不會寫程式也能訓練企業 AI 模型？台灣人工智慧實驗室發表 FedGPT AgentTeam
AI 代理（Agentic AI）浪潮來襲，企業想要導入 AI 卻面臨種種挑戰。台灣人工智慧實驗室（Taiwan AI Labs）觀察，企業面臨投入成本過高、機敏資料無法上雲等痛點，導致無法在日常營運流程中善用 AI，因此今（25 日）宣布推出代理式 AI 平台「FedGPT AgentTeam」，要解決企業難題。
強調聯邦式技術，對應資料治理與信任挑戰
台灣人工智慧實驗室創辦人杜奕瑾在產品發表會中表示，代理式 AI 的核心在於理解企業問題、依據問題進行規劃，並透過可能涉及企業內部知識或外部協作的方式完成複雜任務。他強調，FedGPT AgentTeam 是一個「聯邦式平台」，除了專精台灣繁體中文語境、多模態，擁有符合台灣法規的基礎知識，導入後也確保所有資料交換、模型訓練都只在企業內部進行。
過去企業擔心將資料上傳到第三方平台會失去控制權或隱私，杜奕瑾指出，聯邦式技術能確保企業在不分享原始資料的前提下，共同訓練出更專業、更符合特定領域需求的 AI，同時保有資料主權，並符合如歐盟 GDPR 等資料隱私規範。他表示，這種方式讓模型能在特定專業領域具備開源模型無法比擬的深度和準確性，更能滿足企業級的複雜應用。
針對企業級複雜應用，台灣人工智慧實驗室核心平台產品總監杜長城指出，企業使用 AI 有三個層次，包含單次內容生成任務、員工等級重複性任務，以及企業等級流程，而最後一個正是 FedGPT AgentTeam 要解決的問題。該平台具有三大核心功能，各自對應了不同的企業需求：
三大核心功能，讓 AI 成為企業的「全天候數位部門」
首先是 AI AgentTeam RAG，可以幫助 AI 具備理解各種型態的知識的能力。該功能支援多格式、多來源、多模態的知識檢索與生成，能處理圖片、圖表、影片、語音、文字等非結構化資料。此外，AgentTeam RAG 也能判斷問題的難易度，選擇最合適的解題方式。
第二，AgentTeam Tuning 功能，主要考量多數通用型 AI 模型難以滿足企業的特定需求，但企業又缺乏客製化模型的微調（fine-tuning）能力痛點。杜長城強調，簡單的操作介面，能讓企業員工不需工程背景即可訓練、微調模型。
第三，流程設計功能 AgentTeam Flow ，是為了解決許多 AI 模型難以與企業內部既有系統互動的問題。該平台也提供低／零程式碼（Low-Code／No-Code）介面，快速打造可跨部門甚至串聯外部單位的工作流程。
此外，FedGPT AgentTeam 也支援 MCP 協定與 A2A 架構，並且內建自動檢查自身成果的機制，確認是否達成階段性目標，避免錯誤在多階段流程中累積擴大。
杜長城表示，FedGPT AgentTeam 能夠集結流程的自動化、多模態文件的理解，以及訓練企業專屬模型的能力，進而成為「企業的 24 小時數位部門」。
隨著 MCP、A2A 協定逐漸普及，杜奕瑾認為，這可能會像 USB 一樣成為產業標準，而當一個規格成為產業標準，就會被廣泛地使用。針對企業如何看待 A2A 等協定，杜奕瑾以 API 比喻，以前 API 是在串接企業看不到的資料流，如今 AI 代理之間的互動則是讓這個資料流變得讓人「看得懂」。
＊本文開放合作夥伴轉載，圖片來源：TechOrange 拍攝