只有一個 AI 代理已不夠看！「多代理協作」的虛擬團隊要怎麼管理？

在 2026 年 1 月，零售龍頭沃爾瑪（Walmart）與 Google 在全美零售大會（NRF）宣布合作，讓顧客在 AI 介面中完成從搜尋到購物的流程。比方，當顧客詢問 Gemini 春季露營要帶什麼，Gemini 會納入沃爾瑪的線上與實體店面當中合適的商品，顧客可以直接完成結帳流程。

Google 及 Alphabet 執行長桑德爾．皮蔡（Sundar Pichai）表示，和沃爾瑪的合作，「讓『代理商務』（agentic commerce）成為現實。」

這是由 AI 代理完成交易的「代理商務」，能規畫並執行任務的 AI，也顯示代理型 AI（agentic AI）的潛力。Google 與沃爾瑪的合作，說明了企業轉型如果採 AI 優先（AI first）策略，必須圍繞著 AI 重新設計業務流程。

以 AI 代理重構作業流程，實現 AI 優先

過去數年，企業導入 AI 時，多半視為改善效率的輔助工具，但現在要像沃爾瑪一樣，零售業者不再以「官網」或「手機 App」為優先，而是以 AI 代理來設計購物路徑，接下來將看到各行各業的 AI 優先策略，而代理型 AI，便是實現 AI 優先策略的前提。

代理型 AI 和生成式 AI 的最大差異，就是以前問 AI「露營要準備什麼」，AI 生成答案，消費者還需要另行搜尋、購買商品，但在代理 AI 的框架下，使用者叫 AI「準備去合歡山露營的裝備」，AI 代理主動分析需求，過濾合適的商品，經過授權放入購物車並結帳，也就是從「生成回答」到「執行任務」的轉變。

麥肯錫報告《Seizing the agentic AI advantage》解釋，AI 代理可同時執行多個任務，即時讀取新數據並根據變化調整，也可以根據客戶的資料、行為與歷史紀錄提供客製化服務。舉例來說，摩根大通（JPMorgan Chase）的私人銀人投資部門，開發了「ask David」AI 代理，能夠自動蒐集數據、解析文件，生成決策建議，把投資研究的流程壓縮到 10 分鐘。

多個 AI 代理構成虛擬團隊，任務自動化深入每個環節

當組織中的代理愈來愈多，代理之間需要協作，就會出現多個代理構成一個虛擬團隊的多代理模式（multi-agent systems），像「ask David」就管轄多個代理。現在比較成熟的多代理落在軟體開發領域，讓多個代理協作寫程式，一個代理負責寫，另一個負責審核並測試，如果測試失敗，測試代理再回饋給程式代理修改。

再舉一個例子，沃爾瑪內部有多個強大的 AI 代理，包括對接消費者的代理 Sparky，負責理解購物需求；而對接供應鏈的助理 Marty 則負責確保庫存與廣告投放，這 2 大代理系統可以像真實企業中的部門團隊一樣，彼此溝通、協同作業。

最後，沃爾瑪與 Google 合作的技術基礎，在於通用商務協議（UCP），UCP 是商務 AI 代理人間的共通語言，由 Google 與沃爾瑪、Shopify、Target 等零售巨頭共同開發，這正是 A2A（agent-to-agent）時代的開端。Google 之前推出 A2A 開放標準，讓不同廠商的 AI 代理人可以互相溝通，UCP 則是專門為零售與購物場景打造的開放標準，讓 AI 代理在整個購物流程中擁有統一的操作規範。