觀察區間：北京時間2026年10月22日09:00至10月29日09:00。 只將本期正式公開的部署安排、營運披露、研究與產品進展計作新消息；涉及先前已經運作的客戶案例時，明確列為背景，而非再次當作首次發布的消息。
導言
企業AI已經進入一個更難但更有價值的階段：從「懂得寫作和回答」走向「真正融入組織流程」。本週，Uber宣布從千人試點擴展至覆蓋三萬多人的ChatGPT Work全員部署；ServiceNow公布正式環境中智能體使用量的按年變化；SAP披露財務和採購場景中的客戶實踐。另一方面，企業自行申報的調查結果指出智能體帶來的非預期費用與管治問題，而Google、IBM及Akamai則分別從執行隔離、身份憑證和權限控制方面完善工程基礎。[1][2][3][4][6][7][8]
需要警惕兩種數字假象：開通帳戶不等於員工持續使用，供應商披露的節省也不等於經獨立核實的投資回報。 本文將「開始推廣」「已有使用」「正式環境用量」「產品測試版」分開標示，避免將不同成熟程度的進展混為一談。
頭條｜Uber將ChatGPT Work從1,000人試點擴展至3萬多名員工
Uber於10月22日正式宣布，將ChatGPT Work作為企業知識工作智能體平台，向全球超過30,000名員工開放，由此前約1,000人的試點規模擴展至全員。這不只是提供聊天介面：根據Uber自身的說明，平台連接Google Drive、Gmail、Google Calendar和Slack等日常工具，員工可以要求平台跨應用程式蒐集資料、準備會議簡報、整理簡報文件和分析數據。軟件研發團隊則繼續使用Codex，兩類產品的定位亦有所不同。[1]
這個部署案例最值得企業借鑑的是機構層面的推廣條件。Uber同時提及內部AI Skills庫、經批准的連接器，以及專門的員工培訓。若缺少這些配套，同一模型在不同部門可能採用不同的數據傳出途徑、共用權限和操作規範，規模越大就越難審核。從千人試點擴展至全員，反映採購、權限、培訓及業務協作流程已納入項目，而不只是一次效能測試。[1]
但這份公告並沒有報告「3萬人已每天活躍使用」，更沒有提供平均節省工時、財務效益或每人調用成本。Uber表示，稍後才會分享採用情況和可量化成果。正確的解讀是：全員推出的事實可以確認，廣泛實際使用和真實ROI仍有待證據支持。 對其他企業而言，可以透過工單完成率、跨系統任務準確率、人手覆核所需時間、超越權限次數和每項任務總成本，驗證擴大部署規模的效益，而不是以註冊人數作為成功指標。[1]
要聞一｜ServiceNow首次披露生產環境智能體用量按年增長逾13倍
在10月28日的第三季業績披露中，ServiceNow表示，按其平台的統計口徑，客戶在生產環境中使用智能體的年初至今用量按年增長超過13倍。這不同於展示了多少個示範智能體，也不同於預測明年會售出多少個授權；它至少反映了平台方觀察到的生產環境使用增長。不過，業績報告正文未有公開這項「用量」的統一計量單位、客戶分佈和單次任務成效，不能據此推斷業務收入或效率同樣增長13倍。[2]
同一份公告提到，HPE選擇以ServiceNow改造雲端與AI業務的客戶支援和現場服務，Stagwell則選擇將四套服務台整合至涵蓋70多間機構的管治平台；這些屬於當日公布的採購與實施方向，不能直接寫成已全部交付。公告回顧的Bundesliga、Thrive及INRY等客戶案例，此前已另行公布，本期不會將它們視為10月28日才發生的新部署。企業的關注點應從「有哪些智能體」轉向「到底用了多少資源、完成多少項任務、出錯後由誰負責」。[2]
要聞二｜SAP公布45,000家雲端客戶使用AI，賬面成績仍須按流程拆解
對財務與供應鏈團隊而言，真正的對照實驗應固定業務量、異常比例與服務水平，將自動發現問題、財務人員最終確認、系統返工和模型成本納入同一份報表。45,000是採用其AI產品的客戶數目，並非45,000個已完全自主運作的智能體項目。[3]
要聞三｜Redwood調查提醒：可擴展的智能體，不等於可管治的智能體
10月22日，Redwood發布了對300名技術、風險與AI相關從業員及管理人員的問卷調查結果，指77%受訪者曾經歷未受管治的智能體所造成的負面後果，最常見的是非預期雲端費用，其次是營運中斷與合規問題。調查亦顯示，42%表示設有已部署智能體的中央登記冊，51%稱具備即時活動監察能力。這裏衡量的是受訪者自行報告的經歷與機構能力，不能說成全球77%的企業都曾發生經確認的實際事故。[4]
調查由Redwood委託進行，並圍繞其自動化業務展開，因此必須考慮樣本規模、受訪者組成及可能存在的選擇偏差。不過，它提出了一個實務問題：企業若允許智能體跨會計系統、CRM、工單和程式碼儲存庫操作，卻沒有可供查閱的負責人資料、工具清單、暫停開關和按任務計費機制，事故發生後便很難檢討。相比一味增加智能體數目，預先建立資產清單、審批規則和成本監察機制，更能帶來確實成效。[4]
要聞四｜財務智能體開始串連「收取發票—審批—付款」，但權限界線不能省略
10月22日，Tipalti宣布推出AP Agent，定位是在同一工作流程中協調執行發票接收、會計科目分類、審批、付款及對賬，同時透過MCP向獲授權的企業AI工具提供財務數據。其設計強調欄位層面的解釋、可追溯的操作紀錄、財務人員能夠質疑或推翻智能體的決定，以及由企業自行決定哪些步驟可自動執行。[5]
這屬於供應商公布的新產品與功能說明，原始資料並未提供足以獨立核實的客戶付款成功率或長期成本曲線。企業若要落地應用，應先區分「查詢發票狀態」、「建議會計科目」、「準備付款指令」與「實際放款」：最後一項必須按金額、收款對象和權限進行更嚴格的審批。引入MCP並不代表可以繞過現有ERP權限、銀行雙人覆核和付款審計。[5]
要聞五｜Google、IBM、Akamai從三個層面補足代理的生產環境運行條件
執行環境。 Google Cloud於10月22日介紹Agent Compute Engine：為代理提供具硬件隔離能力的microVM、短期身分和持久工作區，並在等待模型或人工批准時暫停閒置執行個體，以控制資源消耗。這項基礎設施已用於Google內部的Gemini代理工作負載，但面向外部客戶的Agent Compute Engine仍預計在未來數月才提供預覽版本。不能將內部使用經驗直接寫成所有企業客戶均已可購買的正式服務。[6]
身分與授權。 IBM於10月27日公布，將HashiCorp Vault與Agent Identity用於代理身分、短期憑證及按需撤銷權限，watsonx Orchestrate亦強調跨平台的探索、隔離、評估和停機控制。部分探索與隔離功能仍標示為技術預覽。相較於傳統向機械人帳戶發放長期管理員金鑰的做法，這套設計關注「誰擁有代理、它能存取甚麼、何時收回權限」，這些都是企業真正接入生產系統前必須回答的問題。[7]
運行邊界。 Akamai於10月27日發布Akamai Inference與Agent Sandbox測試版：前者提供託管模型調用，後者透過Spin生態系統和WebAssembly隔離代理生成的程式碼，限制運算、記憶體、外部連線與系統功能。兩項均處於beta階段，不能描述為已全面達到商業生產環境的可用水平。三家公司的方案並非完全可以互相替代：microVM提供較強的隔離，Vault類元件管理身分和機密資料，Wasm沙箱限制可執行程式碼的能力，實際選型時仍須衡量延遲、可觀測性和維運複雜程度。[6][7][8]
數字速覽｜每個數字先看分母
- 1,000 → 30,000+：Uber公布的試點人數與向全體員工開放的覆蓋範圍，並非每日活躍用戶數或節省的工時。[1]
- 13倍以上：ServiceNow披露的生產環境智能體年初至今用量按年增幅，並未披露可直接換算為ROI的業務分母。[2]
- 45,000：SAP稱正在使用其AI解決方案的雲端客戶數量，不能視為獨立Agent生產環境專案的數目。[3]
- 300人、77%：Redwood問卷的樣本人數及表示曾出現負面後果的受訪者比例，並非整個行業的事故發生率。[4]
- 0張圖：本期沒有將廠商LOGO、裝飾性配圖或來源不明的宣傳照片當作生產環境成效的證據。
工程點評｜從模型示範到可持續交付，至少要過五道關
第一道是工作邊界。 先選擇具有明確輸入、允許執行的動作及驗收標準的流程，例如財務異常初步審核、內部知識檢索、客戶服務分類或IT工單整理。將「檢索、建議、提交、付款」分級授權。一個智能體能產生準確答案，不代表應獲准直接更新正式環境的帳務。[5][7]
第二道是身分與機密資料。 為每個代理訂明負責人、短期憑證、可用工具及最低所需權限。瀏覽器、程式碼執行環境應盡量與長期密鑰分離；高風險操作須經過備有審計紀錄的閘道。這是IBM、Google與Akamai本週方案共同指向的控制層，但各供應商方案的可用狀態不同。[6][7][8]
第三道是人工覆核與異常降級。 對於無法匹配規則、輸出置信度偏低、超出預算或外部系統故障的任務，保留人工接管途徑。必須計入覆核、撤銷及重做所需的時間，不能將模型單次推理的速度等同於完整流程的效率提升。[4][5]
第四道是成本賬簿。 至少追蹤每項已完成任務的詞元、工具調用、環境運行、儲存、日誌、重試及人工成本。代理越複雜，閒置環境及反覆調用就越可能蠶食「單個詞元便宜」的優勢；採購前應以一小批真實樣本建立每項任務的成本基準。[4][6]
第五道是業務成效驗收。 分開記錄已獲授予存取權限的員工人數、每週活躍使用者人數、已完成任務數、人工修正次數、終端客戶滿意度及財務成果。Uber與SAP公布的是覆蓋範圍及採用情況的指標，ServiceNow公布的是平台在正式環境中的使用指標；這些都是有價值的進展，但仍須等待任務層面的成效數據，才能計算可覆核的投資回報。[1][2][3]
下一步關注
觀察Uber後續會否披露實際使用人數、已完成任務的質素及跨應用程式安全事故；ServiceNow會否進一步解釋正式環境用量增至13倍的計量口徑及業務收益；SAP試點會否出現具備基準、能區分人工成本的客戶成效檢討；Google Agent Compute Engine和Akamai Sandbox從預覽、測試階段走向正式生產可用的條件及價格。[1][2][3][6][8]
取材與去重說明：本期以10月22—28日首次公布的企業原始頁面為依據，並與上期《AI落地週刊》逐題比對去重。NIUX /blog/rss.xml 本次存取失敗；公開網誌列表為快取版本，未能涵蓋最近14天的全部草稿及已發布頁面，因此未完成全站14天的完整去重。所有供應商營運數據均明確標示為自行呈報；未取得可信且與本期依據直接相關的原始配圖，正文0圖、封面0圖。
參考來源
- Uber 與 OpenAI 合作，向全體員工推廣 ChatGPT Work — Uber，瀏覽日期：2026-10-29
- ServiceNow 公佈 2026 年第三季度財務業績 — ServiceNow，瀏覽日期：2026-10-29
- 2026 年第三季度 AI 更新重點 — SAP 新聞中心，瀏覽日期：2026-10-29
- 77% 的企業曾因未受管治的 AI 智能體而付出代價 — Redwood Software，瀏覽日期：2026-10-29
- Tipalti 推出全新 AP Agent，推進智能體式 AI，提升財務營運的自主程度 — Tipalti，瀏覽日期：2026-10-29
- 推出 Agent Compute Engine 及擴充智能體管治功能 — Google Cloud，瀏覽日期：2026-10-29
- IBM 推出 AI 智能體身分識別與管控功能，保障企業前沿智能的安全 — IBM 新聞中心，瀏覽日期：2026-10-29
- Akamai 推出 AI 推論服務及智能體執行環境 — Akamai，瀏覽日期：2026-10-29
