財經

【專家觀點】AI 沒有殺死軟體業，而是正在重寫軟體：Agent 時代的 IT 產業大洗牌

商商傳媒 2026-10-02 18:35 📖 19 分鐘閱讀

商傳媒｜產業記者林文宏／台北報導

生成式人工智慧快速進入企業市場後，全球軟體產業一度陷入「AI 取代論」的焦慮。從軟體即服務（SaaS）、資訊服務到程式開發工具，市場持續評估人工智慧是否將削弱既有軟體的價值，甚至動搖企業過去數十年建立的資訊系統架構。然而，隨著 AI 應用從聊天機器人（Chatbot）、Copilot 進一步走向具備自主執行能力的 AI Agent，產業發展逐漸呈現另一種樣貌：AI 固然正在壓縮部分軟體功能與人工操作的價值，卻也同時提高企業對資料整合、系統介接、權限管理、資訊治理與基礎設施的需求。與其說 AI 正在消滅軟體產業，不如說它正在重新安排軟體產業的價值鏈。

全球資訊科技顧問公司 Accenture 10 月 1 日公布最新展望，預估 2027 財年營收將成長 3% 至 6%，優於分析師平均預期；最新一季顧問業務營收亦成長 7%，達 92.8 億美元。企業加速導入人工智慧與自動化，使如何將 AI 整合至既有資訊系統、資料環境與營運流程，逐漸形成新的資訊服務需求。這與今年稍早市場對 AI 可能削弱軟體與 IT 服務需求的疑慮形成對照，也顯示企業導入 AI 並非單純以新技術替換舊系統，而是伴隨更大規模的資訊架構調整。

這場轉型的核心，在於人工智慧於資訊系統中的角色已經改變。生成式 AI 早期主要建立在人機對話模式之上，由使用者提出問題或要求，模型負責產生文字、圖片、程式碼等內容，再由人類決定後續用途。AI Agent 則進一步具備任務拆解、資料讀取、工具呼叫、API 操作與工作流程執行能力，部分系統甚至能根據執行結果自行決定下一步，使人工智慧從資訊提供者逐漸進入資訊系統的實際操作層。

軟體開發率先進入 Agent 分工

軟體開發是目前最明顯的案例之一。JetBrains 2026 Developer Ecosystem Survey 調查超過 1.5 萬名專業開發者，結果顯示，今年 5 月至 7 月期間，已有 90% 的專業開發者至少每週在工作中使用一次 AI coding agent，68% 每天使用。Claude Code 的工作使用率由今年 1 月約 18% 上升至 39%，Codex 則由約 3% 增加至 16%。另一項調查結果顯示，受訪專業開發者估計，目前平均約有 47% 的程式碼可由 Agent 完整產生，超過半數開發者表示，自己完全手寫的程式碼比例已低於兩成。

使用比例的快速提高只是表象，更具結構性意義的改變，在於 AI 已從輔助程式撰寫逐漸進入軟體工程流程。GitHub 目前已支援包括 Claude、OpenAI Codex 在內的第三方 coding agents，開發者可以將既有 Issue 指派給 Agent，由其在背景環境分析任務、修改程式碼並建立 Pull Request，再交由工程師審查。原本由工程師直接操作開發工具並撰寫程式的工作模式，因此增加了一層新的分工：人類負責定義需求、設定限制與驗證成果，Agent 則承擔部分實際執行工作。

當這套模式由程式開發向其他企業工作延伸，受到影響的便不只是軟體工程師的工作方式，而是整個企業軟體產業長期建立的產品邏輯。過去二十年 SaaS 的成長，很大程度建立在將不同企業流程轉化為獨立應用程式。客戶關係管理（CRM）、企業資源規劃（ERP）、人力資源、財務、行銷自動化與客服系統各自形成龐大的軟體市場，企業員工則透過登入不同系統、查詢資料、填寫表單與執行流程完成日常工作。操作介面、功能完整度與使用者體驗，也因此長期占據企業軟體產品設計的核心位置。

AI Agent 改變的是人與這些系統之間的互動關係。當使用者可以直接要求 AI 整理特定客戶近期往來紀錄、確認訂單與庫存，並依據企業規則準備報價，CRM、ERP、電子郵件、資料庫與工作流程系統仍然參與整個任務，但使用者未必需要逐一操作這些應用程式。Microsoft 近期重新思考 Copilot 的產品定位，執行長 Satya Nadella 將新的發展方向描述為「OS for work」，試圖進一步整合 Office、AI Agent 與程式開發等工作能力，也反映大型軟體業者已開始思考 Agent 成為工作入口後的產品架構。

SaaS 不會消失，但產品價值可能向下移動

Agent 成為新的人機介面，並不等於 CRM、ERP 或其他 SaaS 應用即將失去存在必要。企業軟體真正面臨的變化，是其價值可能逐漸從直接面向使用者的操作介面，向資料、API、商業邏輯與系統能力移動。

一個負責判斷客戶訂單能否出貨的 Agent，仍然必須取得 CRM 中的客戶與交易資訊、ERP 的庫存與訂單資料、倉儲管理系統的物流狀態、合約中的交付條款，以及企業內部的授信與權限政策。大型語言模型可以理解「確認這張訂單今天能不能出貨」這句自然語言，卻無法憑空得知企業當下有多少庫存、客戶信用額度還剩多少，或某位員工是否具有批准交易的權限。真正支撐 Agent 執行工作的，仍然是企業過去多年累積的資訊系統、資料與商業規則。

Salesforce 今年推出 Trusted Enterprise AI Harness 時，即將這類問題納入企業 Agent 架構。由於單一資訊系統通常無法掌握 Agent 完成任務所需的所有資訊，企業必須整合 Context、Action、Governance、Security 與 Model 等不同能力。對軟體業者而言，產品能否提供穩定 API、清楚的語意資訊、可靠的商業邏輯與細緻的權限控制，可能逐漸成為與使用者介面同樣重要，甚至更重要的競爭條件。

這種變化將使 SaaS 的產品邏輯出現明顯調整。傳統軟體主要假設使用者是人，因此介面、選單、表單、Dashboard 與操作流程均以人類使用習慣設計；未來的企業軟體則可能同時面對兩類使用者——人類與 Agent。對人而言，視覺介面仍具有必要性；對 Agent 而言，真正重要的卻是系統能否透過 API、Tool 或其他機制，提供可理解、可執行且受到權限管理的數位能力。

資料品質從分析問題轉變為營運風險

企業軟體角色的轉變，也讓資料基礎建設重新成為 AI 發展的重要議題。傳統資料倉儲（Data Warehouse）與資料湖倉（Lakehouse）主要協助企業集中資料並進行分析，管理者即使取得延遲數小時的報表，通常仍有機會透過人工確認修正判斷；當 Agent 開始直接參與訂單、客服、採購、財務或系統維運，資料的正確性與即時性則直接影響後續行動。

IBM 9 月 30 日發布的分析指出，目前僅約 32% 的組織已將 Agentic AI 應用於正式生產環境，66% 將資料基礎架構與資料品質列為擴大 AI 應用的主要障礙。這項限制反映的並非新的資訊科技問題，而是既有資料問題在 Agent 環境下產生了不同後果。一份延遲的 BI 報表可能造成管理者判斷偏差，但一個直接根據過期庫存資訊接受訂單的 Agent，可能立即造成實際營運損失。

企業 AI 所需要的資料架構因此開始超越傳統分析用途。除了結構化資料與歷史紀錄之外，Agent 還必須理解 Metadata、企業知識、組織關係、身分資訊、權限政策與即時營運狀態。Salesforce 與 Google Cloud 持續擴大 Agentforce、Gemini、Data 360 與 Google Cloud 資料基礎建設之間的整合，並透過 Zero Copy 等方式降低跨平台資料移動需求，即反映大型科技業者正試圖解決企業資料分散所形成的 Agent 落地障礙。

大型語言模型本身也正在快速商品化。同一企業可以採用不同模型供應商，甚至依據工作內容動態切換模型，但企業多年累積的客戶關係、交易紀錄、產業知識、營運規則與組織情境無法透過外部採購直接取得。模型能力愈趨普及，這些企業專屬資料與 Context 反而愈可能成為 AI 應用差異化的重要來源。

Agent 擴大企業資訊安全的邊界

Agent 從資訊生成走向實際執行，同時改變企業資訊安全需要處理的風險範圍。生成式 AI 早期的主要疑慮集中於幻覺、錯誤資訊與敏感資料外洩；當 Agent 開始取得 Repository、Database、API 與企業應用程式的操作權限後，安全問題便延伸至身分、授權與行動本身。

以軟體開發為例，能夠直接存取 Repository 的 Agent 不只可以產生程式碼，也可能新增相依套件、接觸 Credential，甚至讓修改內容進入後續部署流程。GitHub 已開始針對第三方 coding agents 建立安全驗證機制，利用 CodeQL、Secret Scanning 與 dependency vulnerability checking 等工具檢查 Agent 產生或修改的內容。Salesforce 推動 AI Control Plane，同樣著眼於企業如何掌握組織內有哪些 Agent、具備哪些權限、執行過哪些工作，以及相關成本與運作狀態。

IBM 對 Agentic Systems 的技術展望則進一步提出 ephemeral agent identity、just-in-time token、delegation framework、sandbox 與即時 policy enforcement 等架構。這些技術方向顯示，企業既有的身分識別（Identity）、授權（Authorization）、稽核（Audit）、可觀測性（Observability）與政策治理，不但沒有因 AI 而降低重要性，反而因機器開始取得實際操作權限而面臨更高要求。

如果未來一家大型企業同時運行數百甚至數千個 Agent，管理問題也將逐漸類似今日企業管理員工帳號、微服務與雲端工作負載。每一個 Agent 需要可以識別的身分、明確的權限範圍、完整的行動紀錄，以及在異常情況下被限制或停止的能力。Agent Identity、Agent Gateway、Agent Observability、Agent Security、Agent Evaluation、Agent Registry、Agent Orchestration 與 AI Control Plane 等新型軟體市場，也可能隨著這項需求逐步形成。IBM 已使用「AgentOps」描述相關管理體系，將其視為未來監控、除錯與協調大規模 Agent 的重要技術領域。

雲端市場從承載應用轉向連接企業能力

AI Agent 對跨系統資料與工具的需求，也進一步影響雲端運算市場。過去十多年，AWS、Microsoft Azure 與 Google Cloud 的市場競爭，很大程度圍繞企業應將應用程式與工作負載部署在哪一個平台；在 Agent 架構下，企業需要解決的問題則逐漸擴大為如何讓 AI 安全存取分散於不同環境中的資料與能力。

大型企業的 CRM 可能運行於 Salesforce，資料分析平台部署於 Google Cloud，部分核心系統仍留在自有資料中心，其他應用程式則分散於 AWS 或 Azure。Agent 要完成跨部門工作，必須穿越這些原本相對獨立的系統邊界。AWS 持續推動 AWS Interconnect – multicloud，支援與 Google Cloud、Oracle Cloud Infrastructure 等平台連接，並持續擴大與 Microsoft Azure 的互通能力；Salesforce 與 Google Cloud 的 Agent 與資料整合，也呈現類似發展方向。

因此，多雲架構在 Agent 時代的意義可能不再只是避免供應商綁定或分散工作負載，而是讓企業的資料、模型與應用能力可以在不同環境之間被安全調用。雲端服務商的競爭也可能由單純爭取運算與儲存工作負載，逐步延伸至資料連接、Agent 執行、身分管理與跨平台治理。

軟體產業的下一輪競爭，將圍繞「可被 Agent 使用」展開

綜合近期軟體、雲端與企業 AI 市場的發展，AI 對軟體產業造成的影響，很難以「取代」或「不取代」簡單概括。更具體的變化，是企業資訊科技架構中不同層次的價值正在重新分配。

過去的企業資訊系統主要由人類直接操作 Application，再由 Application 存取 Database 與底層 Infrastructure；Agent 普及後，人與企業資訊系統之間開始形成新的智慧執行層。使用者負責提出目標，Agent 負責理解任務並調用企業資料、知識、API 與應用程式，底層既有軟體則繼續提供實際的商業能力。

這種架構不會使 Application、Database 或 Cloud 消失，卻可能降低「必須由人直接操作應用程式」的重要性。過去 SaaS 業者透過增加功能、改善介面與提高使用者停留時間建立產品黏著度；當 Agent 開始代理部分操作後，API 是否完整、資料是否可靠、商業邏輯是否成熟、語意資訊是否足夠，以及權限能否被精確管理，都可能成為新的競爭條件。

Accenture 最新財測所呈現的企業 IT 服務需求，也可以放在這項轉型中理解。企業採用 AI 後，並未因此擺脫既有資訊系統，反而需要處理模型如何取得企業資料、如何連接現有應用、如何取得適當權限，以及如何確保自動執行行為受到治理等問題。資料整合、API、身分識別、資訊安全、治理與基礎設施等傳統企業 IT 能力，也因此在 Agent 時代重新取得戰略意義。

AI 對軟體產業最大的衝擊，或許不是讓軟體消失，而是改變軟體服務的對象。過去數十年的企業軟體主要為人類設計；下一階段的企業軟體，則可能同時服務人與人工智慧。當 Agent 逐漸成為人與企業數位世界之間的執行介面，既有軟體將更多地以資料、API、商業邏輯與受治理的數位能力存在於其背後。

企業 AI 的競爭也因此逐漸超越大型語言模型本身。模型決定 Agent 能理解多少事情，企業的資料、系統與治理能力，則決定 Agent 實際能完成多少事情。當資訊系統的使用者從人類進一步擴展至大量 AI Agent，這項變化所重新塑造的，將不只是軟體產品的操作方式，也包括企業 IT 架構以及整個軟體產業的價值分配。