當 AI Agent 走入實戰,重點不再是能不能做出一個 Agent,而是如何從「單一 Agent 包辦所有任務」,進化為「只給業務目標,系統即可自主完成分析與決策支援」。本議程以玉山銀行智能金融處 BigQuery 分析代理改版為例,說明如何平滑升級至 Multi-Agent 協作架構,讓系統在接收「2026 營收增加 25%」等目標時,自動完成跨表盤點、討論、特徵工程與建模,並輸出圖表與行動建議。同時分享在工具設計、任務編排與品質控管上的經驗,協助企業打造工程可落地、業務理解的 Agent 系統。

任職玉山銀行期間,自科技長辦公室起步,長期參與海內外據點與總分行流程優化,帶領團隊並參與開發維運近 500 支 RPA,歷經從手寫邏輯到導入生成式 AI 與 Agentic AI。曾為前科技長陳昇瑋打造「模型報告自動產生器」,自動產出關鍵統計圖表與基準模型結果,建立統一的模型評估流程。近年專注建構 Multi Agent 團隊,讓系統自動完成資料盤點、跨表探索、特徵工程與建模評估,輸出可直接給決策者採用的分析報告,並關注低程式碼自動化對未來工程角色的影響。