企業 AI 代理加速落地：Snowflake 工具升級、LinkedIn 模型對比、Meta 內部數據訓練引關注

近一年企業導入生成式 AI 的重點，正由「聊天」走向「能做事」的 AI 代理（Agent）。最新動向顯示：一方面平台商加速把數據、流程與模型接駁；另一方面使用者也開始要求更透明的模型比較；同時，企業為了訓練更懂操作電腦的代理，正在面對新的私隱與管治課題。

一）Snowflake 以「控制平面」思維強化企業代理

Snowflake 近期把面向商務用戶的工作代理與面向開發者的建置層整合升級，主打以自然語言自動化例行工作、把分析流程保存成可重用的成果，並加入可連接外部工具與系統的連接器，方便把代理「插入」既有工作流。對 IT 團隊而言，另一重點是擴大可接入的外部數據來源，以及提供更完整的 SDK 與開發環境，讓代理在受管治的數據基礎上落地，減少合規與鎖定風險。

二）LinkedIn 推出盲測式模型對比，促進採用決策

不少公司在選用生成式 AI 時，最大痛點是「同一個提示，哪個模型更適合我？」LinkedIn 新功能以盲測方式，讓用戶一次輸入提示就獲得兩個不同模型的答案，再由用戶選出較好回應後才揭示模型身份。這種做法既可降低先入為主，也有助團隊把模型選型由口碑轉為可操作的比較，對採購、培訓與制定內部使用指引都有參考價值。

三）Meta 以員工操作數據訓練「會用電腦」的 AI，私隱管治成焦點

為了讓 AI 代理更懂得實際使用電腦介面，Meta 擬在指定工作應用與網站範圍內，收集員工在工作電腦上的滑鼠移動、點擊、鍵盤輸入及部分截圖，作為訓練資料，並表示設有保護敏感內容的措施且不作其他用途。對企業管理層來說，這類做法突顯「資料取得 vs. 信任」的平衡：即使目標是提升生產力，也需要更清晰的告知、最小化收集、用途限制與審計機制，才能避免內部反彈及合規風險。