金融機構正從單一 AI 代理，走向由多個代理分工、彼此協調的系統。但採用速度快，不代表企業已準備好全面運作。凱捷研究院《2027 年金融服務雲端報告》指出，59% 的機構正在試行或部署多代理系統，真正具備能支援全企業自主執行的協調能力者，只有 10%。19

這份報告的核心訊息，是「開始使用」和「能在企業規模下協同運作」之間仍有明顯落差。調查涵蓋 14 個市場的 1,100 位金融服務業高階主管。2 對金融業者而言，導入試點只是起點；要讓多個代理跨流程合作，還得有相應的技術基礎、治理機制，以及衡量成效的方法。

試行多，不等於能全企業協作

多代理系統讓多個 AI 代理分頭處理任務，再彼此協調完成工作流程；相較之下，單一代理通常負責一項任務或一段流程。報告指出，金融機構正把這類系統帶進銀行與保險的核心工作流程。3

不過，59% 的數字涵蓋仍在試行或部署階段的機構；10% 則指已達到企業級協調、能支援自主業務執行的機構。19 兩者衡量的是不同層次：前者反映採用與實驗的普及程度，後者才涉及能否跨部門、跨流程管理代理的運作。

因此，一個試點成功並不代表企業已具備規模化能力。要讓代理在不同流程中可靠協作，機構仍須處理系統整合、權限管理與行動監督等問題。

投資回報仍難以說清楚

報告也點出代理式 AI 的成效衡量困境：48% 的金融機構無法持續證明相關計畫的投資報酬率，51% 則缺乏成熟的價值評估關卡，以決定是否繼續投入資金。22

這也說明，部署數量不宜直接當成成功指標。企業需要能判斷計畫是否帶來實際業務價值的標準，並據此決定後續投資。報告預測，到 2028 年，把業務成果列為 AI 投資首要依據的主管人數將增加 141%。9 這是對投資優先順序的預測，並不代表 AI 的實際回報已經提高。

雲端不只是運算底座，也關乎治理

凱捷將雲端定位為代理式 AI 的運作與治理基礎，而不只是承載 AI 工作負載的基礎設施。依報告的說法，雲端有助於讓代理在規模化運作時仍受到可信任邊界約束，並將執行結果轉化為可衡量的成效。19

報告指出，90% 的機構已使用或計畫導入智慧模型路由，以兼顧模型效能與 Token 成本；52% 的銀行與保險業者則偏好由大型雲端服務商協助治理多代理部署。3

這些數據反映機構的採用狀況與偏好，不代表選擇某種雲端架構就能保證安全或成效。它們所顯示的是，模型選擇、成本管理與治理已是擴大應用時不可忽略的一環。

擴大應用，先補技術底子與成效標準

凱捷的調查呈現出金融業對多代理 AI 的興趣，與實際營運能力之間的落差：多數受訪機構已開始試行或部署，但具備全企業自主運作所需協調能力的，仍只有少數。19

報告及相關發布內容也強調，現代化底層技術架構是擴大應用的重要前提；其中一份發布資料指出，十位主管中有八位將降低技術債列為優先事項。18 結合投資回報難以驗證的問題來看，金融機構不只要打造能運行代理的技術基礎，也要建立判斷成效、決定是否持續投資的標準。

對企業主管來說，關鍵不只是「用了多少個 AI 代理」，而是它們能否穩定協作、權限與行動是否受到治理，以及產生的工作成果是否足以支持後續投入。

金融機構正從單一 AI 代理，走向由多個代理分工、彼此協調的系統。但採用速度快，不代表企業已準備好全面運作。凱捷研究院《2027 年金融服務雲端報告》指出，59% 的機構正在試行或部署多代理系統，真正具備能支援全企業自主執行的協調能力者，只有 10%。19

這份報告的核心訊息，是「開始使用」和「能在企業規模下協同運作」之間仍有明顯落差。調查涵蓋 14 個市場的 1,100 位金融服務業高階主管。2 對金融業者而言，導入試點只是起點；要讓多個代理跨流程合作，還得有相應的技術基礎、治理機制，以及衡量成效的方法。

試行多，不等於能全企業協作

多代理系統讓多個 AI 代理分頭處理任務，再彼此協調完成工作流程；相較之下，單一代理通常負責一項任務或一段流程。報告指出，金融機構正把這類系統帶進銀行與保險的核心工作流程。3

不過，59% 的數字涵蓋仍在試行或部署階段的機構；10% 則指已達到企業級協調、能支援自主業務執行的機構。19 兩者衡量的是不同層次：前者反映採用與實驗的普及程度，後者才涉及能否跨部門、跨流程管理代理的運作。

因此，一個試點成功並不代表企業已具備規模化能力。要讓代理在不同流程中可靠協作，機構仍須處理系統整合、權限管理與行動監督等問題。

投資回報仍難以說清楚

報告也點出代理式 AI 的成效衡量困境：48% 的金融機構無法持續證明相關計畫的投資報酬率，51% 則缺乏成熟的價值評估關卡，以決定是否繼續投入資金。22

這也說明，部署數量不宜直接當成成功指標。企業需要能判斷計畫是否帶來實際業務價值的標準，並據此決定後續投資。報告預測，到 2028 年，把業務成果列為 AI 投資首要依據的主管人數將增加 141%。9 這是對投資優先順序的預測，並不代表 AI 的實際回報已經提高。

雲端不只是運算底座，也關乎治理

凱捷將雲端定位為代理式 AI 的運作與治理基礎，而不只是承載 AI 工作負載的基礎設施。依報告的說法，雲端有助於讓代理在規模化運作時仍受到可信任邊界約束，並將執行結果轉化為可衡量的成效。19

報告指出，90% 的機構已使用或計畫導入智慧模型路由，以兼顧模型效能與 Token 成本；52% 的銀行與保險業者則偏好由大型雲端服務商協助治理多代理部署。3

這些數據反映機構的採用狀況與偏好，不代表選擇某種雲端架構就能保證安全或成效。它們所顯示的是，模型選擇、成本管理與治理已是擴大應用時不可忽略的一環。

擴大應用，先補技術底子與成效標準

凱捷的調查呈現出金融業對多代理 AI 的興趣，與實際營運能力之間的落差：多數受訪機構已開始試行或部署，但具備全企業自主運作所需協調能力的，仍只有少數。19

報告及相關發布內容也強調，現代化底層技術架構是擴大應用的重要前提；其中一份發布資料指出，十位主管中有八位將降低技術債列為優先事項。18 結合投資回報難以驗證的問題來看，金融機構不只要打造能運行代理的技術基礎，也要建立判斷成效、決定是否持續投資的標準。

對企業主管來說，關鍵不只是「用了多少個 AI 代理」，而是它們能否穩定協作、權限與行動是否受到治理，以及產生的工作成果是否足以支持後續投入。