掌握企業AI Agent落地關鍵 緯謙以Oracle技術整合資料、AI與資安
- 台北訊
-
生成式AI近兩年快速進入企業應用，使用情境也從知識問答、文件摘要與內容生成，逐步延伸至具備任務執行能力的AI Agent。過去由AI提供答案後，仍需使用者操作系統完成後續工作；AI Agent則進一步結合資料查詢、流程判斷與系統操作，可在授權範圍內處理訂單查詢、庫存異動與待辦追蹤等實際任務。
緯謙科技甲骨文事業處資深總監廖會文指出，當AI從「回答問題」走向「替企業做事」，企業導入時必須同步考量資料正確性、系統串接、身分驗證與權限邊界。AI Agent要進入企業核心流程，也因此需要建立可供AI安全、正確使用的資料基礎。
廖會文表示，企業規劃AI Agent，可先釐清自身掌握哪些資料，以及這些資料能否被AI正確存取。隨著大型語言模型持續朝垂直領域與專業化發展，企業可選擇的模型將愈來愈多，自身長期累積的客戶、交易、營運與產業知識等私有資料，將成為形成應用差異的重要基礎。若企業使用的AI模型主要依賴網路上廣泛流通的資訊，即使模型能力持續提升，也難以充分掌握特定企業的營運情境。
要讓這些私有資料真正轉化為AI可利用的資源，企業還必須先解決資料如何被找到、存取與串接的問題。由於相關資料通常分散在ERP、CRM、資料庫與既有系統中，因此可先盤點資料位置、品質與存取方式，再透過API、資料整合、向量搜尋與RAG等機制，建立明確的資料存取路徑與權限管理，讓既有資料庫與應用架構成為銜接AI能力的基礎。
資料條件逐步完備後，下一項需要評估的課題是導入範圍。廖會文建議，企業初期可優先選擇目標明確、範圍可控且風險較低的場景，避免一開始便讓Agent承接跨部門、端到端的複雜流程。例如企業知識庫、IT服務台、文件整理、客服工單與營運報表等查詢、整理及輔助型應用，都適合作為起點；待資料品質、API串接、權限邊界與人工覆核機制逐步成熟，再擴大至跨系統操作與更複雜的業務流程。
廖會文以台灣知名食品物流企業的AI應用導入為例指出，該企業原先採用地端Oracle資料庫，後續由緯謙協助搬遷至Oracle Cloud Infrastructure（OCI），並升級至Oracle Database 26ai，再結合Oracle APEX與AI能力建立應用。
導入後，原先約需7至8人的內部應用開發與維護工作，約2人即可維持；主管若有特定業務資料需求，過去由工程人員撰寫程式、產出報表可能耗時1至2個月，如今可透過自然語言直接查詢企業內部資料。廖會文認為，這類案例反映企業既有資料庫若能進一步結合AI與應用開發工具，可縮短資料取用與應用開發流程，讓AI更貼近實際營運需求。
當AI應用從資料查詢、報表產出，進一步延伸至跨系統操作與任務執行，企業需要處理的問題也隨之從「資料能否被AI使用」，擴大到「AI可以執行到什麼程度」。廖會文指出，Agent取得的權限應限制在完成任務所需的最小範圍，資料讀取與實際寫入也需分開管理；涉及新增、修改、刪除等資料異動操作時，則應依照使用者身分與工作職責設定明確邊界。若牽涉金流支付、資料刪除、合約修改等高風險行為，最後執行階段仍應保留人工介入機制，由人工確認後再完成操作。
隨著基礎模型能力逐步普及，廖會文認為，企業AI應用的差距將進一步反映在資料治理、系統整合、資安規範與業務流程重新設計等能力。AI Agent能否深入核心營運，也取決於企業能否讓資料、AI與既有流程在明確的權限與責任架構下協同運作。對企業而言，Oracle Database、OCI與APEX等技術可作為串接資料、AI與應用流程的基礎，協助企業從既有資料資產出發，依照實際業務需求逐步擴大AI Agent應用範圍。
