掌握企业AI Agent落地关键 纬谦以Oracle技术整合数据、AI与网安

纬谦科技甲骨文事业处资深总监廖会文。纬谦科技

生成式AI近两年快速进入企业应用，使用情境也从知识问答、文件摘要与内容生成，逐步延伸至具备任务执行能力的AI Agent。过去由AI提供答案后，仍需使用者操作系统完成后续工作；AI Agent则进一步结合数据查询、流程判断与系统操作，可在授权范围内处理订单查询、库存异动与待办追踪等实际任务。

纬谦科技甲骨文事业处资深总监廖会文指出，当AI从「回答问题」走向「替企业做事」，企业导入时必须同步考量数据正确性、系统串接、身份验证与权限边界。AI Agent要进入企业核心流程，也因此需要建立可供AI安全、正确使用的数据基础。

廖会文表示，企业规划AI Agent，可先厘清自身掌握哪些数据，以及这些数据能否被AI正确存取。随着大型语言模型持续朝垂直领域与专业化发展，企业可选择的模型将愈来愈多，自身长期累积的客户、交易、营运与产业知识等私有数据，将成为形成应用差异的重要基础。若企业使用的AI模型主要依赖网络上广泛流通的信息，即使模型能力持续提升，也难以充分掌握特定企业的营运情境。

要让这些私有数据真正转化为AI可利用的资源，企业还必须先解决数据如何被找到、存取与串接的问题。由于相关数据通常分散在ERP、CRM、数据库与既有系统中，因此可先盘点数据位置、品质与存取方式，再透过API、数据整合、矢量查找与RAG等机制，建立明确的数据存取路径与权限管理，让既有数据库与应用架构成为衔接AI能力的基础。

数据条件逐步完备后，下一项需要评估的课题是导入范围。廖会文建议，企业初期可优先选择目标明确、范围可控且风险较低的场景，避免一开始便让Agent承接跨部门、端到端的复杂流程。例如企业知识库、IT服务台、文件整理、客服工单与营运报表等查询、整理及辅助型应用，都适合作为起点；待数据品质、API串接、权限边界与人工覆核机制逐步成熟，再扩大至跨系统操作与更复杂的业务流程。

廖会文以台湾知名食品物流企业的AI应用导入为例指出，该企业原先采用地端Oracle数据库，后续由纬谦协助搬迁至Oracle Cloud Infrastructure（OCI），并升级至Oracle Database 26ai，再结合Oracle APEX与AI能力建立应用。

导入后，原先约需7至8人的内部应用开发与维护工作，约2人即可维持；主管若有特定业务数据需求，过去由工程人员撰写程序、产出报表可能耗时1至2个月，如今可透过自然语言直接查询企业内部数据。廖会文认为，这类案例反映企业既有数据库若能进一步结合AI与应用开发工具，可缩短数据取用与应用开发流程，让AI更贴近实际营运需求。

当AI应用从数据查询、报表产出，进一步延伸至跨系统操作与任务执行，企业需要处理的问题也随之从「数据能否被AI使用」，扩大到「AI可以执行到什麽程度」。廖会文指出，Agent取得的权限应限制在完成任务所需的最小范围，数据读取与实际写入也需分开管理；涉及新增、修改、删除等数据异动操作时，则应依照使用者身份与工作职责设定明确边界。若牵涉金流支付、数据删除、合约修改等高风险行为，最后执行阶段仍应保留人工介入机制，由人工确认后再完成操作。

随着基础模型能力逐步普及，廖会文认为，企业AI应用的差距将进一步反映在数据治理、系统整合、网安规范与业务流程重新设计等能力。AI Agent能否深入核心营运，也取决于企业能否让数据、AI与既有流程在明确的权限与责任架构下协同运作。对企业而言，Oracle Database、OCI与APEX等技术可作为串接数据、AI与应用流程的基础，协助企业从既有数据资产出发，依照实际业务需求逐步扩大AI Agent应用范围。