在上一篇「RPA高速發展兩年後，為何製造業使用仍不多？它會怎麼和AI Agent結合？」文章中探討了 製造業在近幾年可預見將更加仰賴 AI，尤其是與 RPA 結合的 AI Agent 已滿足製造業在智慧製造與解決缺工問題的需求。雖然目前 AI Agent 在製造業的落地應用上有許多跳戰需要解決：諸如工業系統需高穩定性、在封閉性系統亦可讓 AI Agent 進行連結互動等需求。近日 BCG Boston Consulting Group 與世界經濟論壇、企業營運與技術主管，以及學術專家合作更深入探討了 AI Agent 在製造業運用的兩種型態。
AI Agent 有潛力帶領製造業邁向自我控制、近乎自動化的未來運作模式，並在許多產業中解鎖嶄新的機會。在以 AI 為中心的工廠中，人類將從「動手操作」的角色轉變為在需要判斷力或創造力時才介入的「協調者」。這樣的轉變能大幅提升整體營運效率，讓人們可以聚焦在更具價值的工作，更進一步推動製造業創新和成長。
這些 Agent 能在數位環境中，讓軟體應用程式自主地達成既定目標。它們支援現場員工，同時也能獨立控制並引導流程與機械設備。虛擬 AI Agent 的成熟度可分為三個層級：協助、建議與自動化。在每個層級上，都由專業型 Agent 專注於特定目標；「Meta Agent」則負責統籌與協作這些專業型 Agent，以達成更宏觀的任務。
這類 Agent 讓機器人等實體系統能感知並在物理世界中執行動作，實現更靈活且複雜的操作模式，突破了當前機器人自動化的侷限。與依賴手動編碼的規則式系統不同，AI 支援的訓練式機器人現已能透過在模擬環境中進行強化學習來習得技能。更先進的則是基於「機器人基礎模型（RFMs）」的情境式機器人，它們對世界擁有更通用的理解。由於這類機器人不需要額外的編碼或訓練，就能直接投入操作，帶來了「零示範學習（zero-shot learning）」的潛在變革。目前機器人基礎模型正在快速發展，預期未來幾年內會出現突破性的應用場景。
(本段落原文出自 BCG-WEF Project: AI-Powered Industrial Operations - https://www.bcg.com/about/partner-ecosystem/world-economic-forum/ai-project-survey 英文全文詳見此網址)
RPA 自動化的特性恰好能對應 虛擬 AI Agent 與軟體及應用程式控制及自動化流程的目標。而近幾年持續進步的空間 AI，強化學習（Reinforcement Learning, RL) 和各種大型語言模型也讓 具體化 AI Agent 日益具有落地啟用的可能。雖然根據同一份 BCG 研究報告指出：只有 16% 的製造業有達成公司所設下的 AI 目標（樣本採自於 1800 位製造業高管提供之訪問答案）89％的受訪者皆表示公司將繼續嘗試將 AI 導入至製造場域中。儘管製造業在 AI 目標的實踐上仍有明顯落差，但這也意味著更大的成長空間與創新契機。在虛擬 AI Agent 與 RPA 技術相輔相成下，企業能更有效率地自動化重複性工作；而持續精進的空間 AI、強化學習和大型語言模型，則為具體化 AI Agent 帶來更高層次的發展潛力。
