實體AI教學課程內容
課程簡介
本課程以「從認知到設計」為主軸，系統性介紹 Agentic AI（代理式人工智慧）的核心理念、技術組成與典型企業應用模式。學員將透過理論講解、案例分析與結構化練習，學會如何從業務流程中辨識適合導入 Agentic AI 的場景，並完成一份具體的AI代理方案初稿（包含流程圖與實施構想），作為後續與技術團隊協作的基礎。課程不強調程式實作，而是強調架構思維、需求定義與跨部門溝通能力。
課程目標
完成本課程後，學員將能夠：
-
清楚界定 Agentic AI 的概念，並說明其與傳統聊天機器人、RPA及一般生成式AI的差異
-
說明一個 Agentic AI 系統的主要組成要素與運作流程
-
盤點自身業務流程，辨識可由 AI 代理介入與優化之節點
-
設計一個具明確目標、步驟與人機分工的 Agentic AI 應用構想
-
以專業語言撰寫基本需求說明，與技術或供應商團隊有效對接
課程大綱與時間配置（180 分鐘）
模組一：Agentic AI 概念與發展脈絡（約 30 分鐘）
-
Agentic AI 的定義與核心特性
-
目標導向（Goal-driven）
-
自主規劃與多步驟決策
-
工具與系統調用能力
-
持續迭代與回饋機制
-
-
與傳統 AI 型態之比較
-
與一般 LLM/Chatbot 的差異：從「回應問題」到「完成任務」
-
與 RPA 的互補關係：固定流程自動化 vs 智能決策與動態流程
-
-
Agentic AI 在企業數位轉型中的角色與價值
模組二：Agentic AI 技術與系統架構（約 40 分鐘）
-
標準 Agentic AI 架構剖析
-
大型語言模型（LLM）作為推理與生成核心
-
記憶模組：短期對話狀態與長期知識庫管理
-
工具與 API 介面：與內外部系統（CRM、ERP、工單系統等）整合
-
任務編排與流程協調（Orchestration）：任務分解與步驟排序
-
監控與反思機制：結果評估、錯誤修正與策略調整
-
-
常見設計模式簡介
-
單代理（Single Agent）與多代理協作（Multi-Agent）
-
規劃者／執行者（Planner–Executor）架構概念
-
-
以架構圖示範：使用者請求如何在 Agentic AI 系統中被解析、分解、執行與回應
模組三：典型應用場景與機會識別（約 30 分鐘）
-
不同部門的應用類型示例
-
客戶服務：從問題理解、資訊查詢到回覆與升級處理
-
行銷與業務：活動規劃、內容生成、名單篩選與績效回顧
-
營運與行政：表單審核、流程追蹤、報表彙整與提醒通知
-
數據與產品管理：資料擷取、自動分析與決策輔助報告
-
-
辨識適合導入 Agentic AI 的判斷原則
-
任務具重複性但仍需要一定程度判斷
-
牽涉多系統、多步驟與跨角色協作
-
具明確成功指標且可量化效益（時間、人力、錯誤率等）
-
-
分組活動：學員選擇自身一條關鍵業務流程，標註痛點與瓶頸位置
模組四：實務設計工作坊（一）——從需求到流程（約 40 分鐘）
-
設計 Agentic AI 應用的標準步驟
-
定義業務目標與成功指標（KPI）
-
明確輸入與輸出：使用者提供與系統產出內容
-
拆解任務階段：資訊蒐集、分析判斷、決策建議與執行動作
-
為各步驟標註：
-
是否需要語言模型推理
-
是否需連接特定內部系統或資料源
-
是否需人工審核或覆核節點
-
-
-
教學示例：以「客戶服務工單智能代理」或「內部報表自動化助手」為案例，說明完整流程設計
-
學員實作：根據先前標註之業務流程，繪製初版 Agentic AI 流程圖
模組五：實務設計工作坊（二）——從流程到導入構想（約 25 分鐘）
-
將流程圖轉化為需求與規格雛形
-
使用者角色與使用情境描述
-
所需資料、系統介面與權限管理要點
-
人機分工：哪些步驟完全自動、哪些需人工確認
-
監控指標：如何衡量導入前後成效
-
-
學員產出
-
撰寫一頁「Agentic AI 專案構想書」：包含目標、範圍、關鍵風險與試點建議
-
制定小規模試點（PoC）構想：優先實作範圍與預期時間軸
-
模組六：工具選型與風險管理建議（約 15 分鐘）
-
工具與實作路線概觀（不鎖定特定產品）
-
低／無程式流程平台與工作流程編排工具
-
以對話介面為前端、以Agent為後端的整合模式
-
內部開發框架適用情境（大型組織與高整合需求）
-
-
風險與治理要點
-
數據隱私與權限控管
-
錯誤決策風險與責任界定
-
「人類在環中」（Human-in-the-loop）的設計必要性
-
-
建議的導入路線
-
先行選擇低風險、高可見度的試點場景
-
以跨部門專案小組形式推動（業務／營運、IT、合規等）
-
