Going Cloud携手AWS 以AI Agent集中治理推动智能制造
- 张姝宁／台北
-
企业刚习惯AI Chatbot，竞局已迈入AI Agent时代：从人工操作走向任务代理与多代理协作。唯有深度嵌入业务流程，才能创造可量化价值。为此Going Cloud与AWS举办「Going Cloud|AWS布局新时代关键竞争力」论坛，集结双方专家分享实战，协助制造业掌握AI Agent浪潮。
Going Cloud总经理Andy Huang指出，AI的使命是驱动业务成长，而非否定既有成果。随着需求从Chatbot实验转向RPA、ITAM与ML自动化，如何在Human-in-the-loop下运行，已成关键课题。治理、ROI、延迟、模型调校及版本控管是关键，转型须在可控成本兼顾品质，让AI为你工作、成为制度推手。
AI规模化第一关：治理与信任
AWS生成式AI业务开发资深专家Matt Yang指出，2026年全球AI支出达2.59万亿美元，Agent软件以2,065亿美元、年增139%居首，年底前4成企业应用将内建Agent，台湾以高科技制造业为主要场域。AWS与Anthropic投入逾2,000亿美元，建置7GW算力，并提出「一客户、三界面」策略：Enterprise全员AI化，Platform支持研发创新，Amazon Bedrock提供生产级韧性及12个月模型保证。
UST以Claude Code导入iDEC验证，周期由4天缩短至48小时。AWS资深夥伴架构师Irving Hsu补充，PwC调查显示72%制造业尝试AI，但仅一成规模化；挑战不仅在网安，也包括37%缺乏统一数据策略，及78%主管对90天内通过稽核缺乏信心。
治理核心为「集中治理、分散创新」：以Amazon Bedrock为核心，AWS为唯一数据处理者，Anthropic不触及客户数据，结合最小权限、私有网络及客户自管加密机制，确保数据不离Region，此即Going Cloud打造GCkit起点。
落地倚赖AWS CloudTrail稽核、Amazon CloudWatch监控与Amazon EventBridge阻断，Model Invocation Logging由客户自控；内容安全采用Amazon Bedrock Guardrails检核与Claude原生「3H原则」（Helpful、Honest、Harmless），并配合RLHF红队测试。
Claude Desktop on Amazon Bedrock于7月9日上线，推论全程留于租户内。Wipro PARI导入Amazon Bedrock与Claude 3.5 Sonnet，将Excel规格转为IEC 61131-3 PLC梯形码，周期由3∼4天缩短至10分钟，准确率达85%，为200位工程师省5,000小时。
从PoC到Production Agent开始创造价值
同样的AI，是拿来「提问」还是「交办」？Going Cloud AI与数据工程部数据科学家Jeffrey Hsieh指出，多数企业仅发挥AI约两成能力——把它当成一问一答的查找框，真正被锁住的8成，是「交办任务、把整件事做完」的执行力，差距不在AI本身，而在工作方式。「好任务」须兼具语境(Context)、目标(Objective)与格式(Format):同样一句「库存太高怎麽办」，纯提问只得到教科书式建议，补上语境与格式，AI即能将散落各系统的数据读齐、算清，直接产出可据以开会的决策清单。
以去识别化的制造情境示范，AI能于数十秒内将跨系统的晨间异常整合为一页重点，识别出多笔「看似独立、实出同一批来料」的共同根因，并自动回溯销售与成本数据拆解毛利主因，为每项结论标注来源、供一键查核——「它不是要你相信它，而是让你能查它」；更能主动预警趋势与断料风险，以生成式仪表板供团队实时共享。全程数据留于企业自有环境、唯读接入、不外流亦不用于训练，决策仍由人拍板——「重复的交给AI，判断留给人」；当一次性交办沉淀为组织可复制的规则，AI 便从工具进化为每天都在工作的协作夥伴。
Going Cloud解决方案开发部资深工程师Ting Zhang指出，全球Git推送量自2020年第1季的8,000余万次增至2026年第1季的3.2亿次；试错成本虽低，但修改代价高，AI仍无法承担责任。因此Godot与tldraw相继禁止AI生成PR，正反映治理的重要性。AI能力的定义已升级，重点已从Prompt转向Harness：提供正确Context、透过Skills与MCP接入系统、设定Hooks验证循环，确保输出符法遵范。
为将Agent治理标准化，Going Cloud已将内部实践整合为GCkit。透过TUI一键安装模块化Bundles，并搭配RuleSync实现Kiro、Claude Code、Cursor的同步与追溯，让AI规范由文件转为缺省值，治理成为可复制、可扩散的组织能力。GCkit以Model、工作流、共享元件、导入载体四层解耦，配合「追踪→判断→转化」三步法，建立可持续演进的开发体制。
综观全局，生成式AI正推动产业从工具辅助走向代理执行，关键在于以集中治理驱动分散创新。Going Cloud与AWS以零外流架构为信任基石，结合任务交办与规格驱动双引擎，将重复工作交由Agent执行。
对制造业而言，挑战不只导入模型，更在建立可长期运作的AI治理与协作机制。唯有将个人能力转化为组织能力，才能打造安全、可信、能工作的AI团队，推动智能制造持续演进。
当企业仍在思考「AI好不好用」时，Going Cloud已率先回答下一个问题：如何让一群AI Agent安全地成为你的同事。Agent不会取代人，却将成为企业未来最重要的协作夥伴。
