新聞

生成式AI快速發展兩年後，AWS認為，企業AI競爭已逐漸從大型語言模型（LLM）本身，轉向如何讓AI真正走進企業流程、完成工作。在今年AWS Summit Taipei大會首日的主題演說中，AWS正式宣告2026將是「Agent AI元年」，並一口氣推出涵蓋AI代理開發、執行、知識管理、軟體維運與資安治理等多項新能力，希望打造企業部署AI Agent的完整平臺。

AWS臺灣董事總經理王定愷表示，隨著基礎模型能力跨越臨界點，以及雲端基礎設施日趨成熟，AI Agent已開始具備執行複雜企業工作的能力。他認為，企業現階段最大的課題已不是「要不要導入AI」，而是如何制定AI策略。他建議企業「先找到金礦，再買鏟子」，應先找出最具價值的應用場景，再透過快速實驗與持續迭代推動AI落地，而不是急著追逐最新模型或工具。

從模型走向Agent平臺，AWS補齊企業部署AI代理最後一塊拼圖

不過，AWS認為，阻礙企業導入AI Agent的已不是模型能力，而是如何讓Agent能夠安全、可靠且大規模投入企業營運。

AWS GenAI GTM下世代開發者體驗總監Rory Richardson指出，去年AWS開始談論Agent，今年則進一步聚焦如何讓Agent真正進入生產環境（Production）。她表示，企業要的不只是能回答問題的聊天機器人，而是能規畫任務、調用工具、分析企業資料，並自主完成工作的AI代理。

她指出，AWS的工作，就是「移除想像力與真正打造能力之間的障礙」（remove the barriers between imagination and what you can build），因此今年AWS不再聚焦於推出新的大型語言模型，而是將焦點放在建構企業AI Agent平臺，補齊Agent從開發到正式上線所需的各項能力。

AI不只是寫程式，更參與整個軟體開發生命週期

首先是在軟體開發方面。Rory Richardson提出「Write it right. Ship it fast. Keep it modern」（正確打造、快速交付、持續現代化）的快速開發模式。

Rory Richardson指出，若AI只協助撰寫程式碼，測試、部署、維運仍採人工方式，整體開發速度並不會真正提升。因此，AWS希望讓AI參與整個軟體開發生命週期（Software Development Lifecycle，SDLC），而不只是扮演Coding Assistant。

AWS今年以Kiro作為AI開發Agent核心，可將自然語言需求轉換為開發規格，自動拆解任務、撰寫程式、建立測試並完成驗證，希望讓AI成為開發團隊中的協作者。

另一方面，AWS也推出Transform Continuous Modernization，可持續檢查老舊程式碼、相依套件及系統架構，自動完成現代化；DevOps Agent則可協助分析事件、排除故障及提升系統可靠性，讓AI進一步參與部署與維運工作。

換言之，AWS希望企業未來部署的不只是AI程式助理，而是一群共同參與需求分析、開發、測試、部署到維運工作的AI Agent。

AWS攜手OpenAI推企業級AI Agent落地

AWS也分享與OpenAI的合作進展。OpenAI企業產品Codex主管Rohan Varma表示，企業導入AI時，不應該在模型能力與安全要求之間做選擇，AWS提供的雲端基礎架構，包括身分驗證、私有網路、資料加密與日誌管理等能力，可協助企業更安全地部署AI應用。

AWS表示，雙方合作已從模型供應延伸至企業級AI工作負載部署，OpenAI模型可透過Amazon Bedrock與SageMaker JumpStart等服務提供給開發者使用，讓企業能在AWS環境中選擇適合需求的模型，並結合自身資料與應用系統。

Rohan Varma指出，OpenAI的Codex也正從協助開發者產生程式碼，演進為可執行複雜任務的AI Agent，能參與軟體開發、測試、文件整理與分析等工作。OpenAI內部導入Codex後，工程師提交Pull Request數量提升一倍，顯示AI Agent正逐步改變企業軟體開發流程。

日本電商遭勒索攻擊後，以AIDLC重建韌性系統

在今天的Keynote中還分享一個AIDLC的案例，一家日本電商公司ASKUL在遭到勒索軟體攻擊後，如何透過AI驅動開發模式重新打造IT架構的案例。日本B2B電商平臺ASKUL總裁吉岡晃表示，該公司是在2025年10月遭遇勒索軟體攻擊，造成核心系統受到影響，攻擊後一個月內營收一度減少約 95%，為公司成立以來最大的危機。

面對系統受創，ASCO並未選擇單純恢復原有環境，而是決定「從零開始重建事業與系統」，打造新的營運模式。吉岡晃表示，公司的目標不是回到攻擊前的狀態，而是建立更理想、更具韌性的系統架構。

ASCO採用AI驅動開發生命週期（AIDLC）模式，將AI應用從單純的程式開發延伸到問題發現、需求定義、決策與系統建置等完整流程。透過讓業務人員與工程師共同與AI協作，該公司也趁此機會重新檢視工作流程，降低跨部門溝通與協調成本。

其中一項應用是改善電商平臺商品上架流程。過去商品負責人需要花費大量時間在跨部門溝通、工具切換與流程協調，無法投入更多精力在商品策略與客戶需求分析。他們透過AIDLC 重新設計流程，讓業務與工程團隊共同利用AI完成需求拆解、開發與驗證，使開發時間縮短一半，商品上架速度則提升一倍。

ASCO也將AI應用延伸至經營決策層。面對供應鏈不穩定問題，他們利用Kiro協助進行需求預測與備料策略分析，將過去需要兩週完成的分析與提案流程縮短至約3小時，協助管理階層更快速做出決策。

吉岡晃指出，AIDLC成功的關鍵包括企業必須下定決心推動AI、讓業務與工程團隊共同參與、將權限下放至第一線，以及建立讓員工安心使用AI的安全環境。

建立企業知識脈絡，讓Agent理解企業而不是只理解模型

除了開發能力，AWS認為，企業AI Agent真正能否落地，關鍵還在於是否理解企業自己的知識。

Rory Richardson表示，再聰明的模型，也不了解企業如何運作，不知道企業有哪些客戶、流程與資料，因此若缺乏企業脈絡，Agent很可能「非常有自信地給出錯誤答案」。

因此，AWS也推出新的Context能力，協助Agent建立企業知識脈絡，自動整合企業內部結構化與非結構化資料，建立跨資料來源的知識脈絡（Context）；新版Amazon Bedrock Managed Knowledge Base則可整合文件、圖片、影片及資料庫等不同資料來源，並支援跨知識庫搜尋與權限控管，讓Agent取得最新且可信任的企業知識。

AWS希望，未來Agent回答問題時，不只是根據模型訓練資料，而是能理解企業自己的知識網絡與商業脈絡。

從治理到資安，讓企業能安心部署AI Agent

當AI Agent開始自主執行工作，AI Agent被賦予「自主行動」和「自動寫Code部署」權限時，企業擔心它會產生安全性漏洞或引發資料外洩。因此AWS將安全治理視為企業導入的重要門檻。

Rory Richardson表示，企業不應在速度與安全之間二選一，而是讓安全成為Agent平臺的一部分。因此，今年AWS推出Continuum產品家族，整合威脅建模（Threat Modeling）、程式碼審查（Code Review）、滲透測試（Pen Testing）及漏洞分析等能力。

Continuum可分析企業環境中的攻擊路徑、自動判斷漏洞優先順序、提出修補建議，並在建立足夠信任後，自動完成漏洞修補，希望將企業資安從事後修補，轉向持續監控與主動預防。

AWS認為，隨著越來越多AI Agent開始操作企業系統，資安能力也必須同步AI化，才能降低企業部署風險。

AgentCore扮演平臺中樞，串起Agent、工具與企業資料

除了開發、知識與安全，AWS也推出Amazon Bedrock AgentCore，作為企業AI Agent的執行平臺。

AgentCore負責管理Agent的記憶、工具呼叫、API存取及身分驗證，並支援不同模型與Agent框架；搭配AWS Context、Knowledge Base及Continuum等能力，可讓企業建立能夠整合模型、工具、企業知識與治理機制的AI代理平臺，而非各自獨立運作的AI工具。

企業AI下一階段競爭，在於能否讓Agent真正落地

王定愷表示，AI導入不應追求一次到位，而應透過「小步快跑」方式，持續累積成功經驗，同時建立企業AI治理與安全護欄，才能讓AI真正成為企業的重要生產力。

今年AWS Summit Taipei大會焦點可看出，AWS的策略重心已從過去聚焦模型與生成式AI，逐步轉向建構企業AI Agent平臺。除了持續提供模型選擇，更希望補齊AI代理從開發、執行、知識管理到資安治理所需的技術能力，降低企業大規模部署AI Agent的門檻。