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。
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。
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。
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。
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。
點選標題,展開摘要、延伸思考與閱讀來源。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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
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。
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。
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
Context、Search、Compute、Tool Use;Chatbot / Workflow / Agent 的控制差異
Shannon 的 Prediction、Information、Entropy 與語言 redundancy;next-token prediction 的思想來源
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
Context Engineering:Policy / Case / Memory、版本化工作成果 (artifact)、結構化輸出(進階)
Goodhart's Law、proxy / target、optimization 與 specification gaming
用五份文件查出目前上線決定,核對引用、日期與核准條件
Gemini Notebook(原 NotebookLM)、文件問答、RAG 與 fine-tuning 比較、引用查核
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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。
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
成功率的分母、錯誤累積、證據適用範圍與責任配置
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
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
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
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。
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。
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。
Jay Alammar and Maarten Grootendorst · O'Reilly Media, 2024
Chip Huyen · O'Reilly Media, 2024
YouTube · 補充影片
YouTube · 補充影片
YouTube · 補充影片
YouTube · 補充影片
Christopher D. Manning, Prabhakar Raghavan, and Hinrich Schütze · Cambridge University Press, 2008
Jay Alammar and Maarten Grootendorst · O'Reilly Media, 2024 — 第 8 章起的語意搜尋與 RAG 章節
Paul Barbaste, Tristan Darrigol, Germain Vu, and Tom Wiltberger · arXiv:2609.00006, 2026 — 第 12–13 週架構選讀:Model 與 Harness 的分工,以及迴圈、工具、上下文與權限的系統設計
WalkingLabs · GitHub 開源教材 — 第 12–16 週延伸閱讀與進階實作:工作環境、狀態保存、驗證、任務範圍與執行回饋
Chip Huyen · O'Reilly Media, 2022
Chip Huyen · O'Reilly Media, 2024
Martin Kleppmann and Chris Riccomini · 2/e, O'Reilly Media, 2026
Joseph Y. Halpern and Yoram Moses · Journal of the ACM, 1990 — 第 10 週 AI Dessert:兩軍問題與確認的限制
Ethan Mollick · Portfolio, 2024
Marco Iansiti and Karim R. Lakhani · Harvard Business Review Press, 2020
LINE Developers · 官方技術文件
LINE Developers · 官方技術文件
LINE Developers · 官方技術文件
Google Developers · 官方技術文件 — 寄信與網站背景自動化須另外確認授權與執行環境
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。