Agentic AI 治理的最佳實踐：運用 IBM watsonx.governance 建立透明、安全且可規模化的 AI 運營架構

隨著生成式人工智慧（Generative AI）的快速發展，企業正逐步邁入「代理式 AI（Agentic AI）」的新時代。相較於傳統被動回應的 AI 系統，代理式 AI 能主動融入工作流程，依據既定目標自主判斷並執行行動，包括資料搜尋、資訊分析、呼叫外部系統，以及完成跨系統的自動化任務。然而，代理式 AI 的自主性與多樣化應用也帶來倫理風險、操作不確定性及治理挑戰，企業在導入過程中必須謹慎評估其安全性與社會影響。

在面對代理式 AI 系統的複雜性與潛在風險時，IBM watsonx.governance 提供了完整且可實務落地的治理方案。其將治理能力深度嵌入 AI 代理的設計與開發生命週期，並提供標準化工具庫、可重用評估機制與透明可追溯的使用紀錄，使風險管理從事後補強轉變為開發初期即能落實的「內建能力」。這種結合「可視性」、「可驗證性」與「可操作性」的治理模式，不僅降低導入門檻，提升系統信任度，也使企業得以在安全合規的前提下，擴展代理式 AI 的應用範圍，實現創新與規模化落地。

IBM watsonx Orchestrate 實作系列《保險業應用展示》 Part 4：自動整合業務流程並完成銷售任務（圖文說明）

作為系列文章的結尾，本篇文章將延續上一篇的成果，展示保險業務人員如何透過 IBM watsonx Orchestrate 將多個系統與 AI 助理整合為完整的銷售流程。業務人員可利用 Pay Monthly Assistant 建立保單月繳付款計畫，IBM watsonx Orchestrate 會透過 OpenAPI 技能呼叫外部 API，自動計算每月付款金額與總付款金額，並將結果整理為可直接納入提案的內容。整個流程從 CRM 客戶搜尋、商品推薦、生成式 AI 郵件撰寫、優惠搜尋、商品保障檢查，到付款計畫生成，都可在同一個對話式介面中完成。藉由這種多個 AI 智能代理的無縫協同運作與系統整合的方式，IBM watsonx Orchestrate 能有效簡化保險銷售流程，減少人工操作與系統切換時間，提升業務人員效率並加速銷售任務的完成。

IBM watsonx Orchestrate 實作系列《保險業應用展示》 Part 3：讓 AI 成為保險商品的知識助手（圖文說明）

本篇文章將延續上一篇的成果，展示保險業務人員如何利用 IBM watsonx Orchestrate 的 AI 智能代理快速查詢保險商品知識並支援銷售決策。透過 Coverage Assistant 與 AI 導引式行動（AI Guided Action），IBM watsonx Orchestrate 可以將商品條款、保障範圍與除外責任等企業內部知識與生成式 AI 進行整合，讓業務人員只需透過自然語言提問，即可即時確認商品保障內容，例如旅遊保險是否涵蓋極限運動。此外，業務人員也能快速比較金級與銀級旅遊保險的保障差異，並生成商品效益摘要，以更新銷售提案。當問題表述不清時，IBM watsonx Orchestrate 還會透過內建的澄清機制確認使用者意圖，確保回應的準確性。透過這些能力，AI 智能代理 可以成為保險業務人員即時可用的保險商品知識助手，大幅提升資訊查詢效率與提案品質。

IBM watsonx Orchestrate 實作系列《保險業應用展示》 Part 2：協助保險業務人員快速完成銷售提案（圖文說明）

本篇文章將延續上一篇的成果，展示保險業務人員如何透過 IBM watsonx Orchestrate 進一步優化 AI 智能代理生成的銷售郵件內容，以提升提案吸引力與成交機會。業務人員可以在 AI 的 協助下優化商品資訊、加入促銷折扣與月繳方案，並透過多輪對話功能同時進行不同任務，例如搜尋最新優惠方案。IBM watsonx Orchestrate 會自動分析提示內容並指派合適的 AI 智能代理，例如 Offers Assistant，並透過 RAG 技術結合企業資料庫進行語意搜尋，找出最相關的促銷資訊。藉由調整搜尋條件，例如：加入「既有條件」與「旅遊保險」等關鍵詞，業務人員可以快速發現更具吸引力的行銷方案，例如附帶折扣的金級旅遊保險，讓最終提案更具競爭力並提高銷售轉化率。

IBM watsonx Orchestrate 實作系列《保險業應用展示》 Part 1：為客戶生成個人化銷售郵件（圖文說明）

本篇文章將使用 IBM watsonx Orchestrate 實機展示系統，並以圖文說明的方式示範 AI 智能代理 如何協助保險業務人員快速生成個人化銷售郵件。首先，業務人員只需以自然語言輸入指令，例如：「撰寫一封追加銷售郵件給我的客戶」，系統便能自動從 CRM 系統搜尋符合條件的客戶名單，免去傳統需建立報表並逐一分析的繁瑣流程。接著，AI 智能代理會將客戶資料送入決策引擎，依據帳戶歷史紀錄、該客戶既有保障與近期人生事件等資訊，自動推薦適合的商品，例如銀級旅遊保險。最後，IBM watsonx Orchestrate 結合 IBM watsonx.ai 的大型語言模型生成個人化銷售郵件，並自動填入收件人與主旨欄位，讓業務人員僅需進行內容檢視與微調即可寄出提案，大幅縮短準備時間並提升銷售效率。

AI 智能代理在保險業的應用情境：IBM watsonx Orchestrate 實作系列總覽

在保險業的日常工作中，業務人員往往需要同時處理客戶開發、商品推薦、提案撰寫與售後服務等多項任務，並在 CRM、商品資料庫與電子郵件工具等多個系統之間頻繁切換。這些工作雖然對銷售成果至關重要，但其中也包含大量重複且耗時的流程，例如搜尋潛在客戶、整理商品資訊、撰寫個人化銷售郵件以及查詢優惠方案等。隨著代理式 AI 技術的成熟，企業開始思考如何利用 AI 協助業務人員提升效率並創造更多銷售機會。

IBM watsonx Orchestrate 正是在這樣的背景下誕生的企業級 AI 智能代理平台，它能透過對話式介面整合企業系統與 AI 智能助理，協助保險業務人員以自然語言完成跨系統的工作流程。本系列文章將以保險業的實際銷售情境為例，展示業務人員如何透過 IBM watsonx Orchestrate 建構的 AI 智能代理完成從客戶搜尋到提案寄送的一系列工作任務，讓原本需要多個工具與繁複操作的流程，在單一平台中即可完成。

IBM watsonx Orchestrate AI 智能代理平台應用解決方案

IBM watsonx Orchestrate 是 IBM watsonx 人工智慧平台中的一項企業級產品，主要用於協助企業利用生成式 AI 與自動化技術來編排（orchestrate）AI 智能代理（AI agents）與各種內部工作流程之間的協作 ，從而提升企業的生產力與營運效率。

watsonx Orchestrate 的核心概念是將人工智慧、企業資訊應用系統與自動化工作流程整合在單一平台中。透過這個平台，企業可以建立、部署與管理智能 AI 助理或 AI 代理人，並讓它們與企業既有的應用系統、API、資料來源及自動化工具協同運作，進而實現人工處理工作流程的自動化。

IBM Data Replication (CDC) 資料同步抄寫實作系列《實作演練篇》 Part 4：同步抄寫作業監控與效能瓶頸分析（圖文說明）

作為系列文章的結尾，本篇文章將聚焦於 IDR 管理主控台中的「訂閱監控（Monitoring Subscriptions）」功能。透過這個內建工具，管理者可以即時掌握訂閱任務的同步狀態、分析抄寫作業的執行效能與延遲時間，以及檢視與訂閱任務或資料儲存庫相關的系統事件訊息。這些資訊有助於深入瞭解整體同步抄寫環境的運作情形，並協助診斷潛在可能的問題。我們將新增一個一對一資料表標準同步鏡映（Mirror）的訂閱任務，並檢視 IDR 資料抄寫引擎在來源端與目的端所產生的事件記錄（Event Log）。此外，我們會對來源端 Oracle 資料庫執行大量資料異動操作，藉由 IDR 管理主控台提供的效能監測指標，即時觀察同步效能是否出現瓶頸，進一步掌握系統負載狀況。

IBM Data Replication (CDC) 資料同步抄寫實作系列《實作演練篇》 Part 3：同步抄寫作業的停止與重新啟動（圖文說明）

由於某些營運需求，企業可能希望以區段性的方式執行資料同步，以避免在系統尖峰時段影響應用系統的使用者體驗。基於「資料保證交付」的核心價值，IDR 資料抄寫引擎在停止訂閱並重新啟動後，仍然會依據原始 SQL 交易順序，持續將異動資料同步至目標系統。換言之，即使在訂閱停止期間，來源端資料庫所發生的新增、修改或刪除操作，仍會在重新啟動訂閱後，完整同步至目的端資料庫中。本篇文章將延續 Part 2 文章中建立的 ORCL_TO_SQL_3 訂閱任務，模擬在訂閱停止期間對 Oracle 資料庫中的 CREDIT_APP 資料表進行新增、更新及刪除等操作，並於重新啟動訂閱任務後，觀察 Microsoft SQL Server 目的端資料庫的資料同步結果，以驗證 IDR 在區段同步情境下的資料一致性與可靠性。

IBM Data Replication (CDC) 資料同步抄寫實作系列《實作演練篇》 Part 2：自訂客製化稽核欄位（圖文說明）

本篇文章將延續《環境建置篇》完成的三台伺服器主機配置，實作基於自訂表格對映方法下的 Oracle 資料庫與 Microsoft SQL Server 之間的標準模式資料表同步抄寫，並且在不使用 LiveAudit 預設稽核模式下建立客製化的稽核欄位，整體架構如下圖所示。我們將沿用之前已建立的資料庫連線，新增一個包含自定義稽核欄位的訂閱任務，然後透過衍生表達式（Derived Expressions）建立一個可以正確記錄到毫秒的 TimeStamp 欄位。啟動訂閱任務後，在中控端主機執行 Python 程式，對 Oracle 資料庫中的 CREDIT_APP 資料表發動新增、修改與刪除等 SQL 操作，並觀察預設 &TIMSTAMP 日誌登載控制欄位和我們客製化稽核欄位之間的差異。