Tempoh pemerhatian: 22 Oktober 2026, 09:00 hingga 29 Oktober 2026, 09:00, waktu Beijing. Hanya rancangan pelaksanaan, pendedahan prestasi perniagaan, penyelidikan dan perkembangan produk yang diumumkan secara rasmi dalam tempoh ini dikira sebagai berita baharu; kes pelanggan yang telah beroperasi sebelum ini dinyatakan dengan jelas sebagai latar belakang, bukannya dipersembahkan semula seolah-olah baru diumumkan.
Pengenalan
AI perusahaan kini memasuki fasa yang lebih sukar tetapi lebih bernilai: daripada “boleh menulis dan menjawab” kepada “benar-benar disepadukan ke dalam aliran kerja organisasi”. Minggu ini, Uber mengumumkan peluasan projek rintis ChatGPT Work yang melibatkan 1,000 orang kepada pelaksanaan untuk seluruh tenaga kerjanya yang merangkumi lebih 30,000 orang; ServiceNow mengumumkan perubahan tahun ke tahun dalam penggunaan ejen dalam persekitaran pengeluaran; SAP pula berkongsi amalan pelanggan dalam bidang kewangan dan perolehan. Pada masa yang sama, tinjauan berdasarkan pelaporan kendiri perusahaan menunjukkan kos tidak dijangka dan isu tadbir urus yang timbul daripada ejen, manakala Google, IBM dan Akamai masing-masing memperkukuh asas kejuruteraan melalui pengasingan pelaksanaan, bukti kelayakan identiti dan kawalan kebenaran akses.[1][2][3][4][6][7][8]
Dua ilusi angka perlu diwaspadai: pengaktifan akaun tidak bermakna pekerja menggunakannya secara berterusan, dan penjimatan yang dilaporkan vendor tidak sama dengan pulangan pelaburan yang telah disahkan secara bebas. Artikel ini membezakan antara “mula diperluas”, “sudah digunakan”, “jumlah penggunaan dalam persekitaran pengeluaran” dan “versi beta produk” supaya perkembangan pada tahap kematangan yang berbeza tidak disamakan.
Berita utama｜Uber memperluas ChatGPT Work daripada projek rintis 1,000 orang kepada lebih 30,000 pekerja
Pada 22 Oktober, Uber secara rasmi mengumumkan bahawa ChatGPT Work akan disediakan sebagai platform ejen untuk kerja pengetahuan perusahaan kepada lebih 30,000 pekerja di seluruh dunia, memperluas liputan daripada projek rintis terdahulu yang melibatkan kira-kira 1,000 orang. Ini bukan sekadar menyediakan akses kepada antara muka sembang: menurut penjelasan Uber sendiri, platform ini disepadukan dengan alat harian seperti Google Drive, Gmail, Google Calendar dan Slack, membolehkan pekerja memintanya mengumpulkan maklumat merentas aplikasi, menyediakan ringkasan taklimat mesyuarat, menyusun bahan pembentangan dan menganalisis data. Pasukan pembangunan perisian pula terus menggunakan Codex, dan kedua-dua produk mempunyai peranan yang berbeza.[1]
Pengajaran paling bernilai daripada kes pelaksanaan ini bagi perusahaan ialah prasyarat peluasan pada peringkat organisasi. Uber turut menyebut pustaka AI Skills dalaman, penyambung yang diluluskan dan latihan khusus untuk pekerja. Tanpa sokongan ini, model yang sama mungkin menggunakan saluran keluar data, kebenaran perkongsian dan tatacara operasi yang berbeza antara jabatan; semakin besar skalanya, semakin sukar proses audit. Peluasan daripada projek rintis 1,000 orang kepada seluruh tenaga kerja menunjukkan bahawa perolehan, kebenaran akses, latihan dan aliran kerjasama perniagaan telah diambil kira dalam projek, bukannya sekadar menjalankan ujian prestasi.[1]
Namun, pengumuman ini tidak melaporkan bahawa “30,000 orang sudah menggunakannya secara aktif setiap hari”, apatah lagi memberikan angka purata masa kerja yang dijimatkan, manfaat kewangan atau kos panggilan bagi setiap orang. Uber menyatakan bahawa tahap penggunaan dan hasil yang boleh diukur hanya akan dikongsikan kemudian. Tafsiran yang tepat ialah: pelancaran untuk seluruh tenaga kerja dapat disahkan, tetapi penggunaan sebenar secara meluas dan ROI sebenar masih memerlukan bukti. Bagi perusahaan lain, manfaat peluasan boleh disahkan melalui kadar penyelesaian tiket kerja, kadar ketepatan tugas merentas sistem, masa semakan manusia, bilangan kejadian akses melampaui kebenaran dan jumlah kos setiap tugas, bukannya menjadikan bilangan pendaftaran sebagai ukuran kejayaan.[1]
Berita utama 1｜ServiceNow buat pertama kali mendedahkan penggunaan ejen dalam persekitaran produksi meningkat lebih 13 kali ganda tahun ke tahun
Dalam pengumuman prestasi operasi suku ketiga pada 28 Oktober, ServiceNow menyatakan bahawa, berdasarkan kaedah pengiraan platformnya, penggunaan ejen oleh pelanggan dalam persekitaran produksi sejak awal tahun meningkat lebih 13 kali ganda berbanding tempoh yang sama tahun lalu. Ini berbeza daripada jumlah ejen demo yang dipamerkan atau unjuran jumlah lesen yang akan dijual tahun depan; sekurang-kurangnya, angka ini menggambarkan peluasan penggunaan dalam persekitaran produksi yang diperhatikan oleh penyedia platform. Walau bagaimanapun, teks utama laporan kewangan itu tidak mendedahkan unit ukuran seragam bagi “penggunaan” ini, taburan pelanggan atau keberkesanan setiap tugasan. Oleh itu, angka tersebut tidak boleh dijadikan asas untuk menyimpulkan bahawa hasil perniagaan atau kecekapan turut meningkat 13 kali ganda.[2]
Pengumuman yang sama menyebut bahawa HPE memilih ServiceNow untuk mentransformasikan sokongan pelanggan dan perkhidmatan lapangan bagi perniagaan awan dan AInya, manakala Stagwell memilih untuk menyatukan empat meja perkhidmatan ke dalam platform tadbir urus yang meliputi lebih 70 agensi. Ini merupakan hala tuju perolehan dan pelaksanaan yang diumumkan pada hari tersebut, dan tidak boleh terus digambarkan sebagai telah siap dilaksanakan sepenuhnya. Kisah pelanggan seperti Bundesliga, Thrive dan INRY yang diimbas kembali dalam pengumuman itu telah pun diumumkan secara berasingan sebelum ini; edisi ini tidak menganggapnya sebagai pelaksanaan baharu yang hanya berlaku pada 28 Oktober. Tumpuan perusahaan sepatutnya beralih daripada “ejen apa yang tersedia” kepada “berapa banyak sumber yang sebenarnya digunakan, berapa banyak tugasan yang diselesaikan, dan siapa yang bertanggungjawab apabila berlaku kesilapan”.[2]
Berita utama 2｜SAP mengumumkan 45,000 pelanggan awan menggunakan AI, namun pencapaian yang dilaporkan masih perlu diperincikan mengikut proses
Bagi pasukan kewangan dan rantaian bekalan, ujian perbandingan yang sebenar perlu mengekalkan volum urus niaga, kadar pengecualian dan tahap perkhidmatan yang sama, serta merekodkan pengesanan masalah secara automatik, pengesahan akhir oleh kakitangan kewangan, kerja semula dalam sistem dan kos model dalam laporan yang sama. Angka 45,000 merujuk kepada bilangan pelanggan yang menggunakan produk AInya, bukannya 45,000 projek ejen yang sudah beroperasi secara autonomi sepenuhnya.[3]
Berita utama 3｜Tinjauan Redwood mengingatkan: ejen yang boleh diskalakan tidak semestinya boleh ditadbir urus
Pada 22 Oktober, Redwood menerbitkan hasil tinjauan terhadap 300 pengamal dan pengurus dalam bidang teknologi, risiko dan AI, yang menyatakan bahawa 77% responden pernah mengalami kesan negatif akibat ejen yang tidak tertakluk pada tadbir urus. Kesan yang paling lazim ialah caj awan yang tidak dijangka, diikuti gangguan operasi dan isu pematuhan. Tinjauan itu turut menunjukkan bahawa 42% menyatakan mereka mempunyai daftar berpusat bagi ejen yang telah digunakan, manakala 51% menyatakan mereka mempunyai pemantauan aktiviti masa nyata. Perkara yang diukur di sini ialah pengalaman dan keupayaan organisasi yang dilaporkan sendiri oleh responden; ini tidak bermakna 77% perusahaan di seluruh dunia telah mengalami insiden sebenar yang disahkan.[4]
Tinjauan ini ditempah oleh Redwood dan berkisar pada perniagaan automasinya, maka saiz sampel, komposisi responden dan kemungkinan bias pemilihan perlu diambil kira. Namun, tinjauan ini membangkitkan persoalan praktikal: jika perusahaan membenarkan ejen beroperasi merentas sistem perakaunan, CRM, tiket sokongan dan repositori kod, tetapi tidak menyediakan rekod pihak yang bertanggungjawab yang boleh dirujuk, senarai alat, suis jeda dan mekanisme pengebilan mengikut tugasan, analisis selepas insiden akan menjadi sukar. Berbanding terus menambah bilangan ejen, menyediakan inventori aset, peraturan kelulusan dan pemantauan kos lebih awal memberikan manfaat yang lebih pasti.[4]
Berita utama 4｜Ejen kewangan mula menghubungkan “penerimaan invois—kelulusan—pembayaran”, tetapi sempadan kebenaran akses tetap perlu ditetapkan
Pada 22 Oktober, Tipalti mengumumkan AP Agent, yang direka untuk menyelaraskan penerimaan invois, pengelasan akaun, kelulusan, pembayaran dan penyesuaian akaun dalam satu aliran kerja, sambil menyediakan data kewangan kepada alat AI perusahaan yang diberi kebenaran melalui MCP. Reka bentuknya menekankan penjelasan pada peringkat medan, rekod tindakan yang boleh dijejaki, keupayaan kakitangan kewangan untuk mempersoalkan atau mengatasi keputusan ejen, serta kebebasan perusahaan menentukan langkah yang boleh dilaksanakan secara automatik.[5]
Ini merupakan penerangan tentang produk dan keupayaan baharu yang diumumkan oleh pembekal; bahan asal tidak menyediakan kadar kejayaan pembayaran pelanggan atau trend kos jangka panjang yang mencukupi untuk disahkan secara bebas. Untuk melaksanakannya, perusahaan perlu terlebih dahulu membezakan antara “menyemak status invois”, “mencadangkan kod akaun”, “menyediakan arahan pembayaran” dan “melepaskan dana sebenar”: tindakan terakhir mesti melalui kelulusan yang lebih ketat berdasarkan amaun, penerima bayaran dan hak akses. Penggunaan MCP tidak bermakna kawalan akses ERP sedia ada, semakan oleh dua orang di pihak bank dan audit pembayaran boleh dipintas.[5]
Berita utama kelima｜Google, IBM dan Akamai melengkapkan keperluan operasi ejen dalam persekitaran produksi pada tiga lapisan
Persekitaran pelaksanaan. Pada 22 Oktober, Google Cloud memperkenalkan Agent Compute Engine: ia menyediakan microVM dengan pengasingan perkakasan, identiti sementara dan ruang kerja berterusan untuk ejen, serta menjeda instans melahu semasa menunggu respons model atau kelulusan manusia bagi mengawal penggunaan sumber. Infrastruktur ini sudah digunakan untuk beban kerja ejen Gemini dalaman Google, tetapi pratonton Agent Compute Engine untuk pelanggan luar masih dijangka hanya tersedia dalam beberapa bulan akan datang. Pengalaman penggunaan dalaman tidak boleh terus digambarkan sebagai perkhidmatan yang telah tersedia secara rasmi untuk dibeli oleh semua pelanggan perusahaan.[6]
Identiti dan pemberian kuasa. Pada 27 Oktober, IBM mengumumkan penggunaan HashiCorp Vault dan Agent Identity untuk identiti ejen, kelayakan akses sementara serta penarikan balik hak akses mengikut keperluan. watsonx Orchestrate turut menekankan kawalan penemuan, pengasingan, penilaian dan penghentian merentas platform. Sebahagian keupayaan penemuan dan pengasingan masih dilabel sebagai pratonton teknologi. Berbanding amalan tradisional memberikan kunci pentadbir jangka panjang kepada akaun bot, reka bentuk ini menumpukan pada “siapa yang memiliki ejen, perkara yang boleh diaksesnya dan bila hak akses perlu ditarik balik”—soalan yang mesti dijawab sebelum perusahaan benar-benar menghubungkan ejen kepada sistem produksi.[7]
Batas operasi. Pada 27 Oktober, Akamai melancarkan versi beta Akamai Inference dan Agent Sandbox: yang pertama menyediakan panggilan model terurus, manakala yang kedua menggunakan ekosistem Spin dan WebAssembly untuk mengasingkan kod yang dijana oleh ejen, serta mengehadkan pengkomputeran, memori, sambungan luaran dan keupayaan sistem. Kedua-duanya masih dalam peringkat beta, dan tidak boleh digambarkan sebagai tersedia sepenuhnya untuk kegunaan produksi komersial. Penyelesaian ketiga-tiga syarikat ini tidak boleh saling menggantikan sepenuhnya: microVM menyediakan pengasingan yang agak kukuh, komponen seperti Vault mengurus identiti dan rahsia, manakala kotak pasir Wasm mengehadkan keupayaan kod boleh laksana. Pemilihan sebenar juga perlu mengambil kira kependaman, kebolehcerapan dan kerumitan operasi serta penyelenggaraan.[6][7][8]
Angka sepintas lalu｜Lihat asas pengiraan bagi setiap angka terlebih dahulu
- 1,000 → 30,000+: Bilangan peserta perintis dan skop akses untuk seluruh tenaga kerja yang diumumkan oleh Uber, bukannya pengguna aktif harian atau jam kerja yang dijimatkan.[1]
- Lebih 13 kali ganda: Peningkatan tahun ke tahun dalam jumlah penggunaan ejen produksi sejak awal tahun yang didedahkan oleh ServiceNow; asas pengiraan perniagaan yang membolehkan penukaran terus kepada ROI tidak didedahkan.[2]
- 45,000: Bilangan pelanggan awan yang menurut SAP sedang menggunakan penyelesaian AInya; angka ini tidak boleh dianggap sebagai bilangan projek ejen berasingan dalam produksi.[3]
- 300 orang, 77%: Saiz sampel soal selidik Redwood dan peratusan responden yang melaporkan kesan negatif, bukannya kadar kejadian insiden bagi seluruh industri.[4]
- 0 imej: Edisi ini tidak menggunakan logo pembekal, imej hiasan atau foto promosi yang sumbernya tidak jelas sebagai bukti keberkesanan dalam produksi.
Ulasan kejuruteraan｜Daripada demo model kepada penyampaian yang mampan, sekurang-kurangnya lima gerbang perlu dilepasi
Gerbang pertama ialah skop kerja. Mulakan dengan memilih aliran kerja yang mempunyai input, tindakan yang dibenarkan dan kriteria penerimaan yang jelas, seperti semakan awal anomali kewangan, carian pengetahuan dalaman, pengelasan pertanyaan khidmat pelanggan atau penyusunan tiket IT. Tetapkan kebenaran secara berperingkat untuk “carian, cadangan, penyerahan dan pembayaran”. Keupayaan ejen untuk menjana jawapan yang tepat tidak bermakna ia patut dibenarkan mengemas kini rekod perakaunan dalam sistem produksi secara langsung.[5][7]
Kedua ialah identiti dan rahsia. Tetapkan pihak yang bertanggungjawab, kelayakan akses jangka pendek, alat yang boleh digunakan dan hak akses minimum bagi setiap ejen. Asingkan pelayar dan persekitaran pelaksanaan kod daripada kunci jangka panjang seboleh mungkin; salurkan tindakan berisiko tinggi melalui gerbang yang mempunyai rekod audit. Inilah lapisan kawalan yang menjadi tumpuan bersama penyelesaian IBM, Google dan Akamai minggu ini, namun status ketersediaannya berbeza mengikut vendor.[6][7][8]
Ketiga ialah semakan manusia dan peralihan kepada mod sandaran apabila berlaku pengecualian. Kekalkan laluan pengambilalihan oleh manusia bagi tugas yang tidak sepadan dengan peraturan, menghasilkan output dengan tahap keyakinan rendah, melebihi bajet atau menghadapi kegagalan sistem luaran. Ambil kira masa untuk semakan, pembatalan dan kerja semula; jangan samakan kelajuan satu proses inferens model dengan peningkatan kecekapan keseluruhan aliran kerja.[4][5]
Keempat ialah lejar kos. Sekurang-kurangnya, jejak kos token, panggilan alat, pengendalian persekitaran, storan, log, percubaan semula dan tenaga manusia bagi setiap tugas yang diselesaikan. Semakin kompleks ejen, semakin besar kemungkinan persekitaran terbiar dan panggilan berulang menghakis manfaat “kos rendah bagi setiap token”; sebelum membuat pembelian, gunakan sekumpulan kecil sampel sebenar untuk menetapkan garis dasar kos setiap tugas.[4][6]
Kelima ialah pengesahan hasil perniagaan. Rekodkan secara berasingan bilangan pekerja yang telah diberikan hak akses, pengguna aktif mingguan, tugas yang diselesaikan, pembetulan oleh manusia, kepuasan pelanggan akhir dan hasil kewangan. Apa yang diumumkan oleh Uber dan SAP ialah petunjuk liputan dan penerimagunaan, manakala ServiceNow mengumumkan petunjuk penggunaan platform dalam persekitaran pengeluaran; semuanya merupakan kemajuan yang bernilai, tetapi data keberkesanan pada peringkat tugas masih diperlukan sebelum pulangan pelaburan yang boleh disemak dapat dikira.[1][2][3]
Perkara yang Perlu Diperhatikan Seterusnya
Perhatikan sama ada Uber akan mendedahkan bilangan pengguna sebenar, kualiti tugas yang diselesaikan dan insiden keselamatan merentas aplikasi; sama ada ServiceNow akan menjelaskan dengan lebih lanjut asas pengukuran peningkatan 13 kali ganda dalam penggunaan di persekitaran pengeluaran serta manfaat perniagaannya; sama ada projek rintis SAP akan menghasilkan ulasan pelanggan yang mempunyai garis dasar dan dapat mengasingkan kos tenaga manusia; serta syarat dan harga bagi Google Agent Compute Engine dan Akamai Sandbox untuk beralih daripada pratonton dan pengujian kepada ketersediaan rasmi dalam persekitaran pengeluaran.[1][2][3][6][8]
Nota sumber dan penyahduplikasian: Edisi ini menggunakan halaman asal syarikat yang pertama kali diterbitkan pada 22–28 Oktober sebagai bukti, dan menyemak setiap topik terhadap edisi terdahulu “Mingguan Pelaksanaan AI” untuk mengelakkan pengulangan. Akses kepada NIUX /blog/rss.xml gagal kali ini; senarai blog awam ialah versi cache dan tidak merangkumi semua draf serta halaman yang telah diterbitkan dalam 14 hari terkini, maka penyahduplikasian menyeluruh bagi seluruh laman untuk tempoh 14 hari belum diselesaikan. Semua data operasi vendor ditandakan dengan jelas sebagai data yang dilaporkan sendiri; tiada imej asal yang boleh dipercayai dan berkaitan secara langsung dengan bukti dalam edisi ini berjaya diperoleh, maka terdapat 0 imej dalam kandungan utama dan 0 imej muka depan.
Sumber rujukan
- Uber memperkenalkan ChatGPT Work kepada semua pekerja bersama OpenAI — Uber, diakses pada 2026-10-29
- ServiceNow melaporkan keputusan kewangan suku ketiga 2026 — ServiceNow, diakses pada 2026-10-29
- Sorotan keluaran AI suku ketiga 2026 — SAP News Center, diakses pada 2026-10-29
- 77% perusahaan telah menanggung akibat penggunaan ejen AI tanpa tadbir urus — Redwood Software, diakses pada 2026-10-29
- Tipalti memajukan AI berasaskan ejen dengan AP Agent baharu untuk meningkatkan autonomi operasi kewangan — Tipalti, diakses pada 2026-10-29
- Memperkenalkan Agent Compute Engine dan tadbir urus ejen yang diperluas — Google Cloud, diakses pada 2026-10-29
- IBM memperkenalkan identiti dan kawalan untuk ejen AI, melindungi kecerdasan termaju untuk perusahaan — IBM Newsroom, diakses pada 2026-10-29
- Akamai melancarkan perkhidmatan inferens AI dan persekitaran pelaksanaan ejen — Akamai, diakses pada 2026-10-29
