元智大學校徽 元智大學管理學院 元智大學 EMBA
Fall 2026 (115-1) · 元智大學管理學院 EMBA

生成式 AI
與智慧管理應用

GenAI & Intelligent Management Applications

從使用生成式 AI 作為起點,走向能設計、評估與管理 AI 系統。課程以購物車平台為共同案例,由需求出發,逐步加入營運分析、RAG 知識助理與 AI Agent 設計、實作及評估。課程以案例出發,介紹前瞻技術,佐以理論知識。

NOW / AI BULLETIN

最新 AI 動態

SiliconANGLE|AT&T 主管案例分享企業案例|AI 代理與流程重設

AT&T:AI 代理如何進入企業日常營運? ↗

AT&T 主管向 SiliconANGLE 表示,公司已有近 500 個 AI 代理工作流程投入營運,由專責團隊與業務單位一起檢視整體流程,減少人工交接與舊系統操作。涉及顧客的流程須經資安、隱私與法遵審查;上線初期保留人工監督,再依表現與風險決定自主程度。導入規模與成效屬企業主管自述,報導未提供獨立查核。

延伸思考你的企業有哪些流程適合交給 AI 代理?正式上線前,需要哪些驗收與核准?
Capgemini Research Institute企業調查|AI 成本與業務成果

Capgemini:企業如何掌握 AI 的完整成本? ↗

Capgemini 於 2026 年 9 月調查 500 位大型企業高階主管,59% 表示過去一年 AI 支出明顯超出預期或預算;在超支企業中,平均高出 24%。報告指出,企業應將人工覆核、返工與治理納入成本,並衡量實際業務成果。這是主管自陳調查,24% 僅指超支企業的平均幅度,不代表所有受訪企業。

延伸思考除了訂閱費與運算費,哪些隱藏成本會影響 AI 導入是否划算?
OpenAI|官方產品公告企業應用|銷售流程與工具整合

ChatGPT for Sales:把客戶資料、會議紀錄與 CRM 接進銷售流程 ↗

OpenAI 推出 ChatGPT for Sales,透過 Sales 外掛與合作工具,整合客戶關係管理系統(CRM)、會議紀錄與客戶研究,協助準備拜訪、草擬追蹤信件、檢視商機與更新客戶紀錄。使用者可檢視草稿與擬議修改,再透過已連接工具更新紀錄;功能依方案、地區、工作區設定與外掛授權而異。

延伸思考如果將客戶研究、會後追蹤與 CRM 更新交給智慧代理,哪些動作需要業務本人核准?你會如何衡量節省時間與實際銷售成效?

過往 AI 動態

點選標題,展開摘要、延伸思考與閱讀來源。

IBM 與 Microsoft 聯合新聞稿IBM 與 Microsoft 推出產業 AI 代理平台 Imagine Enterprise

產業 AI 代理平台

兩家公司推出用於建置、執行與治理 AI 代理的平台,結合 IBM Consulting Advantage 與 Microsoft Foundry、Copilot Studio,並以 Entra、Purview、Defender 等服務提供身分、治理與資安控管。首批產業框架為金融服務、保險與零售;製造、能源與公部門列為未來可能延伸的方向,未公布時程。新聞稿稱提供逾 6,000 個 AI 代理與資產,未區分兩者,也未提出客戶成效數據。企業主要透過 IBM Consulting 代為部署與營運,另有自行管理的選項。

延伸思考當平台提供數千個現成的代理,企業如何決定哪些流程值得導入?以你的提案為例,你會要求供應商提供哪些控制、執行紀錄與人工核准機制,才同意上線?
MIT CSAIL 研究團隊LLM 直接讀寫神經網路權重,能修正哪些行為?

研究選讀|Weight-Space Programming

研究團隊讓 LLM 直接分析、撰寫與修改另一個神經網路的權重。Qwen3.5-0.8B 實驗修改約 0.016% 的權重,減少重複思考,使 MATH-500 從 7.9% 升至 48.1%;過程允許工具與最多 50 次前向評估,禁止梯度訓練。這是初步成果;對很少陷入迴圈的 Gemma 3 270M,未見明確改善。修復既有能力的障礙,仍須與新增能力分開判斷。

延伸思考當 AI 表現改善時,如何分辨是新增能力、修復特定失效,還是測試設定造成?你會為自己的專題安排哪些對照與回歸測試?
Nature Human BehaviourAI 改善工作表現,是否也提升員工能力?

AI 與員工能力養成

一項以 487 名管理顧問為對象的隨機對照研究發現,獲得 ChatGPT 與訓練者在跨專業資料科學任務中表現較好,但仍未達專家水準。移除工具後,研究未發現技術知識作答能力提升的證據。企業應分別評估 AI 輔助下的交付成果與員工獨立判斷能力。

延伸思考如何確認員工除了能用 AI 完成工作,也能在工具不可用或面對新情境時,獨立判斷與查核?
OpenAIOpenAI 公布三項研究成果,邀學界檢視與解釋

科學研究與成果驗證

OpenAI 宣布涉及局部平滑猜想、指數時間假說與量子場論的 AI 研究成果,並採不同方式公開材料、組織學界檢視。官方將稿件定位為原始研究資料;理解結果、確認適用範圍與發展實際應用仍需後續工作。

延伸思考當 AI 提出超出團隊現有專業的結論時,應由誰驗證、如何留下證據,以及在什麼條件下採用?
Korn Ferry Talent Trends 2027AI 轉型的壓力,落在中階主管身上

AI 轉型與中階主管

Korn Ferry 調查 75 個以上國家、逾 1,300 位人才與高階主管(從人資長、執行長到董事會成員),只有 6% 認為高階領導者已充分準備好帶領 AI 驅動的轉型。報告預期主管將花更多時間帶領團隊因應變化,而非管理日常工作,並以「組織的避震器」形容主管的角色。這是受訪者的認知調查,報告未公開問卷題目、各國樣本分布與誤差範圍。

延伸思考如果主管要承接 AI 帶來的不確定性,組織應先提供什麼:導入計畫的背景說明、可以回答「還不確定」的空間,還是調整後的 KPI?以你的提案為例,哪一個人工核准節點最需要主管投入?
Anthropic|Claude DuetClaude Duet:主動整理需要注意的工作

Agent 產品選讀|主動追蹤與人工決策

Claude Duet 從連接的應用程式提供每日摘要、追蹤變化,也可承接排程、分析、儀表板與原型製作。它強調在背景繼續處理工作,並在需要本人判斷或代為採取行動時確認。目前為候補制研究預覽,從美國 Pro、Max、Ultra 訂閱者開始;功能與限制仍在調整。

延伸思考你希望 AI 主動提醒哪些事情?從提醒、提出建議到直接採取行動,各自需要什麼資料、權限與人工確認?
Zeabur / Rogue SecurityOpenCode 與 Zeabur:憑證風險與服務退出

資安與服務持續性

據 Rogue Security 整理,OpenCode 部分 Console 工作區的外部模型 API Key 可能外洩。Zeabur 宣布逐步結束營運,並提及資安、維運與市場定位問題。企業導入工具時,也應準備憑證撤銷、獨立備份與服務遷移。

延伸思考工具遭入侵或停止服務時,誰負責撤銷憑證、恢復備份與完成遷移?
Meta / Artificial AnalysisMeta Muse 採雙軌策略:Glimmer 在本機執行,Wonder 進攻前沿 Agent

模型與 Agent

Meta 推出雲端前沿模型 Muse Wonder 與 Wonder Full,強化長時間專業任務、記憶與失敗恢復;同一家族的 Muse Glimmer 則是 Apache 2.0 授權的 30B 本地模型。第三方評測顯示 Glimmer 的工具使用與參數效率具有競爭力,但一般知識工作與終端機任務仍落後部分同級模型;Wonder Full 則在多項 Agent 與程式開發評測進入前列。

延伸思考企業應如何在本地開放模型與雲端前沿模型之間分派工作,並依資料敏感度、任務難度、成本、失敗風險與人工覆核需求,決定何時升級模型或停止自動執行?
Google Research / Anthropic / WhartonAI 改善成果,如何保留員工的獨立判斷?

本月研究與延伸閱讀

Google Research 介紹的律師實驗顯示,AI 改善撰寫品質,但移除 AI 後,初階律師的獨立判斷能力平均未見明顯提升。相關教育研究也顯示,使用方式會影響學習。企業應分別評估交付品質與員工真正掌握的能力。

延伸思考除了成果品質,如何確認員工在沒有 AI 或面對新情境時,仍能獨立判斷?
OpenAI / QuantaOpenAI 公布數百組數學研究結果,驗證能力成為新的瓶頸

AI 研究與驗證

OpenAI 起初公布 722 份由未公開內部模型產生的數學手稿,整理為 372 個相關結果群組;發布後因證明錯誤撤回 3 份,目前 repository 收錄 719 份,約 42% 的核心結果具有 Lean 形式化。700 多指手稿數量,不代表 700 多個問題均已獲得獨立驗證的完整解答。

延伸思考當 AI 產出研究或分析的速度超過專家驗證能力時,組織應由誰負擔查核責任、設定什麼證據門檻,又該如何避免把產出數量誤當成真正進展?
AnthropicAnthropic 投入 1 億美元,目標培育 10,000 名企業 AI 導入工程師

企業 AI 導入

Anthropic 推出 Claude Frontier Academy,目標於 2027 年底前培育 10,000 名工程師。訓練涵蓋模擬企業導入、實作評量與 12 週企業專案;由組織提名參加,首批涵蓋金融、顧問與製藥業。

延伸思考若要把 AI 導入自己的工作,團隊需要哪些業務、技術與驗收能力?你會選哪一項工作作為第一個專案?
Google DeepMindGoogle 發表 Gemini 4 Argon,聚焦軟體開發、知識工作與資安防禦

模型與 Agent

Google 宣布 Gemini 4 Argon,強調複雜多步工作能力,初期向 Fairwind Program 的特定資安合作夥伴開放。後續擬從付費 API 客戶與 Google AI Ultra 訂閱者開始擴大提供,尚未公布日期。

延伸思考若 AI 能完成多步工作,你會如何檢查每一步及最後成果,才願意將一項業務交給它?
OpenAI|官方文件ChatGPT Dots:追蹤一項持續性的工作責任

Agent 產品選讀|持續工作與任務統籌

Dots 可跨對話保留工作脈絡、追蹤進度,並委派 ChatGPT Work 或 Codex 執行研究、分析與軟體任務。雲端工作可在使用者電腦關機後繼續;操作連接的本機則需保持上線。功能正逐步向合資格方案與地區推出,企業須由管理員啟用。工作記憶與筆記的更新,不等於修改模型權重。

延伸思考如果把持續追蹤客戶提案或專案進度交給 AI,你會如何定義完成條件、回報時機、停止條件,以及寄送或修改資料前的核准?
OpenAIOpenAI DevDay 2026:持續執行任務的 Agent 與跨工具工作平台

開發者大會

OpenAI 發表逾 20 項更新,涵蓋持續執行任務的 Dots、GPT-6.1 Sol、支援電腦操作的 Agents API,以及團隊協作與外掛功能;各功能的開放範圍與時程不同。

延伸思考當 AI 能持續處理任務並操作軟體,團隊應在哪些步驟設定權限、核准與成果查核?
AMD / World LabsAMD 簽約收購李飛飛的 World Labs,布局空間智慧與實體 AI

空間智慧

AMD 宣布簽署約 82 億美元的全股票收購協議,預計年底完成,仍待核准。World Labs 研究可生成與模擬互動 3D 環境的模型,將協助 AMD 規劃下一代 AI 運算系統。

延伸思考當 AI 從處理文字走向理解並模擬實體環境,企業應先在哪些工作情境驗證它的價值與可靠性?
AnthropicAnthropic 發布 Claude Opus 5.5;Sonnet 與 Haiku 5.5 將陸續推出

模型發布

Opus 5.5 主打複雜工作、效率與安全性的提升;Anthropic 表示 Sonnet 5.5 與 Haiku 5.5 將在未來數週推出。

延伸思考如果團隊多了一位更能幹的 AI 同事,你會先交給它哪件最耗時的工作?成果由誰把關?
OpenAIOpenAI 擴充 GPT-6 系列:Sol 與 Luna 正式推出

模型發布

GPT-6 Sol 與 Luna 將 Astra 的部分能力帶到不同成本與速度層級,並同步進入 ChatGPT Work、Codex 與 API。

延伸思考如果 AI 有「資深顧問」和「快手助理」兩種選擇,你會怎麼分配團隊的工作?
Meta|MuseMeta Muse:將個人目標轉成可持續推進的行動

Agent 產品選讀|個人目標與行動授權

Muse 主打旅行、購物、郵件與長期目標,可透過應用程式或 WhatsApp 互動,在背景規劃並推進多步工作。它使用專屬雲端虛擬機,由獨立的 Sentinel 檢查連接工具與對外行動,依授權決定放行、拒絕或詢問本人。官方發布公告以美國推出為起點;安全設計仍需以實際任務與例外情境驗證。

延伸思考當 AI 能代為聯絡、預訂或購物,你會如何區分一次性與持續授權?哪些資料可以讀取,哪些內容在分享或付款前一定要確認?
xAI|Grok BotGrok Bot:讓多個角色分工處理工作

Agent 產品選讀|角色分工與例行工作

Grok Bot 可依研究、業務或費用管理等角色分工,以排程與例行工作持續執行,並在角色間交接。官方目前列有個人、團隊與企業方案。同一使用者的 Bots 共用持久雲端電腦、檔案與登入狀態,隔離以使用者為單位;替不同 Bot 命名或分配職責,並不構成彼此隔離的資安邊界。

延伸思考若不同 AI 角色共用同一套登入狀態,如何避免工作資料與個人資料混用?哪些工作需要獨立帳號、隔離環境或人工核准?
01 / COURSE DESIGN

每週沿三條軌道,處理同一個管理問題。

工具會快速改變,課程以管理成果、系統能力與底層原理共同組織內容。三軌會在每週 schedule 中並列呈現。

TRACK 01

管理實務

先問企業要做什麼決策、重設哪一段工作,以及誰對成果、查核與核准負責。

TRACK 02

前瞻技術

比較 ChatGPT、RAG、Computer Use、Coding Agent 等工具在資訊取得、推理、計算、操作與自動化上的能力與限制。

TRACK 03

理論背景

從模型、資料、演算法與可靠性解釋技術為何有效、為何失敗,以及判斷的邊界。

管理問題與實作 → AI 能力與技術 → 必要理論 → 查核與工作流程改善

02 / FOUR MODULES

四大模組,完成同一個 AI 專案。

每個階段留下下一階段需要的規格、資料、證據、流程與治理判斷。

03 / SCHEDULE

18 週課程進度

每週保留三軌設計。進度可依行事曆、工具可用性與學生專案調整,最新授課檔會由各週連結提供。

W019/16
理解 AI 系統

從 ChatGPT 到 AI 系統:資料、工具、控制與責任

授課投影片 ↗
管理實務

從真實工作選一個任務,畫出資料 → 判斷 → 成果 → 核准;完成可查核的任務卡 v1

前瞻技術

Context、Search、Compute、Tool Use;Chatbot / Workflow / Agent 的控制差異

理論背景

Shannon 的 Prediction、Information、Entropy 與語言 redundancy;next-token prediction 的思想來源

W029/23
理解 AI 系統

從 Prompt 到 Context Engineering:如何撰寫可執行規格

授課投影片 ↗
管理實務

把模糊需求轉成六格規格;用基準、缺值與矛盾測試驗收,保留 v1 → v2 修正證據

前瞻技術

Context Engineering:Policy / Case / Memory、版本化工作成果 (artifact)、結構化輸出(進階)

理論背景

Goodhart's Law、proxy / target、optimization 與 specification gaming

W039/30
理解 AI 系統

從文件問答到查證:AI 的回答有根據嗎?

授課投影片 ↗
管理實務

用五份文件查出目前上線決定,核對引用、日期與核准條件

前瞻技術

Gemini Notebook(原 NotebookLM)、文件問答、RAG 與 fine-tuning 比較、引用查核

理論背景

語意相似與文件適用性、切段條件、檢索的 Precision / Recall;Bayes 定理與基準率

W0410/7
理解 AI 系統

從需求到可操作平台:購物車網站

授課投影片 ↗
管理實務

決定功能範圍、商業規則與驗收條件;從零建立購物車,處理需求變更,保存訂單並辨識選課、預約、訂機票與派工的延伸需求

前瞻技術

AI 輔助開發、畫面與規則的分工、SQLite 訂單保存與 CSV 匯出;補充開發工具詞彙

理論背景

需求規格、狀態、不變條件與邊界測試;延伸共享資源與並發衝突

W0510/14
AI 作為知識工作者

AI 輔助營運分析:訂單資料與儀表板

授課投影片 ↗
管理實務

生成並核對具有狀態、時間與商品差異的合成測試資料,定義營運指標,建立購物車儀表板;分析訂單與銷售,依可用資料延伸毛利與庫存判讀;補充員工經驗的整理與傳承

前瞻技術

AI 輔助資料生成與儀表板開發、確定性計算、日期與狀態篩選、來源查詢;延伸圖表、客群篩選或 CSV 匯出;補充技能(Skills)、ChatGPT Web UI/桌面 App、專案(Projects)與記憶範圍

理論背景

資料品質與資料粒度、指標定義、選擇偏差、加權平均與 Simpson 悖論

W0610/21
AI 作為知識工作者

智慧客服:RAG 實作

授課投影片 ↗
管理實務

整理商品、運送與退換貨政策,建立可查核引用的問答功能;人工查核回答,制定追問、拒答與轉人工條件

前瞻技術

文件匯入與切段、關鍵字/同義詞檢索、後端模型 API 串接與來源引用;人工檢查檢索與回答;進階比較向量或混合檢索

理論背景

RAG 與微調的差異、證據適用性、引用支持性、檢索與回答分開評估、追問與拒答判準、文件指令與系統規則的區分;延伸維度災難與資料稀疏

W0710/28
AI 作為知識工作者

AI 輔助自動化測試:智慧客服與交易流程驗證

授課投影片 ↗
管理實務

建立或修復自己的購物車、會員、後台倉儲、儀表板與 RAG 客服,完成上線;自訂活動並完成自動化測試,保存結果、錄影與重跑指令

前瞻技術

AI 輔助開發與程式碼審查、RAG 串接、Sites 發布與持久資料保存;客服固定題庫、自動評估迴圈與回歸測試;Playwright 消費者/店主雙角色測試、斷言與錄影

理論背景

AI Dessert:多臂老虎機問題、探索與利用、部分回饋與累積機會成本;區分功能驗證與營運成效

W0811/4
AI 作為知識工作者

AI 工作流程設計與提案審查要點

授課投影片 ↗
管理實務

從自己的工作問題完成四章提案初稿;說明資料、第一版範圍、人與工具的分工、預期成果及檢查方式

前瞻技術

AI 輔助提案寫作與缺漏檢查、工作流程圖、工具選擇與原型規劃

理論背景

任務拆解與範圍界定、人工確認與失敗處理、功能檢查與效益評估

W0911/11
PROJECT MILESTONE

期末專案之提案報告

期中聚焦問題、流程、資料、責任與評估設計;詳細要求以課程規範為準。

W1011/18
從 Copilot 到 Agent

運用生成式 AI 擴充營運流程:訂單通知與 PDF 報表

授課投影片 ↗
管理實務

延續自己的購物車,完成店主 LINE 即時通知;再將訂單同步到 Google 試算表,以 Gmail 寄出可核對的 PDF 營運報表

前瞻技術

AI 輔助既有網站擴充與測試、LINE Messaging API;以 Apps Script 串接 Google 試算表、PDF 輸出與 Gmail,數字由試算表公式計算;延伸通知規則與購課者帳號綁定

理論背景

事件觸發與流程狀態、訂單保存與通知發送分開、重送時的去重、統計口徑與權限邊界;AI Dessert:兩軍問題與確認的限制

W1111/25
從 Copilot 到 Agent

智慧代理設計:任務、工具與控制規則

依進度更新
管理實務

從自己的購物車選定一項任務,設定可用資料、工具、核准與停止條件;完成查訂單、取統計或產生草稿的小範圍案例

前瞻技術

VAEL 視覺化設計、模型與工具連接、工作狀態與執行紀錄;由一次工具呼叫引入 MCP

理論背景

Agent = Model + Harness;固定工作流程與 Agent 選擇行動的差異、任務範圍與停止條件

W1212/2
從 Copilot 到 Agent

智慧代理整合:原型匯出與購物車串接

依進度更新
管理實務

從 VAEL 匯出可運行原型,委派 Codex 接入自己的購物車;保留權限、核准與停止規則,測試正常與例外情況並修正

前瞻技術

原型匯出、工具介面與 MCP 連接、私密設定、固定案例重跑;教師以 n8n、Dots 對照示範工具使用與人工接手

理論背景

狀態延續、外部服務依賴、工具授權與人工核准;整合前後控制規則的一致性

W1312/9
從 Copilot 到 Agent

AI 時代下的資訊安全:資料、權限與信任邊界

依進度更新
管理實務

從偽冒、詐騙與資料外洩案例,決定資料範圍、可執行動作、核准與事故責任;查核自己代理的越權與未核准行動

前瞻技術

文件與工具回傳中的惡意指令、MCP 工具權限與資料隔離;分別保留模型反應與工具層阻擋紀錄

理論背景

資料與指令的信任邊界、最小權限、縱深防禦;測試未出事不代表安全

W1412/16
從 Copilot 到 Agent

生成式 AI 多媒體應用:圖像、短片與成果表達

依進度更新
管理實務

為自己的期末專案製作一頁說明圖與短片,說明管理問題、操作成果與價值;核對事實、數字及畫面中的文字

前瞻技術

圖像生成與編輯、影片生成與鏡頭描述、多輪修改;資料動畫與進階製作工具列為選用延伸

理論背景

圖像與影片生成的一致性限制、視覺編碼與資訊誤導;動畫是否有助理解

W1512/23
從 Copilot 到 Agent

成果試上架:部署檢查與營運準備

依進度更新
管理實務

整理自己的專案並試上架,確認網站、資料與設定可運作;記錄預期效益、費用與維護責任,準備交接說明

前瞻技術

網站部署、執行環境、資料保存、私密設定與健康檢查;課程上架平台依課前驗證結果使用,保留已驗證的部署方式

理論背景

試上架與正式部署的差異、持續營運條件、效益衡量與維護責任

W1612/30
AI 管理

期末專案診療:測試、修正與治理

依進度更新
管理實務

本人測試自己的專案,找出尚未通過的案例並修正功能與權責安排;以同一組案例保存修改前後的結果

前瞻技術

沿用客服題庫、Playwright 與代理執行紀錄;固定案例、回歸測試、失敗定位與修正

理論背景

成功率的分母、錯誤累積、證據適用範圍與責任配置

W171/6
AI 管理

雲端與地端部署:成本、風險與選擇

依進度更新
管理實務

以自己的專案比較雲端與地端的優缺點、建置與持續費用、資料控制及維護責任;依 W16 測試結果與使用需求提出部署建議

前瞻技術

雲端服務與地端主機的部署方式、運算與儲存、網路與外部 API 依賴、監控、備份與復原

理論背景

總持有成本、資料與權限風險、可用性、服務依賴及責任分工;依需求與限制選擇部署方式

W181/13
PROJECT MILESTONE

期末專案發表與評估

展示商業價值與可運作成果,以測試與評估證據說明效果、限制、風險及部署建議;詳細要求以課程規範為準。

04 / ASSESSMENT

評量看成果,也看你如何驗證成果。

期中先交設計,期末延續同一個問題完成可運作成果、測試證據與部署判斷。

01課後練習
17%
02期末專案之提案報告
25%
03期末專案
40%
04課堂參與
18%
PROJECT PATH
  1. 問題與現行流程
  2. 需求、資料與責任
  3. 期末專案之提案報告
  4. 原型與工作流程
  5. 測試、評估與風險
  6. 期末發表與部署提案
05 / REFERENCES

參考資料

參考資料依課程模組分類。書籍以課程需要的章節選讀為主,有興趣的同學可以購買該書或者到圖書館借閱。

04

AI Agent 與 Harness Engineering

07

工具與技術文件

此區將依每週實作內容持續補充 ChatGPT、Claude、Gemini、NotebookLM、MCP、Computer Use、Coding Agent 與相關 API 的官方技術文件。