ISS STOXX、TCS調查與工研院觀點:AI代理落地要人機分工

|產業案例與產品

ISS STOXX 在投資管理平台上線 AI 助理 Stu,TCS 調查顯示僅 10% 企業讓 AI 代理免核准決策,工研院也提醒製造業要先重設流程與治理。本文整理三則內容,並提出企業可行的導入建議。

本文重點

  • ISS STOXX 把 AI 助理 Stu 放進既有研究平台,定位是輔助而非取代專家
  • TCS 調查:84% 主管視生產力為首要效益,僅 10% 讓 AI 免核准決策
  • 工研院建議製造業先做經驗保存與視覺檢測,並重視資料治理與權限稽核

AI 代理(AI Agent,能自行規劃並執行任務的 AI)持續成為企業導入的主角。最近的三則內容有共同的訊號:ISS STOXX 把 AI 助理放進既有研究平台,TCS 的全球調查顯示企業仍保留人工核准,工研院則提醒製造業要先重新設計流程。換句話說,AI 要落地,關鍵不是功能多強,而是放在哪個流程、由誰把關。

重點整理

一、ISS STOXX 推出投資管理 AI 助理「Stu」

根據 ISS STOXX 在 2026 年 11 月 18 日發布的新聞稿,這家提供公司治理研究與數據服務的業者,已在自家的篩選、分析與研究平台 DataDesk 內部署名為 Stu 的 AI 代理,對象是從事資本管理與投資管理(stewardship,機構投資人對被投資公司的監督與議合)工作的客戶。使用者可以用自然語言提問,快速查找並分析複雜的永續評估方法。

新聞稿強調,Stu 的角色是協助客戶找出相關資訊、掌握重點並取得佐證資料,而不是取代專家分析,並稱會維持透明、嚴謹與人的專業判斷。同時,公司也說明未來會繼續擴充 AI 相關產品。這個案例的特點是:AI 不是另起爐灶,而是嵌進客戶本來就在用的平台,並建立在既有的研究內容與資料之上。

二、TCS 全球調查:效益看生產力,決策仍要人核准

印度資訊服務公司 Tata Consultancy Services(TCS)在 2026 年 11 月 4 日公布一項全球企業 AI 調查。結果顯示,84% 的受訪主管把生產力提升列為 AI 投資最主要的價值來源;但只有 10% 的全球企業,允許 AI 代理在多個職能或業務領域中,不經人工核准就執行決策。換言之,多數企業看見效益,卻仍把最後的決策權留在人手上。

三、工研院:AI 代理元年,先處理經驗傳承與資料

台灣方面,經濟日報 2026 年 11 月 4 日報導工研院產科國際所分析師黃筱雯的看法。她指出,科技大廠宣告 2026 年為 AI 代理落地元年,並引述研究機構 Gartner 的預測:到 2026 年底,全球將有 40% 企業的核心業務嵌入 AI 代理。

她認為製造現場的兩大痛點,是資深技師退休造成的經驗斷層,以及資料孤島與非預期停機的損失;產品則朝多代理協同、雲地混合部署與無程式碼介面發展。她建議,AI 負責資料篩選、影像分析與跨系統派工,人員轉向高階審核、例外處理與策略決策;並依價值與落地難度分階段推動,先做經驗保存與視覺檢測,再擴展到資料整合、預測性維護與動態排程。

分析

第一,成功案例多半是「嵌入既有流程」。 Stu 放在 DataDesk 裡,而不是另一個獨立聊天視窗,這讓使用者不必改變工作習慣,答案也能連回既有的研究資料。對台灣企業與公部門而言,這比採購一套全新工具更容易被現場接受。

第二,「人在迴路」仍是主流。 TCS 的數字很值得玩味:高達八成多的主管看重生產力,但只有一成讓 AI 免核准決策。這說明目前的合理路線,是讓 AI 負責整理、比對、起草與建議,由人保有核准權。對於金融、醫療與公部門這類責任明確的場域,尤其如此。需要留意的是,這是 TCS 自家調查,樣本與題目設計我們沒有完整看到,引用時宜視為參考趨勢。

第三,製造業的起點是知識與資料。 工研院的建議其實很務實:先處理經驗保存與視覺檢測,把資深人員的知識整理成可查詢的知識庫,再談預測性維護這類更依賴資料品質的應用。資料沒有整理好,AI 能自主的程度就有限。

第四,三則內容都指向治理。 無論是專家把關、核准機制,或工研院提到的權限控管、稽核紀錄與沙盒隔離(把 AI 的執行環境與正式系統隔開,避免出錯時擴散),都是在回答同一個問題:AI 做錯事時,誰負責、怎麼追查。

給企業的建議

  1. 挑一個已有明確資料來源的流程開始。 例如內部規章查詢、研究成果檢索、客服知識回覆。先確認資料是否完整、更新由誰負責。
  2. 把 AI 嵌進現有系統或常用管道。 如官網、內部入口、LINE 或既有平台,減少員工另外學習的成本。
  3. 用「建議—核准」兩段式設計。 初期由 AI 產出草稿或建議,由人核准;累積足夠的錯誤紀錄與評估數據後,再逐步放寬低風險任務。
  4. 先設定權限與稽核。 明列 AI 能讀哪些資料、能操作哪些系統,並保留紀錄,方便事後檢視。
  5. 製造業先做經驗數位化。 把資深師傅的處理步驟、異常案例整理成知識庫,再串接視覺檢測或排程。

源智匯在協助農業部整合所屬單位知識庫、讓同仁用自然語言提問,以及協助數位發展部以 LLM 說明網站檢核結果的過程中,也看到相同的規律:先把知識與資料整理好、讓答案可追溯,使用者才會信任。我們的 Phoebe 知識中樞與 Design AI Agent 訂做開發,就是從這類流程盤點與把關設計開始,再談擴大自主程度。

總結來說,現階段的重點不是追求最自主的 AI,而是找到一個能嵌入流程、有資料、有責任歸屬的場景,讓 AI 先成為可靠的助手。

名詞解釋

AI 代理
能依目標自行規劃步驟、呼叫工具或系統並執行任務的 AI,不只是回答問題。
stewardship
指機構投資人對被投資公司進行監督、投票與議合等責任投資行動。
DataDesk
ISS STOXX 的自有篩選、分析與研究平台,Stu 內建於其中。
沙盒隔離
把 AI 的執行環境與正式系統分開,即使出錯或遭攻擊,也不易影響核心系統。
資料孤島
各部門或系統的資料彼此不相通,無法整合使用的狀況。

常見問題

AI 代理和一般聊天機器人有什麼不同?

聊天機器人以回答問題為主;AI 代理能依目標規劃步驟並呼叫系統執行任務,因此更需要權限控管與稽核。

企業第一步應該先做什麼?

先選一個資料來源明確、風險較低的流程,整理知識與資料,並設計由人核准的機制,再逐步擴大。

TCS 的調查數字可以直接當作產業全貌嗎?

不宜。這是單一業者公布的調查,適合當趨勢參考,實際決策仍應結合自家流程與風險評估。

參考來源