KeyFrame內部研究專用

AI 企業知識庫結合代理人的管理轉型應用 | 勤業眾信協理蘇盈誠 | TO Talk EP131

TechOrange23 min中文
觀看原始影片

三句話摘要

企業如何透過企業知識庫與系統配套,將AI Agent的應用從60-70分準確率提升至90分以上,實現生產級應用。 AI不是買來就用的工具,真正的價值在於透過企業知識庫與系統配套,把組織的隱性知識結構化賦予AI,才能從60-70分的不可靠提升到90分以上的生產級應用,實現真正的「人機協作倍增」。 Agent AI採用率低的根本原因:企業對AI的容錯率要求遠高於個人使用。個人使用60-70分滿足度尚可,但企業營運無法接受30-40%的失誤率,因此需要達到90分以上才能真正部署到關鍵流程。

重點整理

  1. Agent AI採用率低的根本原因:企業對AI的容錯率要求遠高於個人使用。個人使用60-70分滿足度尚可,但企業營運無法接受30-40%的失誤率,因此需要達到90分以上才能真正部署到關鍵流程。

  2. AI理解不足的核心問題:AI模型本身無法理解企業特定的術語、業務邏輯、隱性規則與歷史經驗。直接購買通用AI模型而不做任何企業知識的輸入,結果必然是張冠李戴、判斷錯誤。

  3. 「Harness Engineering」的必要性:如同一台車有好引擎與傳動系統仍需配套設計才能贏得比賽,AI需要透過知識工程、制度設計、資料治理等多面向配套,才能落地到真實業務流程。

  4. 知識工程的三層配套:包括建構知識庫(收集過去案例、公司慣例、外部資訊)、制度面安排(如何讓AI習得師傅的經驗與判斷原則)、以及系統架構選擇(雲端或本地部署的成本考量)。

實用技巧與重點

  • 德勤全球調查數據
  • 2026年1月調查全球3000多個機構
  • 僅25%把Agentic AI放入生產環境
  • AI準確率數據
  • OpenAI模型初期複雜任務達成率:10%
  • 通用AI直接應用錯誤率:高達30-40%
  • 經過知識工程優化後準確率:95%以上
  • 財務凭證自動審核案例
  • 企業規模:四萬人左右
  • 人力成本:每月逾千萬(4萬人×月薪5萬+審核時間)
  • 系統配置:混合部署(本地處理+雲端LLM)
  • 月度成本:雲端流量費不到200萬
  • 費用分類:自動識別一般費用、教育訓練費、報關費等
  • 準確率:95%以上
  • 審計異常發現案例
  • 公司:內湖科技業,與NVIDIA合作
  • 發現異常:住宿費一萬多元,超過公司規定3000元上限
  • 風險評估:中風險(已過簽合程序但仍需監控)
  • 知識庫構成元素
  • 過去查核發現與結果
  • 公司常用的涵化與規則
  • 過去查核文件與記錄
  • 外部輿情與法規重點
  • 系統架構模式
  • 混合部署:大多數本地化処理,僅LLM模型在雲端
  • 好處:降低流量費、保護隱私、減少延遲

結論

AI不是買來就用的工具,真正的價值在於透過企業知識庫與系統配套,把組織的隱性知識結構化賦予AI,才能從60-70分的不可靠提升到90分以上的生產級應用,實現真正的「人機協作倍增」。

完整解析

德勤高管在這場演講中揭示了企業AI應用的關鍵矛盾:雖然硬體平台與軟體工具已日趨成熟,但真正把AI Agent放入生產環境的企業只有25%。根本原因是什麼?企業無法容忍AI的出錯。當OpenAI模型面對複雜任務時,初期達成率只有10%,即便改進後也難以達到企業所需的90分以上標準——試想一個審計程序只有60-70%的準確率,對企業營運會帶來多大風險。

問題並非AI本身不夠強大,而是AI完全不理解企業內部的語言。某家內湖科技公司已建立完整的數位帳冊系統,憑證掃描、自動傳票配對都已自動化,卻仍一天到晚出錯。為什麼?因為當員工報帳時說的「教育訓練費」或「報關費用」,通用的AI模型根本無法理解這些詞彙在該公司對應的會計科目和審核規則。

德勤引入了「Harness Engineering」的概念來解決這個鴻溝。這不只是調整Prompt那麼簡單,而是需要系統性的知識工程。他們為客戶建立企業知識庫,將過去所有查核發現、公司的審核原則、財務人員的判斷經驗,以及法規重點等元素整合進去。更重要的是,他們還把審計師審查費用時的隱性知識——例如「這張住宿費沒有寫清楚用途,而且超過了每日3000元的上限」——打包成AI能理解的規則集。

結果令人印象深刻。在財務案例中,經過知識工程配套後,自動分類與審核的準確率達到95%以上。該公司四萬人,每人每月只需一小時的報帳和審核時間,這筆人力成本高達千萬元以上。導入AI系統後,員工只需拍照上傳,後續完全自動化。即便考慮雲端的LLM調用費用(月費不到200萬),年度節省規模也高達億元。

在審計應用中,同樣的知識庫架構讓AI能夠自動發現異常。當審計師丟入一份出差申請單時,AI不僅找出了超額的住宿費,還基於公司簽合流程的認識,給出了「中風險」評估,並建議後續應查檢簽合流程是否有漏洞、是否需要監控。這些判斷完全源自知識庫中的企業規則與歷史案例。

講者強調,這整套配套不只涉及IT層面,更涉及制度層面。許多企業發現,老師傅掌握的技能和經驗從未被系統化記錄,都藏在腦子裡——如果想把這些知識遷移給AI,必須先通過訪談、錄影、文件蒐集等方式把隱性知識外顯化。這正是知識工程的核心工作。

12 min
企業管理中文10月8日

The Most Important Skill for Entrepreneurs Can't Be Taught—A Conversation with Yu Ying, Vice Dean...

凯莉彭 Kelly Peng看原片 ↗
  • 反思能力決定成長天花板:講者發現職場只有兩種人——遇到問題時,一種向外求(怪環境),一種向內求(找自己的因)。前者無論如何調整職位都不會進步,後者才有迭代與改善的機會。這種能力在青少年階段仍可塑,成人後幾乎無法逆轉。
  • 審美感必須靠大量接觸累積:審美是不可替代的創業必備素質,但不是天生的。看過百件、兩百件產品後自然能感知共性。此能力需要浸潤式學習,短期內無法突擊。
11 min
AI 技術中文10月8日

2026年10月8日|24小時世界AI新聞台-重溫|OpenAI 合約 AI 測試、Reka Rho-1、Google Earth AI

文恩澄 Rannes Man看原片 ↗
  • AI 代理從輔助進化到流程參與:OpenAI 與 Ironclad 的研究表明 AI 代理已能設定表單、建立審批規則並確保多步驟工作流合規,但人工監督仍不可或缺。這標誌著 AI 在企業軟件中的角色從簡單任務輔助升級到複雜業務流程的參與者。
  • 多模態統一正成為主流方向:Reka 的 Rho-1 展示單一模型處理文字、圖像、影片和動作的可行性,減少使用者在不同工具間切換的負擔。但技術仍面臨長時間生成穩定性與跨影片物件定位的挑戰,目前輸出解析度上限為 672×384 像素。
13 min
AI 技術中文9月26日

万亿美元AI资本开支的回报在哪里 | 黑石Jon Gray | 数据中心 | AI算力 | 工业革命 | 投资回报 | 超大规模云厂商 | 芯片短缺 | 电力基础设施 | 生产率 | AI应用场景

最佳拍档看原片 ↗
  • AI不是泡沫,而是範式轉移:喬恩·格雷用1870-1900年工業革命類比今日AI浪潮,強調這是勞動生產力翻倍、GDP與製造業產出成倍增長的機遇期,但並非所有公司都能從中獲利。
  • 投資報酬率已被驗證:黑石旗下公司已看到實際案例——印度鑽石公司提效、通訊鐵塔公司租約處理快五倍、軟體編碼模型每投1美元回報18美元,證明AI開支的合理性。