微軟在《Becoming a Frontier Firm》提出的訊息相當明確：部署 AI 代理人不是軟體上線，而是營運模式的改造。

根據公司數百項內部 AI 轉型經驗，微軟認為，企業不該先問「要發多少 Copilot 授權」或「使用者下了多少提示詞」，而應先釐清：哪一項業務成果值得改善？是縮短處理時間、提升品質、降低風險、增加營收，還是改善客戶體驗？接著，才把流程、資料、治理與人員角色重新安排，讓代理人承接界線清楚的工作。 12

先看清工作怎麼做，而不是先挑 AI 工具

若流程本身充滿重複作業、層層核准、資訊斷裂與例外處理，直接導入代理人，往往只是把既有混亂加速執行。微軟建議先把工作「攤開來看」：繪製端到端流程、找出跨部門交接點與例外情況、釐清誰在做哪些判斷，以及人員依賴哪些資料和系統。 12

這也是其所稱的 「先精實，再部署代理人」（lean before agents）。在將責任交給代理人前，企業應先完成幾項基礎工作：

• 簡化並標準化底層流程；
• 移除不必要的核准、重複勞動與交接；
• 建立可共用的資料基礎，並串接相關系統；
• 設定存取權限與治理機制；
• 明確指定哪些決策、例外處理與高風險行動，仍必須由人主導。 12

重點不在於要求代理人籠統地「提高生產力」，而是給它一項置於明確流程內、範圍可控且可衡量的責任。

三條可並行的 AI 轉型路徑

微軟並未將轉型描繪成單一路線，而是提出三種可互補使用的方法。

1. 關鍵職務加速（Persona Acceleration）

此作法鎖定優先職務，提供助理、提示詞範本、技能與職務專屬代理人。目的在於把少數高效 AI 使用者的做法，轉為整個團隊可複製的能力；這也需要配套的學習與管理方式，讓人機協作成為日常。 1

2. AI 驅動的流程重設（AI-Powered Process Redesign）

這條路徑瞄準跨部門的完整流程，而非單一任務自動化。企業須重新設計工作方式，以減少等待、重工、浪費與碎片化決策。這最能體現微軟的觀點：AI 的價值取決於工作如何被重新組織。 12

3. AI 優先探索（AI-First Possibility）

企業可讓小型、專業的團隊從一開始便假設 AI 存在，重新打造產品、服務或作業模式。雖然不確定性較高，但這種方式可能發現漸進式自動化看不見的新產品機會與新型工作模式。 1

代理人自主性要逐步提高，不是一次放手

微軟不把自主性視為非黑即白的選擇，而是主張在人的問責不變之下，逐步擴大代理人的工作範圍：

1. 人員搭配 AI 助理：AI 協助起草、摘要、分析，支援人的判斷。
2. 人機團隊：代理人在控制機制、升級處理路徑與監督下，執行指定任務或決策。
3. 人主導、代理人運作的流程：代理人處理大部分營運流，人員則負責策略、例外處理、成果驗證與最終問責。 1

這不是所有部門都必須依序通過的成熟度階梯。不同流程可依風險、資料準備度及出錯後果，採取不同層級。

內部案例想說明的，不只是「做得更快」

微軟表示，其雲端供應鏈團隊先進行流程重設與共通基礎建置，之後才擴展至超過 111 個用途專屬的代理人，涵蓋規劃、採購、履約與物流。公司稱，部分供應鏈流程的週期時間最多縮短 75%，需求計畫的調查時間也從 5 至 7 天縮短至數小時。 24

另一個 Copilot Cowork 案例中，一個由九人組成的跨職能團隊，以 AI 優先方式在 35 天內推出初版產品。微軟認為，關鍵不只是開發速度變快：工程師和產品經理的角色轉向其所稱的「後設工程師」（meta-engineers）與「後設產品經理」（meta-PMs），更多工作放在指揮、審查與協調代理人產出，以及產品判斷與系統設計。 24

在這個框架下，AI 可減少人員花在初稿撰寫、例行研究與追查營運資訊上的時間；人的重心則轉向界定問題、設計系統、驗證結果、處理例外、建立關係與運用判斷。這需要 AI 素養、信任與實驗文化，也要求企業調整職務和管理方式，而不只是提供 Copilot 授權。 12

長期優勢不在模型本身，而在企業如何持續學習

微軟認為，基礎模型日益可被替代；真正較難複製的優勢，來自企業本身的資產與作法：可信賴的組織知識、受到治理的資料與工具存取權、流程編排、對「好工作」的專有定義，以及與實際成果連結的評估方法。 15

公司將這種反覆優化的迴路稱為 「爬坡機器」（hill-climbing machine）：先定義理想成果，評估代理人輸出，蒐集回饋與錯誤，改善流程或代理人，然後持續重複。依此觀點，競爭優勢較少來自選中某一個模型，而更多來自依照企業自身標準，不斷改善整個系統。 5

企業代理人部署，正走向更具體的營運場景

微軟對近 2,000 個租戶、共 40,093 個 Copilot Studio 企業代理人的分析顯示，內部員工生產力與使用者支援案例，占已部署代理人的 64.6%。分析也指出，應用正往界定更清楚的營運情境發展，例如技術協助與專業業務流程。 3

這與指南的整體論點一致：通用型生產力助理可能是常見起點，但要推進到更具影響力的代理人部署，仍有賴於清楚劃定的流程、可用資料、控制措施與可衡量的成果。

這是一套工作框架，不是可直接套用的成績單

必須留意，指南中的證據與績效數字主要來自微軟自行報告的內部轉型工作及其產品生態系，尚未經獨立驗證。微軟也明確表示，這份指南是持續演進中的工作方法，並非對其他組織開出的標準處方，更不保證能複製相同成果。 12

因此，最值得採納的不是照抄微軟的名詞或成果數字，而是驗證其順序：選定重要的業務成果、看清並簡化流程、建立資料與治理基礎、讓代理人承接邊界明確的工作、保留人的問責，並用量測到的回饋持續改善。

微軟在《Becoming a Frontier Firm》提出的訊息相當明確：部署 AI 代理人不是軟體上線，而是營運模式的改造。

根據公司數百項內部 AI 轉型經驗，微軟認為，企業不該先問「要發多少 Copilot 授權」或「使用者下了多少提示詞」，而應先釐清：哪一項業務成果值得改善？是縮短處理時間、提升品質、降低風險、增加營收，還是改善客戶體驗？接著，才把流程、資料、治理與人員角色重新安排，讓代理人承接界線清楚的工作。 12

先看清工作怎麼做，而不是先挑 AI 工具

若流程本身充滿重複作業、層層核准、資訊斷裂與例外處理，直接導入代理人，往往只是把既有混亂加速執行。微軟建議先把工作「攤開來看」：繪製端到端流程、找出跨部門交接點與例外情況、釐清誰在做哪些判斷，以及人員依賴哪些資料和系統。 12

這也是其所稱的 「先精實，再部署代理人」（lean before agents）。在將責任交給代理人前，企業應先完成幾項基礎工作：

• 簡化並標準化底層流程；
• 移除不必要的核准、重複勞動與交接；
• 建立可共用的資料基礎，並串接相關系統；
• 設定存取權限與治理機制；
• 明確指定哪些決策、例外處理與高風險行動，仍必須由人主導。 12

重點不在於要求代理人籠統地「提高生產力」，而是給它一項置於明確流程內、範圍可控且可衡量的責任。

三條可並行的 AI 轉型路徑

微軟並未將轉型描繪成單一路線，而是提出三種可互補使用的方法。

1. 關鍵職務加速（Persona Acceleration）

此作法鎖定優先職務，提供助理、提示詞範本、技能與職務專屬代理人。目的在於把少數高效 AI 使用者的做法，轉為整個團隊可複製的能力；這也需要配套的學習與管理方式，讓人機協作成為日常。 1

2. AI 驅動的流程重設（AI-Powered Process Redesign）

這條路徑瞄準跨部門的完整流程，而非單一任務自動化。企業須重新設計工作方式，以減少等待、重工、浪費與碎片化決策。這最能體現微軟的觀點：AI 的價值取決於工作如何被重新組織。 12

3. AI 優先探索（AI-First Possibility）

企業可讓小型、專業的團隊從一開始便假設 AI 存在，重新打造產品、服務或作業模式。雖然不確定性較高，但這種方式可能發現漸進式自動化看不見的新產品機會與新型工作模式。 1

代理人自主性要逐步提高，不是一次放手

微軟不把自主性視為非黑即白的選擇，而是主張在人的問責不變之下，逐步擴大代理人的工作範圍：

1. 人員搭配 AI 助理：AI 協助起草、摘要、分析，支援人的判斷。
2. 人機團隊：代理人在控制機制、升級處理路徑與監督下，執行指定任務或決策。
3. 人主導、代理人運作的流程：代理人處理大部分營運流，人員則負責策略、例外處理、成果驗證與最終問責。 1

這不是所有部門都必須依序通過的成熟度階梯。不同流程可依風險、資料準備度及出錯後果，採取不同層級。

內部案例想說明的，不只是「做得更快」

微軟表示，其雲端供應鏈團隊先進行流程重設與共通基礎建置，之後才擴展至超過 111 個用途專屬的代理人，涵蓋規劃、採購、履約與物流。公司稱，部分供應鏈流程的週期時間最多縮短 75%，需求計畫的調查時間也從 5 至 7 天縮短至數小時。 24

另一個 Copilot Cowork 案例中，一個由九人組成的跨職能團隊，以 AI 優先方式在 35 天內推出初版產品。微軟認為，關鍵不只是開發速度變快：工程師和產品經理的角色轉向其所稱的「後設工程師」（meta-engineers）與「後設產品經理」（meta-PMs），更多工作放在指揮、審查與協調代理人產出，以及產品判斷與系統設計。 24

在這個框架下，AI 可減少人員花在初稿撰寫、例行研究與追查營運資訊上的時間；人的重心則轉向界定問題、設計系統、驗證結果、處理例外、建立關係與運用判斷。這需要 AI 素養、信任與實驗文化，也要求企業調整職務和管理方式，而不只是提供 Copilot 授權。 12

長期優勢不在模型本身，而在企業如何持續學習

微軟認為，基礎模型日益可被替代；真正較難複製的優勢，來自企業本身的資產與作法：可信賴的組織知識、受到治理的資料與工具存取權、流程編排、對「好工作」的專有定義，以及與實際成果連結的評估方法。 15

公司將這種反覆優化的迴路稱為 「爬坡機器」（hill-climbing machine）：先定義理想成果，評估代理人輸出，蒐集回饋與錯誤，改善流程或代理人，然後持續重複。依此觀點，競爭優勢較少來自選中某一個模型，而更多來自依照企業自身標準，不斷改善整個系統。 5

企業代理人部署，正走向更具體的營運場景

微軟對近 2,000 個租戶、共 40,093 個 Copilot Studio 企業代理人的分析顯示，內部員工生產力與使用者支援案例，占已部署代理人的 64.6%。分析也指出，應用正往界定更清楚的營運情境發展，例如技術協助與專業業務流程。 3

這與指南的整體論點一致：通用型生產力助理可能是常見起點，但要推進到更具影響力的代理人部署，仍有賴於清楚劃定的流程、可用資料、控制措施與可衡量的成果。

這是一套工作框架，不是可直接套用的成績單

必須留意，指南中的證據與績效數字主要來自微軟自行報告的內部轉型工作及其產品生態系，尚未經獨立驗證。微軟也明確表示，這份指南是持續演進中的工作方法，並非對其他組織開出的標準處方，更不保證能複製相同成果。 12

因此，最值得採納的不是照抄微軟的名詞或成果數字，而是驗證其順序：選定重要的業務成果、看清並簡化流程、建立資料與治理基礎、讓代理人承接邊界明確的工作、保留人的問責，並用量測到的回饋持續改善。