近期許多專家學者與研究單位在對2025人工智慧發展提出趨勢預測時，均提到人工智慧代理（AI agent）的重要性。麥肯錫研究報告指出，生成式AI技術已經協助將6至7成的員工工作自動化，且約1/3的美國企業員工可能在老闆不知情下，已在工作中使用AI。到了2025年這些AI agent都將浮上檯面，它們將融入企業工作流程中，執行過去AI做不到的、更複雜的任務。
具備推理能力的工業AI 代理
近一兩個月來，從黃仁勳到AI科學家吳恩達，不約而同皆指出下一波重點技術在AI代理。其實AI代理並非新技術，與過去在產業導入的AI技術相比，最大的差異就是具備推理能力。以解決工廠環境特定問題的工業AI代理來說，這些代理程式通常基於大型語言模型（LLM），使用一系列專門工具來處理工業數據和使用者需求。與一般的自動化系統不同，工業AI代理不僅能夠執行重複性任務，還能根據使用者的具體要求進行靈活調整和推理，以達成更複雜的目標。
專注工業領域生成式AI技術的美國AI公司Cognite表示，在過去的經驗中，許多企業嘗試將通用型的AI工具，如ChatGPT應用在特定領域時，發現這些工具無法有效解決產業內部的複雜問題。例如，在重工業產業中，數據和問題的複雜性使得通用模型難以發揮。這些失敗的經驗說明了專門化的重要，即工業AI代理需要針對特定任務進行設計，而不是試圖解決所有問題。
傳統的自動化系統通常仰賴嚴格的規則和預先定義的流程，這使得它們在面對變化時缺乏靈活性。相形之下，工業AI代理則是基於推理和學習能力，可以根據實際情況調整其行為。這種方法不僅提高了任務執行的效率，還能在面對不確定性時做出更好的決策。
導入工業 AI 代理的3大要點
在導入工業AI代理時，除了一般基本的導入策略，如明確需求、選擇合適工具、持續評估與改進、員工訓練之外，Cognite建議還需特別注意以下三大要點：
1.使用適合的語言模型
針對不同的任務需要彈性使用對的語言模型。企業可以透過提供一些benchmark資訊來測試比較各語言模型的效能，有些時候可使用標準現成的大語言模型，或是對特定活動來說，使用小語言模型更有效率，甚至有些企業也開始用專有的資料來訓練自己的語言模型。
2.提供上下文情境內容
需提供具高度情境的上下文資訊內容給語言模型，以獲得明確的答覆。舉例來說只提供sensor資料，大語言模型可能無法提供太多有用的回覆內容，若能加上與感測器相關的事件報表或工單，LLM就能發揮推理能力提供有用的洞察，因此提供豐富的上下文資訊內容與圖表是相當重要的。
3.提供明確的回覆指令
關於要呈現哪些答覆給使用者，則需要提供明確的指令去存取相關的資料或指引，而這些就是靠不同的工業AI代理來負責處理不同的任務，且這些不同的AI代理彼此也應很好地協作。
總結來說，工業 AI 代理代表了自動化技術的一次重要進步，它們不僅能夠提升企業效率，將人力運用在更有價值的工作上，還能在面對複雜挑戰與變化時提供靈活且高效的解決方案，同時大幅降低因為錯誤而導致營運成本的上升。隨著技術的不斷發展，這些AI系統將在各行各業中發揮越來越重要的作用。
