從生成式到代理式 AI：SAS Viya 戰略升級如何重塑企業自動化與決策鏈結？

代理型 AI (Agentic AI)：企業自動化的下一波浪潮

在 SAS Innovate 2026 大會上，全球分析領航者 SAS 揭示了其平臺戰略的重大轉型：從「生成式 AI」全面邁向「代理式 AI (Agentic AI)」。對於企業決策者而言，這不僅是技術名詞的更迭，更代表了 AI 角色

文章核心摘錄

**從 Generative 到 Agentic：** AI 演進重心已從「內容生成」轉向「任務執行」，企業需關注具備自主決策能力的 AI 代理。
**打破封閉生態系：** MCP Server 讓外部大型語言模型（LLM）能調用專業分析能力，解決了通用模型缺乏精準數據支持的痛點。
**營運透明化為核心：** 透過 AI 代理加速器與 ERP 系統的深度串接，是解決跨部門資訊斷鏈、提升合規性的關鍵路徑。

趨勢與脈絡分析

全球 AI 趨勢正從「通用型對話」轉向「特定產業代理」。未來兩年內，我們將看到更多像 SAS 這樣的軟體巨頭開放其核心分析能力供外部模型呼叫。這將導致企業軟體架構的「解構與重組」：ERP 不再只是靜態的資料庫，而是具備主動偵測與執行能力的動態系統。企業若能提早建置「專案透明化」與「資料鏈條一致性」的基礎建設，將在這一波代理式 AI 浪潮中佔據絕對優勢。

代理型 AI (Agentic AI)：企業自動化的下一波浪潮

在 SAS Innovate 2026 大會上，全球分析領航者 SAS 揭示了其平臺戰略的重大轉型：從「生成式 AI」全面邁向「代理式 AI (Agentic AI)」。對於企業決策者而言，這不僅是技術名詞的更迭，更代表了 AI 角色從「建議者」轉變為「執行者」。傳統的生成式 AI 擅長處理文字，但在處理複雜的企業邏輯、財務合規與跨系統操作時，往往顯得力不從心。SAS 此次推出的 SAS Viya Copilot 與 Agentic AI Accelerator，正是為了填補這一鴻溝，讓 AI 能夠深入企業的分析工作流，主動識別問題並執行任務。

SAS Viya 的戰略布局：Copilot 與 MCP Server 的協同效應

此次更新的核心在於兩大技術支柱：首先是 SAS Viya Copilot，它將 AI 助手直接嵌入分析流程，減少了數據分析師在繁瑣代碼撰寫上的時間；其次是更具戰略意義的 MCP Server (Model Context Protocol)。長期以來，企業在使用外部 LLM（如 GPT-4 或 Claude）時，常面臨「幻覺」與「數據孤島」問題。透過 MCP Server，外部 LLM 現在可以安全地呼叫 SAS 的專業分析能力。這意味著企業可以利用 LLM 的自然語言處理能力作為介面，同時依賴 SAS 嚴謹的數值計算與統計模型，確保決策的科學性與準確性。

降低門檻：Agentic AI Accelerator 的普惠價值

過去，建構一個具備特定產業知識的 AI 代理需要極高的技術門檻。SAS 推出的 Agentic AI Accelerator 旨在打破這一僵局。透過低程式碼工具，不同專業技能的人員（如財務主管、供應鏈經理）都能參與 AI 代理的建置。這類加速器能快速將企業內部的專有數據轉化為 AI 可理解的知識庫，從而縮短從原型開發到實際落地的週期。對於追求敏捷轉型的企業來說，這將是提升跨部門協作效率的利器。

對企業營運的衝擊

SAS 的新功能將對企業營運產生三層衝擊：首先是「決策精準化」，透過 MCP Server 結合 LLM 與專業分析，降低了 AI 決策的錯誤率。其次是「合規與風險管理」，自動化的流程確保了如營收認列等關鍵環節符合會計準則。最後是「成本結構優化」，透過 Agentic AI 處理重複性高的跨系統任務，企業能將人力資源重新配置於更高價值的戰略規劃，在高成長期維持穩定的管理品質。

創蔚專家觀點

作為資深技術顧問，我觀察到許多企業在推動 AI 轉型時，最大的痛點並非缺乏模型，而是「資訊斷鏈」。這在高速成長的產業尤為明顯。以我們服務過的「AI 水冷機櫃大廠」為例，該企業身為興櫃公司，因應全球算力需求爆發，面臨專案進度與財務認列脫節的巨大挑戰。當時，其生產、工程與財務數據分散在不同系統，老闆難以即時掌握獲利現況。

我們為其部署的「專案透明化系統」並深層串接 ERP，本質上就是一種「代理式管理」的實踐。透過 API 將專案進度與 ERP 財務模組連結，當工程現場達成里程碑時，系統自動觸發財務核對機制。這與 SAS 推出的 MCP Server 邏輯不謀而合：讓執行層（專案進度）直接驅動決策層（財務認列）。最終，該客戶不僅達成了營收認列零時差，完美符合合規需求，更減少了 40% 以上的內部溝通成本。這證明了當 AI 代理或自動化系統能與企業核心 ERP 深度整合時，所產生的戰略價值遠超單純的技術導入。

落地方案與下一步

針對目前 AI 轉型的技術門檻，我們建議企業採取以下步驟：首先，進行「資料斷鏈診斷」，找出 ERP 與第一線營運數據間的落差。其次，導入「客製化專案透明化系統」，利用 API 技術打通資訊孤島。最後，建立「安全 AI 整合架構」，參考 MCP Server 的模式，讓外部 AI 工具在受控且合規的環境下調用企業內部數據。我們公司專精於客製化 ERP 開發與自動化流程設計，能協助企業在 AI 浪潮中建立穩健的數位底座。

常見問題

一般生成式 AI 主要負責回答問題或生成內容；而 Agentic AI 具備「執行力」，它能根據指令自主規劃步驟、調用外部工具（如 ERP 或分析平臺）並完成具體任務。

它能讓企業在保留現有 LLM（如 GPT-4）靈活性的同時，又能安全地存取 SAS 專業的統計與分析功能，有效解決 LLM 在處理嚴謹數據時的幻覺問題。

關鍵在於「深層系統串接」。透過將 AI 代理與 ERP 的財務模組進行邏輯綁定，並設定關鍵里程碑的自動核對機制，可確保每一筆營收認列都有數位足跡可供審計。

返回文章列表

分享知識：