一句話結論
國泰金控在技術年會上揭露了測試中的「數位同事」：它有獨立的虛擬員工編號、系統帳號，還有自己的 Email（本名後面加上 .ai），會自己喚醒自己推進任務，能記得上週做到哪。聽起來很未來。但同一份報導的最後寫著：三種角色都還在測試環境，尚未進入正式營運，也還沒開放給一般員工使用。我認為這篇新聞對台灣企業最有用的，剛好不是那個很酷的部分——而是它把「管人的制度」整套搬去管 AI，以及它背後那十年，你抄不了的地基。
先看一組大背景。金管會 10 月 15 日公布 2026 年金融業應用 AI 調查：受查的 383 家金融機構與周邊單位裡，164 家（43%）已經導入 AI；已導入的業者中，76% 用了生成式 AI。但這次第一次調查的「代理式 AI」，也就是真的派 AI 代理人去做事的，只有 33 家，而且多半用在資料蒐集、寫研究報告、檢核程式碼這類內部作業，金管會自己的說法是「仍處於發展初期」（金管會新聞稿）。
有帳號不等於有在用，有在用不等於交給它做事。國泰金這套「數位同事」，剛好讓你看到「交給 AI 代理人做事」實際要先準備哪些東西，也看到它離正式上線還有多遠。
這陣子「AI 代理人」講得很多，真正做給你看的很少。
所以當一家台灣的金控在自己的技術年會上，把整套架構攤開來講，我覺得值得認真讀一次——尤其是讀它沒有做到的地方。
先講它做了什麼
依照國泰金控的說明，「數位同事」跟一般認知的 AI 代理人有三個差別：
- 跨 Session 的長期任務與持續記憶。你關掉對話，它不會忘記。
- 自主推進長程任務。不是被動等你呼叫，它可以自己喚醒自己，推進下一步。
- 認得組織裡的人事時地物。同一件事，對不同角色的人給出不同反應。
目前有三個部門在實測三種角色：技術專案經理、科技治理審查專員、合約初審法務。
以技術專案經理那個為例，它可以存取 Teams、Outlook、OneDrive 和專案看板，每天自動搜尋跟專案有關的任務，納進自己的行事曆追蹤。開專案會議的時候，它會主動找出沒人認領的任務，跨專案查誰手上有空，然後在會議裡提議指派——待真人同意後執行。
請記住最後那五個字，等一下會回來講。
真正值得抄的不是技術，是它管 AI 的方式
大部分報導的重點會放在「數位同事好厲害」。但我讀完覺得，對一般企業最有立即參考價值的，是另一段——國泰參考管理真人員工的方式，來設計管理 AI 的機制。
具體長這樣：
- 有身分。獨立的虛擬員工編號、系統專屬帳號，還有自己的 Email——命名規則是本名加上
.ai，讓你一眼看出這是數位同事的帳號。 - 有辦公室。它在一個受控的執行環境裡跑，行為邊界由角色定義檔控制。
- 有職等。數位同事分等級，不同等級配不同的 Token 配額、能呼叫不同的模型。
- 有權限。同一個數位同事，會依照提問的那個真人的權限，決定能提供什麼功能。
- 有技能檔案。公司在建一個技能庫，統一管理它能呼叫的專業技能，而這些技能來自資深員工的訓練，或把過去執行過的任務轉成可重複執行的技能。
看出來了嗎？這整套東西，沒有一項需要等 AI 變得更強。
編號、帳號、權限分級、職務說明、受控環境、技能傳承——這些都是人資與資訊部門本來就在做的事，只是對象換成了 AI。而大部分公司導入 AI 時，恰恰把這一層整個跳過了：工具開了、帳號共用、誰用過什麼沒有紀錄、它能碰到哪些資料沒有人說得清楚。
那個 .ai 的命名規則我特別喜歡。它很土，但它解決一個真實問題：當一封信寄到你信箱，你要知道對面是人還是不是。很多公司連這件事都沒有規範。
然後是那句「尚未開放給一般員工使用」
報導最後一段寫得很清楚：三種數位同事都還在測試環境中開發及驗證，尚未進入正式營運環境，也未開放給一般員工使用。
而且國泰自己把數位同事的發展分成三級——第一級被動接單、第二級能主動追蹤與自我喚醒、第三級具備跨單位的企業視野。目前測試中的三種，屬於第二級。
把這幾件事擺在一起看：
一家 2016 年就開始數位轉型、有專責數據中心、有數據長、有自研 AI 框架、去年就把框架升級到支援 AI 代理人的金控——做到 2026 年 9 月，成果是三個部門、三種角色、第二級、測試環境、零個一般員工在用。
我寫這句不是要酸它。正好相反。
這是我看過最有參考價值的一個進度說明，因為它誠實。如果連這樣的條件都只走到這裡，那麼市面上那些「兩週幫你導入 AI 員工」的說法，你大概知道該怎麼看了。
你抄不了的那一段：十年的下水道工程
報導裡有一個比喻我覺得是整篇最重要的。
國泰金控副董事長蔡宗翰回顧，公司從 2016 年展開數位轉型，投入資料建設、資料工程、資料治理到上雲；他形容數據團隊四、五年的投入就像是「下水道工程」。
下水道的特色是：做的時候沒人看得見，做不好的時候全城都知道。
數位同事不是一個買得到的產品。它是蓋在那條下水道上面的東西——因為它要能跨系統存取專案看板、信箱、檔案，要能依權限給出不同回應，要能把資深員工的做法變成可重複的技能。這些能力的前提全部是資料治理，不是模型。
所以如果你是中小企業的主管，讀完這則新聞最不該有的反應是「我們也來做一個數位同事」。
最該有的反應是：我們的下水道在哪裡？
誠實踩煞車
- 這是企業在自家技術年會上的對外揭露。這種場合同時具有品牌形象與人才招募的功能，揭露的內容自然會挑好的講。這不是指控，是任何一家公司都一樣的事實。
- 沒有任何成效數字。公開內容裡沒有提到省了多少時間、準確率多少、多少任務是它完成的。所以目前無法判斷它好不好用，只能判斷它設計得怎麼樣。這兩件事不一樣。
- 沒有第三方驗證。所有技術描述都來自該公司自己的簡報與說明。
- 「主動提議，待真人同意後執行」——關鍵字是後半句。這個設計代表：在最會出事的那一步（真的去指派工作），人還在流程裡。這是好的設計，但也代表它離「自動」還有距離。
- 本文完全根據公開報導撰寫。我沒有這家公司這個專案的任何內部資訊，也不知道測試進度後續如何。相關揭露請見文末查證說明。
你現在就可以抄的四件事
撇開那套自研框架不談，這則新聞裡有幾件事，是不需要你有數據長、也不需要等 AI 更強就能做的：
| 國泰的做法 | 你公司這週就能做的版本 |
|---|---|
AI 帳號的 Email 加上 .ai，一眼認得出來 |
規定凡是 AI 產出、要送到別人面前的東西，都要標示。不必買系統，先寫進工作規範 |
| 依提問者的權限決定能提供什麼功能 | 盤一次：現在員工餵進 AI 的資料裡，哪些是不該出去的？先列黑名單，比訂大政策快 |
| 技能庫：把資深員工的做法變成可重複的技能 | 挑一個做得最好的同事、一種他最常做的工作，把他的步驟寫成一份指示存起來給全組用 |
| 分級：第一級被動、第二級主動、第三級跨單位 | 別一步到位。先讓 AI 把第一級做穩——連國泰都還沒走到第三級 |
所以你該做什麼
如果你是一般上班族：看那個「技能庫」的概念。國泰把資深員工的做法變成可重複的技能——你可以先對自己做這件事。挑一件你每週都要做、而且做得比別人好的工作，把你的步驟、判斷標準、常見地雷寫成一份指示存起來。下次交給 AI 的時候連指示一起給。這份東西的價值，會比你換十個工具都大。
如果你要用 AI 量產東西：注意「自己喚醒自己」這個設計背後的代價——能主動行動的東西，就需要能事後追查。國泰配套的是受控執行環境、角色定義檔、Token 配額、權限分級。你如果也要讓 AI 自動跑流程，至少要有一份紀錄，能回答「它今天做了什麼、碰了哪些資料」。沒有這個，你管的是一個看不見的東西。
如果你是主管：這則新聞最該帶給你的不是焦慮，是一個參照點。下次有廠商跟你說「三個月幫你導入 AI 員工」，你可以拿這個問回去：一家 2016 年就開始做資料治理、有自研框架、有專責中心的金控，做到現在是三個部門、測試環境、未開放。你憑什麼三個月？——如果對方答得出來（例如範圍小很多、只做單一流程），那是好答案；如果答不出來，你剛剛省下一筆錢。
你是機長，AI 是機組人員
這一篇的機長比喻，可以講得比平常具體。
一個人能不能坐進副駕駛的位子，從來不是看他「會不會飛」。而是看：他有沒有執照、執照是哪一級、有沒有通過這個機型的檢定、公司有沒有給他編制、他能決定什麼不能決定什麼、出事的時候責任寫在哪裡。
航空業花了幾十年建立這一整套東西，不是因為不信任機組人員，而是因為信任必須有掛鉤的地方。沒有那套制度，一個人再厲害，也不能坐上去。
國泰在做的，本質上就是幫 AI 辦這套：給它編號、給它職等、給它權限範圍、給它一個受控的座位、規定它什麼時候必須回頭問人。
而那句「待真人同意後執行」，就是機長的最終決定權。副駕駛可以提出建議、可以主動指出問題、可以先把事情準備好——但推油門的那隻手，還是機長的。
所以你要問自己公司的問題不是「我們有沒有 AI」，而是：我們給 AI 的那個座位，寫清楚了嗎？
常見問題 FAQ
Q：「數位同事」跟「數位員工」是一樣的東西嗎？
依照國泰金控數據長在會上的說明，兩者概念不一樣：數位同事的角色是輔助真人員工的數位助手，不是獨立工作的個體。而且它是以部門為單位設置，同部門的員工共享同一組，不是一人配一個。這個區別很重要——它決定了責任歸屬還是在真人身上。
Q：那它現在到底能不能用？
公開資訊寫得很明確：三種角色都還在測試環境中開發與驗證，尚未進入正式營運環境，也未開放給一般員工使用。所以「國泰員工已經在跟 AI 同事一起上班」這種說法，目前沒有依據。
Q：中小企業有沒有可能做出類似的東西？
整套很難，因為它的前提是多年的資料治理與系統整合。但「管理 AI 的制度」那一層完全做得到，而且花的是規範的力氣不是預算：標示 AI 產出、規定哪些資料不能餵、把資深員工的做法寫成可重複的指示、先把被動的用法做穩再談主動。這四件事這週就能開始。
Q：讓 AI「自己喚醒自己」會不會有風險？
會，所以才需要配套。能主動行動的系統，風險不在它會不會做錯，而在它做錯的時候你多久才會發現。國泰的配套是受控執行環境、行為邊界定義檔、權限依提問者而定、以及關鍵動作要真人同意。這四樣缺一樣，「主動」就會變成「失控」。
Q：我們公司資料很亂，是不是就不用想 AI 了？
不是，但順序要對。資料亂不代表不能用 AI，代表不能用在需要跨系統整合的地方。個人層級的應用（整理、草稿、翻譯、找資料）照樣有價值，而且不必等下水道蓋好。要避免的是反過來——資料還沒整理，就想做會自動跨系統動作的東西。那才是真的會出事。
資料來源
以下均於 2026 年 9 月 20 日查證：
- iThome：〈不只等人下指令！國泰金測試AI數位同事，能長期記憶、主動推進任務〉（ithome.com.tw/news/179000）：本文所有事實均出自這一篇。包含國泰金控第七屆技術年會的揭露內容、副董事長蔡宗翰關於 2016 年起數位轉型與「下水道工程」的說法、GAIA 框架與 2.0 版的四大模組、副總經理劉浩翔關於「數位同事」三大差異與 Runtime／長期記憶設計的說明、數據長梁明喬關於「數位同事不等於數位員工」與部門共享設計的說明、三個實測角色（技術專案經理／科技治理審查專員／合約初審法務）與技術專案經理可存取 Teams、Outlook、OneDrive、專案看板的描述、「主動提議、待真人同意後執行」的流程、虛擬員工編號與
.aiEmail 命名規則、受控執行環境與角色定義檔、等級制與 Token 配額、技能庫（Skill Hub）、三級能力分級與「目前屬於第二級」，以及「目前 3 種數位同事都還在測試環境中開發及驗證，尚未進入正式營運環境，也未開放給一般員工使用」這句關鍵敘述。
查證說明（誠實揭露）：①本文只有一個資料來源，就是上述 iThome 的現場報導。我沒有找到國泰金控官方發布的對應新聞稿或技術白皮書可以交叉比對，因此所有技術細節都應視為「媒體轉述的企業自述」，而非經過驗證的事實。②利益揭露：本站作者黃敬峰的企業培訓客戶名單中包含國泰人壽（國泰金控旗下公司）。本文完全根據上述公開報導撰寫，作者不掌握、也未使用任何該公司的內部資訊，文中沒有任何一項敘述來自客戶往來；與該專案亦無任何關聯。基於這層關係，本文對該公司的評價可能存在善意偏誤，請讀者自行折價。③公開資訊中沒有任何成效數字（省時、準確率、完成任務數），所以本文不評論它好不好用，只討論它的制度設計。④文中「你這週就能做的版本」那張表，右欄全部是我自己的建議，不是國泰的做法或建議，請勿混為一談。⑤「下水道工程」是蔡宗翰的原話比喻；我把它延伸到「你抄不了的地基」那段論述，是我的推論，不是他的說法。⑥副駕駛檢定與編制的航空類比是我用來解釋制度設計的比喻，與本報導無關。
先問「我們的下水道在哪裡」，再問要不要做數位同事
我會把這類企業案例拆成「哪些抄得動、哪些是十年地基」：我的電子報大約一到兩週一封 → startupforyou.substack.com
如果你是主管：我的企業內訓有一段就是帶團隊做上面那張表的右欄——用貴公司自己的流程盤出可以標示、該擋、該寫成指示的部分，不是聽案例。想聊聊寫信到 ai@autolab.cloud，或看看 AI 顧問教練團。
公司想導入 AI、安排內訓 → 企業內訓諮詢表單
關於作者
黃敬峰（AI峰哥／阿峰老師），企業 AI 實戰培訓專家，服務客戶包含國泰人壽、工研院、士林電機、電通、城邦媒體等。聯絡方式：ai@autolab.cloud