iT邦幫忙

2026 iThome 鐵人賽

DAY 2
0
IT Operation

Microsoft Agent Solution (續)系列 第 2

Day02 - 代理式 AI vs AI 代理人

  • 分享至 

  • xImage
  •  

https://ithelp.ithome.com.tw/upload/images/20260915/20103333V3jExotGhG.png

今天要來介紹一個最近很容易把人搞到頭昏眼花的主題:Agentic AI 跟 AI Agent 到底差在哪裡?

老實說,這兩個名詞前陣子也困擾筆者一陣子啊 😵。去年大家嘴巴上都在講 AI Agent,今年反而三不五時就冒出 Agentic AI,原本以為只是換個包裝、換個名詞繼續賣,結果仔細拆下去,居然還真的有差~

https://ithelp.ithome.com.tw/upload/images/20260915/20103333Cd1ILmxo20.jpg
🧩 為什麼筆者特地拆這兩個名詞?
因為這不是學術考古,而是實務上非常實用。你今天如果在規劃 Microsoft 的解決方案時,尤其是 M365 Copilot、Copilot Studio、甚至 Microsoft Agent Framework 這些東西混在一起看時,沒先把概念分清楚,後面很容易一路卡關。

翻成中文就更妙了,AI Agent 常被講成 AI 代理人,Agentic AI 有些人會理解成代理式 AI。看起來好像都差不多,實際上它們在「自主性」、「任務複雜度」、「多代理協作」上,根本不是同一個量級。

https://ithelp.ithome.com.tw/upload/images/20260915/20103333yIZFApXcNM.jpg
🚀 Microsoft 的AI導入三階段
筆者借 Microsoft 2025 Work Trend Index 的圖來對照,這張圖其實蠻好懂的。

它大概把企業導入 AI 想成三個階段:

Phase 1:Human with assistant
每個人先有一個 AI 助手,幫你寫、幫你查、幫你整理。這個對應到的,很直覺就是 M365 Copilot。

Phase 2:Human-agent teams
這時候不只是助手,而是團隊裡多了一位數位同事,能接特定工作。這很像 Copilot Studio 裡做的 AI Agent。

Phase 3:Human-led, agent-operated
人類只定方向,Agent 去跑流程、處理商業工作流。這個層次就比較接近 Agentic AI / Multi-Agent 的世界。

https://ithelp.ithome.com.tw/upload/images/20260915/20103333LqKRxjV9qJ.jpg
🧠 Agentic AI 跟 🔧AI Agent,核心差異到底是什麼?
AI Agent
它偏向 task-oriented,也就是任務導向。通常是單一任務、規則導向、需要人設定與監控,但它在特定領域可以做得很精準。

Agentic AI
它偏向 goal-oriented,也就是目標導向。重點是自主決策、多代理協同、可拆解複雜任務,還能依環境動態調整。

這邊有一個眉角,筆者覺得超重要:Agentic AI 幾乎一定是 multi-agent。如果只有單一 agent 在做固定任務,那大多還是在 AI Agent 的範圍。

也就是說,AI Agent 強在「把一件事做好」;Agentic AI 強在「判斷有哪些事要做,然後叫對的人去做」。這一來一往,架構差很多啊~

📌 Use Case 怎麼分?這樣看最不會搞混
實務上,很多人不是卡在定義,而是卡在「那我到底該用哪種?」所以筆者最推薦用 use case 來切。

AI Agent 適合的場景
像是客服問答、行事曆管理、Email 自動分類、資料格式轉換、簡單報表、重複性工作。簡單講,單一任務、邏輯清楚、重複率高 的都很適合。

Agentic AI 適合的場景
像是複雜商業流程、多系統整合、策略規劃、決策支援、動態調整環境的任務。這類工作通常不是一條 script 就能解決。
/images/emoticon/emoticon06.gif
以系統專案開發的例子來說,Agentic AI 像專案經理,定目標、拆工作、找夥伴、排順序。AI Agents 像 SA Agent、Dev Agent、UI Agent,各自是專家,把自己那塊做好。這樣一講,很多人就突然懂了。因為它不是誰比較高級,而是角色不同。

https://ithelp.ithome.com.tw/upload/images/20260915/20103333uOQAFDtg3S.jpg
📚 用 LLM 成熟度五層來對照,也很有感

如果從基礎查詢、RAG、LLM with RAG,一路往上到 Multi-Tool LLM、Hierarchical LLM,你會發現:

AI Assistant
大多落在較基礎的查詢、RAG 增強、知識輔助階段,這時 M365 Copilot 很對味。

AI Agent
更像是 Multi-Tool LLM,能調工具、能執行特定任務,Copilot Studio 很適合放這層。

Agentic AI
再往上就是 Hierarchical LLM / Multi-Agent orchestration,這才比較像真的代理式 AI。

也就是說,這不是突然橫空出世的新概念,而是 LLM 系統逐漸組織化、層級化後的自然演進。

🧾 筆者小結:不要再把它們當同義詞了
最後幫大家收斂一下:

AI Agent:偏單一任務、規則導向、低度自主、精準執行。
Agentic AI:偏目標導向、多代理協作、高度自主、可規劃可修正。

所以如果你在看 Microsoft 工具鏈,可以整理如下:

M365 Copilot:比較像 AI Assistant
Copilot Studio:多數情境可視為 AI Agent 的主戰場
Microsoft Agent Framework:更靠近 Agentic AI
當然,今年產品一直進化,Copilot Studio 也開始有 agent-to-agent 的功能,所以邊界會慢慢模糊。Microsoft Agentic Business 這一塊真的學都學不完/images/emoticon/emoticon13.gif

完整版影片
Yes


上一篇
Day01 - Microsoft Agent Architecture介紹
下一篇
Day03 - AI Agent 的提示詞工程與上下文工程
系列文
Microsoft Agent Solution (續)3
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言