安與合規。卞志祥指出，企業需要管理自行建立與第三方開發的 Agent，並整合內部資料，使代理能在適當的時間、受控的範圍內取得所需資訊，理解人員、任務與流程之間的關係。
Token Capital 結合人的判斷，智慧要留在企業內部
「企業的智慧是留在企業本身。」卞志祥用這個觀點說明 Token Capital 與 Human Capital 的關係。 AI 執行任務並產出結果，人則以產業知識、經驗與判斷提供回饋；重點不只是完成一次工作，而是讓資料、流程經驗與改善指引留在企業內部，成為後續執行可以運用的組織能力。
卞志祥所談的 harness 架構，將模型與企業內部的情境理解區分開來。模型可以被呼叫與抽換，企業則透過對內部資料、工作、員工屬性及組織的理解，選用所需模型，再將人的判斷加入驗證過程。依他的說法，企業獨特的智慧來自這些持續累積的指引，而非完全由外部模型提供。
在這個架構下，Token 支出不應只被視為完成單次任務的消耗。卞志祥強調，企業也要關注執行結果與人的回饋，是否能持續留在自身的人資、業務流程或資料庫中。不過，這項主張並不等同於 Agent 會自動訓練模型，或每次使用都必然轉化為可量化的資產。
Microsoft IQ 串聯企業情境，展演涵蓋協作、開發與治理
卞志祥以自己的工作情境示範：請 Copilot Cowork 每兩週整理直屬團隊的執行事項，辨識哪些工作需要他介入，以及應優先處理什麼。要完成這個要求，Agent 不只需要理解提示詞，還要知道團隊成員是誰、平常透過哪些管道溝通，以及相關工作與專案的脈絡。
微軟將 Microsoft IQ 定位為串聯企業資料與既有系統、使 Agent 具備企業情境感知能力的一環。卞志祥的案例也包含由人確認輸出格式與優先事項的回饋過程，凸顯 AI 產出之後仍需要人的判斷，而不是將所有決策交給代理。
透過微軟 Copilot Acceleration Team 總經理 Dan Stevenson 與 AI Apps 與 Agent 市場策略總監 Matt Sinclair 的現場技術示範，微軟以工作情境串起不同工具的角色：Microsoft 365 Copilot 協助個人工作，Copilot Cowork 支援團隊流程整合與任務分配，Copilot Studio 用於打造客製化 Agent，並結合 GitHub Copilot 與 Foundry，以自然語言提示詞加速 Agent 開發與自動化。 Microsoft IQ 則串聯企業資料與既有系統，將個人協助延伸至企業工作流程。
治理方面，微軟以 Agent 365 建立涵蓋身分註冊、權限、可觀測性與生命週期的機制。卞志祥也強調，企業必須知道 Agent 處理哪些資料、執行哪些任務，以及如何保留中斷與回復的掌控點。這些治理要求與 AI 的執行能力同樣重要。
Token 消耗不等於商業價值，ROI 量化仍待完善
本刊隨後詢問卞志祥，企業已能觀察 Token 消耗量，但如何評估消耗之後產生的效益？微軟是否會提供給 Agent 或 Token 使用的 ROI 方法？
卞志祥回應，模型進行推理時會反覆驗證，讓企業面臨流程與成本不易完全掌控的問題，也使 FinOps 成為重要議題。企業除了關注執行當下的支出，還需要檢視 AI 運作過程是否留下能供後續使用的知識與指引。
對於 ROI，他提出分短期、中期與長期評估的方向。企業應用已從效率提升，走向流程改善、重新設計，甚至創新，因此「它就不是單純去乘以我省了多少時間、省了多少人工。」
不過，卞志祥也指出，如何將這些累積效果轉為量化指標，仍是微軟正在處理的課題，包括透過企業訪談，以及匿名、去識別化的員工行為分析尋找評估方式。這項說明提供了評估方向，但並未提出每單位 Token 商業價值的標準公式，也沒有公布可按部門、流程或 Agent 直接套用的完整 ROI 方法。
台灣 AI 落地須兼顧產業知識與信任治理
數位發展部政務次長侯宜秀表示，台灣推動 AI 不能只著眼於算力，還需要從模型、資料、人才、應用及治理等面向完善發展，將國家智慧與產業 know-how 轉化為人機協作競爭力。她也期待透過微軟的技術與生態系，降低應用門檻，協助台灣企業接軌國際，發展智慧且可信任的 AI 。
談到台灣的應用場景，卞志祥認為醫療、智慧製造與金融都有導入機會。其中，金融業已有客戶將 AI 從內部輔助延伸至面向客戶的小型試點，但受法規、內部流程與信任要求影響，尚不能將這類嘗試視為全面部署。 AI 在對談過程中提供建議，是他描述的輔助形式之一。
從這些應用與架構主張來看，微軟所談的企業 AI 價值，已不只停留在個人使用工具的效率，而是涵蓋組織情境、工作流程與治理能力。至於 Token Capital 如何轉化為可衡量的商業回報，現有說明仍留下量化上的課題：企業需要檢視的不只是 Token 花了多少，也包括流程改變產生什麼效果，以及這些經驗能否持續留在組織內部。