數位化就等同於數位轉型嗎？聯想感認為數位轉型的核心，在於轉型這兩個字。「我們不希望這是一個艱澀或令人望之卻步的挑戰，而是像一趟令人期待的飛行旅程。」
企業在追求這個新引擎的過程中，常面臨核心目標難以聚焦的糾結。一種思維是從技術部門出發，追求具備前瞻性的技術創新，看的是未來企業的前瞻藍圖，但是需要長時間的累積。另一種思維則是追求實用性的價值，著重於馬上提升轉換率或客戶量。雖然這兩者的出發點都是對的，但實務上卻面臨核心目標難以聚焦定義的問題點。聯想感認為，不論企業的內部團隊偏向哪一個方向，技術和商務兩個引擎都是必須搭建，並它們分別扮演不同的戰略角色：
- 商務引擎：從經營痛點切入，以服務驅動營收。聚焦於應用場景，導入轉型時追求較高的實用性。例如行銷自動化、用戶運營等等......
- 技術引擎：以技術為主體的擴張，當企業想要跳到新的領域，能根據不同場景快速調整交付模組，實現「技術模組 x 目標跨越」的良性循環。
我們將透過聯想感的轉型啟動知識庫＆成長產品庫，協助企業釐清飛行的路線，並根據不同場景快速調整，決定當前階段是偏向技術面還是商務面，最終達到分階段實現商務獲利和商業創新的目標。
圖：企業各階段的轉型指標
數位轉型並非難事，而是一趟有規劃的飛行旅程。企業必須同時思考專注驅動營收「商務引擎」與專注驅動擴張「技術引擎」，才能穩健地朝向以客戶為核心的新經濟引擎邁進。為了確保轉型飛行順利，聯想感提供了厚實的軟體資產平台以及由五大產品線，作為企業在新經濟時代的基礎建設和智慧型協助：
GenBase 基礎建設：打通資料中台＆API 串接，致力於解決資料破碎與分散的問題，確保企業內部的資料能夠被有效整合與運用，避免形成孤島。
GenFlow 數據流通：將企業散落在企業外部的資料收攏回來。確保數據在流回企業內部時順暢無阻，讓資料真正能夠在組織內流動並產生價值。
GenBI 決策賦能：目的讓企業的經營手法更加細膩與省力，協助管理者從數據中萃取出不同層次的感知與洞察，提升決策的精準度與豐富度。
GenAgent AI 智能實踐：透過技術力的實踐，運用 AI 來解決複雜問題，並為企業提供具體的技術展示與未來應用的參考。
GenHub 生態共創：連結集團的資料庫與產業夥伴，藉此產生全新的「資料生意」與新經濟價值，讓這趟飛行旅程的終點成為新商機的起點。
圖：聯想感五大產品線
整趟的飛行願景計劃，最重要的還是要落地到具體的實務操作上。在新經濟時代，我們認為 Gen AI 最重要的核心能力在於擺脫過去相關產品僅是靜態的問答系統，轉變為一個具備動態情境感知（Situational Awareness, SA）的 AI Agent，它不僅是接收資訊，更重要的是能成為一位主動、有洞察力的數位助理，提供真正個人化且具有價值的服務。為了讓 Agent 具備這種主動性，必須擁有三個層次的能力：
- 感知（Perception）：發生了什麼？接收最基本原始數據的能力。例如：用戶是誰、現在幾點、對話歷史或用戶的地理位置。
- 理解（Comprehension）：這代表什麼？ 綜合所有資訊，理解當前狀況的意義與重要性。例如：AI 判斷出這位用戶是 VIP 客戶、他上次買了跑鞋、現在是下雨天。
- 預測（Projection）：接下來會發生什麼？基於對現況的理解，預測用戶下一步的意圖或需求。例如：這位 VIP 客戶可能想找一雙「防水」的跑鞋。
有別於傳統的提示工程（Prompt Engineering）只專注於單次的提問優化，透過上下文工程（Context Engineering），我們為 AI Agent 建構一個完整的、即時的操作情境，讓情境感知能力得以實現。上下文工程會將我們即時收集到的人、事、時、地、物、等等的數據和過去的歷史資料進行整理，並在模型的 Context Window 裡面塞入所有相關的資訊，透過情境工程，從而賦予 AI 三個層次的感知能力。
Level 1 - 賦予「感知」能力
提供即時數據流，如：會員等級、瀏覽紀錄、歷史對話、當前地理位置和即時天。
Level 2 - 賦予「理解」能力
注入領域知識與規則，如：產品知識庫（商品規格、搭配建議）、業務規則庫（VIP
優惠政策）以及用戶偏好標籤。
Level 3 - 賦予「預測」能力
提供決策框架邏輯或銷售劇本（Playbooks），讓 AI
在特定情境下知道該如何主動引導或提供選項。
透過這樣的情境建構，AI Agent 得以實現其最終的商業價值：從洞察到營收的轉化。我們相信，這是未來 AI 的一大趨勢，將從普通的聊天機器人轉變為 Conversational Commerce（會話式商務）。任何消費者與我們的對話、互動所留下的種種足跡，都將透過感知、理解、預測的情境感知，對應出三個步驟去驅動商業價值：
圖：情境感知 AI 從洞察轉化營收
要實現這樣的主動式 AI Agent，我們必須在底層架構上串接強大的工具庫，讓 Agent 能夠與外部世界互動、探知與回憶、獲取特定資訊、或執行具體動作。MCP（Model Context Protocol）就是其中一個工具。過去，Agent 與工具的串接多採用客製化的 Function Calling，MCP 工具出來以後，不僅成為一個業界連結標準，也帶來兩大影響：
- 可重複使用性（Reusability）： 一旦建置了 MCP Server，這些功能就可以在不同的 Agent 流程中重複使用，即使要達成的目的不同，也不需要重複開發。
- 移動性（Portability）： MCP 作為標準，避免了「打掉重來」的困境。如果未來企業要轉換底層的模型或架構，這些工具將會永久存在，大大簡化了轉換的複雜性。
圖：什麼是 MCP
Agent AI 實踐架構旨在讓 AI 智能體具備情境感知的核心能力。這個架構由五大核心模組組成，共同支援智能體從接收原始數據、理解情境、預測需求到最終採取行動的整個流程。除了負責理解（Comprehension）各種即時數據流的智能體「大腦」情境工程中樞（Context Engineering Hub）之外，我們也特別注重多模態輸入處理（Multi-Modal Input）的能力。 Agent 不再僅限於處理文字，還能接收並預處理來自圖像、文件、甚至音訊和影像的資訊，這是智能體感知（Perception）外部世界的基礎。下圖為以簡單範例來解析五大模組的功能與目的，以及對情境感知的貢獻之處：
圖：Agent AI 架構解析
在此應用中，化身為一位具備主動性、且能提供個人化服務的健康顧問。
-
即時感知與理解（Perception & Comprehension）：
使用者詢問其生理資料，AI主動回應使用者由穿戴裝置所蒐集的到體溫、心律不整 (HRV) 等數據，並列出趨勢圖。 -
預測與主動引導（Projection & Guiding）：
Agent 不僅是顯示資訊，它會理解當前狀況。基於對情境的理解，Agent 會主動 follow up，預測使用者可能需要改善體溫的方法。 -
無縫轉化與反饋循環（Seamless Conversion &
Action）：
Agent 運用其工具庫，能夠根據背景的即時地理位置（無需使用者主動告知）推薦附近的診所或醫療院所。它甚至未來可以協助撰寫 Email 或直接去掛號。同時，Agent 具備與 Google Calendar 串接的能力，可以直接在行事曆上新增預約事件。
使用者甚至可以上傳處方籤，Agent 會自動判讀處方籤內容，判斷藥物是否符合使用者當前症狀與建議的營養素，實現完整的反饋循環 (Feedback Loop)。
圖：Agent AI Demo - 即時理解使用者需求並主動follow up
圖：Agent AI Demo - 繪製趨勢圖，並無縫轉化協助預約診所
圖：Agent AI Demo - 延伸回應使用者需求達到反饋循環
在 B2B 應用中，Agent AI 轉化為高效的多重自動化工具（Multi-automation），核心是為業務部門提供精準的銷售劇本（Playbook）。
-
洞察銷售機會：
業務人員輸入會員編號，Agent AI會運用 Recommendation/Prediction 模型分析該會員的歷史互動與當前意圖。 -
生成營收劇本（Playbook）：
if Agent 預測該會員 「即將購買」，它會根據互動紀錄，自動產出最能達成轉換的 Playbook（銷售劇本）。 -
自動化執行：
Agent 不僅能生成執行計畫（Plan），還能畫出相應的流程圖（chart）。這讓業務部門能夠將設計好的用戶旅程（User Journey）快速設定到實際的多重自動化系統中，最終目的在於實現無縫轉化、有效提升客單價。
透過 Agent AI 的這些應用，讓 AI 從一個被動的資訊接收者，轉化成能夠主動預測需求、創造商機、並完成交易的營收轉化引擎。
圖：Agent AI Demo - B2B應用
聯想感從雙軌轉型戰略策略方向出發，強調企業必須同步驅動商務引擎和技術引擎。來解決了企業在定義核心目標時常見的目標糾結，更奠定了以服務客戶為核心，邁向數據變現的長遠目標。在技術實踐上，Agent AI 智能實踐架構，透過情境感知的三個層次（感知、理解、預測），AI智能體從過去被動的問答機器，轉變為主動預測需求、消除操作斷點，並最終完成交易的營收轉化引擎。在未來，我們期待更多夥伴加入我們的飛行行列，一同探索新經濟時代這片極具潛力與挑戰的世界。
數據是驅動創新的核心引擎。
跨界探討 「透過數據力，將思維轉化為價值。」
用數據思維共築未來生態新局。
