今天要來介紹 SharePoint Agent 的實作~ 這一篇對誰最有用？很簡單，手上有一堆 Excel、系統資料、報表要查，卻不想每次都登入一堆系統如PLM、ERP與CRM，絕對有感啊 😎

筆者這次做了一個很實際的情境：丟兩份 Excel 到 SharePoint，上面一份是維修資料，另一份是客戶主檔，然後直接問它「維修量前三名的國家是誰？」原本以為這種跨表、還要對欄位、還要算數字的題目，AI 大概又會開始用猜的，結果居然做得出來，而且還不只如此，它還能在 Teams 裡面被叫出來，這點真的讓人有驚豔到~

🚀 為什麼筆者覺得SharePoint Agent有用武之地？
其實去年很多這類功能，遇到數字統計、跨檔案比對，常常就是「看起來很會、實際上很雷」😂 因為那時候模型比較像用語意去猜答案，沒有真的在背後好好推理。

但今年沒想到，幾乎每個模型都開始補上了深度推理能力。這個差異非常大，因為它不只是嘴巴說得漂亮，而是可以在背後用比較像寫程式的方式去處理資料、計算數字、整理結果。這種功能對報表分析、知識查詢、甚至部門問答，實務上非常實用。

前幾天筆者介紹的 Agent Builder，沒有這個「在 Teams 裡面被叫出來」的能力；但 SharePoint Agent 可以。差別在哪？差別就在於你真的可以把它當成部門裡的一個數位員工 👨‍💻🤖

舉個最接地氣的例子，像 SAP、PLM、ERP 這種系統，很多人只是想查個資料，卻得先有授權、再登入、再找路徑，搞到最後查個東西像在打魔王關。那如果筆者先把需要查的資料匯出到 Excel 呢？再進一步用 Power Automate 自動把資料丟上去SharePoint 呢？那就能讓團隊在 Teams 裡直接問，不用人人都吃那個昂貴授權，這不就省事又省錢~

筆者一句話總結： 把資料集中在 SharePoint，讓 Agent 幫大家查，很多時候省下來的不只是時間，還有那個讓人心痛的 License 成本啊。

🧪 這次實作情境：兩份 Excel 交叉查詢
這次筆者準備了兩份假資料，都是用 AI 生出來的測試資料。一份是 PC / Notebook 維修資料，裡面有品牌、型號、問題描述、維修狀態等欄位；另一份是 客戶主檔，裡面有客戶對應的國家或區域資訊。

這兩份資料的關鍵，是用 Customer ID 去串起來。也就是說，維修資料裡有客戶 ID，但國家資訊在另一張表，這就不是單純 summary 一下就能解的題目了。

SharePoint 原本就有預設的 Agent 入口，按一下那個 Copilot / Agent 的圖示，就能像 M365 Copilot 那樣直接聊天；或者你也可以先選檔案，再做摘要、比較，這些都是預設功能。

但今天筆者不是只要它幫忙「摘要」，而是要它幫我回答一個比較硬派的問題：「請統計維修量前三名的國家」。

🧠 實測查詢：它真的有在背後推理
當筆者把問題丟出去後，可以看到它不是秒回那種罐頭答案，而是真的開始去讀資料、解析欄位、做推理。這裡其實就是今年模型進步最有感的地方，它會在背後寫程式，把資料找出來、串起來、統計出結果。

最後它算出來的結果是：

Australia：19
Indonesia：10
Vietnam：10

筆者通常不會看到 AI 結果就直接信，畢竟踩坑踩久了，膽子自然會變小阿 😅 所以筆者還會再用別的方式驗算一次，看兩次結果有沒有一致。這次對下來是 OK 的，代表它至少不是在亂掰。

驗證很重要
AI 幫你省時間，不代表你可以省腦袋。尤其是 KPI、排名、金額這種，最好再驗一次，尤其是數字的部分，因為有可能一步錯步步錯。

這類玩法很適合報表前置分析
不是取代 BI，而是先讓大家快速問答、快速找方向，之後再決定要不要做正式儀表板。

🛠️ 客製化 Agent：RMA Agent

實作細節的部分，請參考完整版影片囉

🎯 筆者小結
整體來看，筆者是蠻推薦 SharePoint Agent 的，尤其是你本來就已經把文件、知識、報表集中在 SharePoint 上，那這功能根本就是順手補完。它最有價值的地方，不只是聊天，而是讓團隊能用更自然的方式去查資料、問知識、看趨勢。但是它的使用限制跟Agent Builder一樣，大檔跟太多檔案，它也是吃不下，能吃下的只有之前介紹的 Cowork，但是一開下去就是 **燃燒吧Token!!!*

不過還是那句老話，資料治理做得爛，再強的 Agent 也救不了。資料亂、欄位亂、命名亂，最後 AI 只會陪你一起亂。AI的時代就是資料為王的時代啊~