從「對話」到「行動」：2025年Agentic AI的落地應用與產業變革

回顧2024年，生成式AI（Generative AI）的應用主要集中在內容產出與輔助對話，企業普遍導入ChatGPT或各類Copilot工具來協助員工撰寫郵件、摘要會議記錄。當時的AI定位傾向於被動的「諮詢對象」，意即人類必須發出明確指令，AI才會給予回應。

然而，隨著2025年底大型語言模型（LLM）在推理（Reasoning）與規劃（Planning）能力的顯著突破，技術典範已發生轉移。市場焦點正式轉向「代理型 AI（Agentic AI）」。

與傳統生成式AI不同，Agentic AI具備感知環境、自主拆解任務、操作外部軟體工具以及執行決策的能力。這項技術的崛起，顯示企業自動化的戰場已從單點的「內容生成」，延伸至端對端的「流程接管」。解決營運流程中大量且瑣碎的人工斷點，成為此波技術浪潮的核心價值。

觀察2024至2025年的產業動態，零售與金融領域的指標性企業已率先驗證了Agentic AI的商業價值，以下為兩個具代表性的應用案例：

零售與供應鏈：Walmart的動態路徑規劃

美國零售巨頭Walmart（沃爾瑪）在2025年的假期購物季中，展示了AI代理人在供應鏈管理的實戰能力。針對氣候異常可能導致的物流延誤，Walmart部署了具備「自我修復（Self-healing）」機制的庫存管理代理人。該系統不需等待人類管理員介入，即可在偵測到風險時，自主規劃替代物流路線，並同步在系統後端重新分配庫存位置。這種從「被動預警」進化到「主動執行」的模式，顯著提升了供應鏈在旺季期間的應變韌性。

金融科技：Klarna 的客服工作流重塑

瑞典金融科技公司Klarna則提供了明確的量化數據，證實AI代理人對營運效率的影響。Klarna於2024年揭露，其AI客服助理在單月內完成了相當於700名全職人員的工作量。該AI系統並非傳統的問答機器人，而是深度整合內部系統的代理人，擁有處理退款、變更訂單資訊及解決客戶糾紛的權限。數據顯示，該系統將問題解決的平均時間從11分鐘縮短至2分鐘，預計為該公司節省約4,000萬美元的年度成本。此案例顯示，在高合規要求的金融服務中，Agentic AI已具備處理複雜流程的穩定性。

流程工程成為新顯學

AI的未來不在於更巨大的模型，而在於代理型工作流（Agentic Workflows）。業界專家的共識在於，過去企業關注的是「提示工程（Prompt Engineering）」，意即如何問對問題；而2025年後的競爭關鍵則在於「流程工程（Flow Engineering）」。

圖1：具代理性的設計模式：反思(自我檢視與回饋調整)
資料來源：One Agent For Many Worlds, Cross-Species Cell Embeddings, and more

這意味著開發者需設計讓AI能夠「自我反思（Reflection）」與「使用工具（Tool Use）」的作業流程。如同軟體公司Cognition AI推出的AI軟體工程師Devin，能自主完成程式碼撰寫、除錯與部署，這類多代理協作（Multi-Agent Systems）模式，即讓行銷、法務、財務等不同功能的AI代理人透過API協作，正逐漸成為企業軟體架構的主流。

未來趨勢：無人化流程的挑戰與展望

展望2026年，Agentic AI的應用預計將從單一任務的自動化，走向跨部門的流程接管。然而，隨著AI獲得更多「行動權」，如何界定其權限邊界（Guardrails）與建立有效的人機協作迴圈（Human-in-the-loop），將是企業導入技術時必須面對的治理課題。

未來的數位轉型指標，或將不再是數位化程度的高低，而是企業內部有多少關鍵流程能夠在監管允許的範圍內，實現安全且高效的無人化運作。

封面圖片來源：本文作者以AI生成

參考資料來源：

1. Walmart’s U.S. Supply Chain Playbook Goes Global — and It’s Reinventing Retail at Scale
2. Klarna AI assistant handles two-thirds of customer service chats in its first month
3. One Agent For Many Worlds, Cross-Species Cell Embeddings, and more
4. Cognition | Introducing Devin, the first AI software engineer