代理式商務仰賴真實性與情境資訊

想像一下，你對數位代理人（Digital Agent）說：「用我的積分幫我預訂一趟義大利家庭旅行。預算內執行，挑選我們以前喜歡的飯店，並處理好所有細節。」該代理人不再是回傳一堆連結，而是直接編排行程並完成購買。

這種從「協助」到「執行」的轉變，正是代理型 AI（Agentic AI）的與眾不同之處。它同時也改變了商務的運作速度。支付交易已能在毫秒內完成，而新的加速點在於支付前的一切：在眾多系統中進行探索、比較、決策、授權和後續跟進。隨著人類退出例行決策，「足夠好」的數據便不再夠用。在代理人驅動的經濟中，限制因素不再是速度，而是機器速度與規模下的「信任」。

自動化市場之所以能運作，是因為身分、權限和責任已內建其中。當代理人在不同企業間進行交易時，同樣需要這種清晰度。主數據管理 (MDM)——即建立單一主紀錄的學科——成為了交換層：追蹤代理人代表誰、它可以做什麼，以及當價值轉移時責任歸屬何處。市場不會因自動化而失敗，卻會因權責不明而崩潰。MDM 將自主行動轉化為合法且可擴展的信任。

為了讓代理型商務安全且具擴展性，企業需要的不僅是更好的模型，還需要現代化的數據架構和權威的背景資訊（Context）系統，以便即時識別、解析並區分實體。這就是「可擴展的自動化」與「需要人類不斷修正的自動化」之間的區別。

代理人是新的參與者

長期以來，數位商務建立在兩個主要端點上：買方與供應商/商家。代理型商務增加了第三個參與者，且必須將其視為一等實體（First-class entity）：代表買方行動的代理人。

這聽起來很簡單，直到你提出每個企業都將面臨的問題：

• 誰是跨通路與設備的個人，且擁有足以進行自動化的確定性？
• 誰是代理人，定義其行為的權限與限制為何？
• 誰是商家或供應商，我們確定是指正確的那一個嗎？
• 如果代理人在獲得許可的情況下行動，卻違背了用戶意圖，誰該承擔責任？

實際的風險在於混淆。例如，人類在訂機票時可以推斷「Delta」是指航空公司而非水龍頭公司。代理人則需要確定性的信號。如果系統猜錯了，要麼會破壞信任，要麼會被迫增加人工確認步驟，從而違背了速度的承諾。

為何「足夠好」的數據在機器速度下會失效

大多數組織已經習慣與不完美的數據共處。重複的客戶記錄是可以忍受的，不完整的產品屬性令人惱火，商家的身分可以稍後再核對。

代理型工作流改變了這種容忍度。當代理人在沒有人類檢查輸出的情況下採取行動時，它需要近乎完美的數據，因為它無法像人一樣可靠地察覺數據何時模糊或錯誤。

失敗模式是可預測的，且會出現在最重要的環節：

• 產品真實性：如果目錄不一致，代理人的選擇會顯得隨意（「錯誤的襯衫」、「錯誤的尺寸」、「錯誤的材質」），信任會迅速崩潰。
• 收款人真實性：代理型商務從卡片擴展到帳戶對帳戶以及開放銀行連接的體驗，擴大了收款人的範圍，也增加了即時準確識別的需求。
• 身分真實性：人們在多種背景下運作（工作與個人）。設備會變換。無法區分這些背景的系統要麼會阻礙合法活動，要麼會批准高風險活動，這兩者都會損害採用率。

這就是為什麼統一的企業數據和實體解析（Entity Resolution）從「最好擁有」變成了「營運必需」。你想要的自主權越多，就越必須投資於確保其安全的現代數據基礎。

背景智慧：缺失的一層

當領導者談論代理型 AI 時，通常專注於模型能力：規劃、工具使用和推理。這些是必要的，但並不充分。

代理型商務還需要一個在執行時提供權威背景資訊的層級。可以將其視為一個即時的背景資訊系統，能夠即時且一致地回答：

• 這是正確的人嗎？
• 這是正確的代理人，且在正確的權限內行動嗎？
• 這是正確的商家或收款人嗎？
• 現在適用哪些限制（預算、政策、風險、忠誠度規則、首選供應商）？

兩個設計原則至關重要。

首先，實體真實性必須具備足以進行自動化的確定性。大型語言模型本質上是機率性的，這對於創造寫作和繪圖的選項很有幫助，但對於決定資金流向卻充滿風險，尤其是在「大概正確」無法被接受的 B2B 和金融工作流中。

其次，背景資訊必須隨交互速度移動，並在整個連接的網絡價值鏈中保持可移植性。Mastercard 優化支付流程的經驗具有啟發性：你在交易中疊加的服務越多，減慢速度的風險就越大。可擴展的模式會預先解析、篩選並封裝信號，使執行過程輕量化。

這也是代幣化（Tokenization）的發展方向。Mastercard 的 Agent Pay 和 Verifiable Intent 等計畫預示了一個未來：消費者的憑證、代理人身分、權限和可證明的用戶意圖都被編碼為加密安全的產物——使商家、發卡機構和平台能夠在機器速度下確定性地驗證授權與執行。

領導者在未來 12 到 24 個月應採取的行動

採用的進程不會是統一的。早期的進展往往不取決於行業，而取決於組織系統的成熟度和數據紀律。

這使得未來兩年成為實際準備的窗口期。有五個行動至關重要：

• 將代理人視為受治理的身分，而非功能。定義代理人如何入駐、認證、授權、監控和停用。
• 在錯誤成本最高的地方優先進行實體解析。從收款人、供應商、員工與個人身分，以及高交易量的產品類別開始。
• 建立一個可重複使用的背景資訊服務，供每個工作流和代理人調用。不要強迫每個系統從頭開始重建身分和關係。
• 預先計算並壓縮信號。在上游解析並篩選背景資訊，以保持執行時決策的快速與可預測。
• 僅在贏得信任時擴大自主權。建立治理框架以處理爭議，在高風險行動中保留人工參與，衡量準確性，並在結果證明可靠時擴大自動化。

跨行業的海嘯效應

代理型 AI 不會僅限於購物車。它將觸及採購、旅遊、理賠、客戶服務和金融營運。它將壓縮決策週期並消除手動步驟，但僅限於那些能為代理人提供乾淨身分、精確實體真實性和可靠背景資訊的組織。

贏家將把實體真實性和背景資訊視為自動化的核心基礎設施，而非後勤清理項目。在機器速度的商務中，信任不是品牌屬性；它是編碼在身分、背景資訊和控制中的架構決策。

本內容由 Reltio 製作，並非由 MIT Technology Review 編輯團隊撰寫。