生成式人工智慧快速進入企業市場後，全球軟體產業一度陷入「AI 取代論」的焦慮。從軟體即服務（SaaS）、資訊服務到程式開發工具，市場持續評估人工智慧是否將削弱既有軟體的價值，甚至動搖企業過去數十年建立的資訊系統架構。然而，隨著 AI 應用從聊天機器人（Chatbot）、Copilot 進一步走向具備自主執行能力的 AI Agent，產業發展逐漸呈現另一種樣貌：AI 固然正在壓縮部分軟體功能與人工操作的價值，卻也同時提高企業對資料整合、系統介接、權限管理、資訊治理與基礎設施的需求。與其說 AI 正在消滅軟體產業，不如說它正在重新安排軟體產業的價值鏈。
全球資訊科技顧問公司 Accenture 10 月 1 日公布最新展望，預估 2027 財年營收將成長 3% 至 6%，優於分析師平均預期；最新一季顧問業務營收亦成長 7%，達 92.8 億美元。企業加速導入人工智慧與自動化，使如何將 AI 整合至既有資訊系統、資料環境與營運流程，逐漸形成新的資訊服務需求。這與今年稍早市場對 AI 可能削弱軟體與 IT 服務需求的疑慮形成對照，也顯示企業導入 AI 並非單純以新技術替換舊系統，而是伴隨更大規模的資訊架構調整。
這場轉型的核心，在於人工智慧於資訊系統中的角色已經改變。生成式 AI 早期主要建立在人機對話模式之上，由使用者提出問題或要求，模型負責產生文字、圖片、程式碼等內容，再由人類決定後續用途。AI Agent 則進一步具備任務拆解、資料讀取、工具呼叫、API 操作與工作流程執行能力，部分系統甚至能根據執行結果自行決定下一步，使人工智慧從資訊提供者逐漸進入資訊系統的實際操作層。
企業軟體角色的轉變，也讓資料基礎建設重新成為 AI 發展的重要議題。傳統資料倉儲（Data Warehouse）與資料湖倉（Lakehouse）主要協助企業集中資料並進行分析，管理者即使取得延遲數小時的報表，通常仍有機會透過人工確認修正判斷；當 Agent 開始直接參與訂單、客服、採購、財務或系統維運，資料的正確性與即時性則直接影響後續行動。
IBM 9 月 30 日發布的分析指出，目前僅約 32% 的組織已將 Agentic AI 應用於正式生產環境，66% 將資料基礎架構與資料品質列為擴大 AI 應用的主要障礙。這項限制反映的並非新的資訊科技問題，而是既有資料問題在 Agent 環境下產生了不同後果。一份延遲的 BI 報表可能造成管理者判斷偏差，但一個直接根據過期庫存資訊接受訂單的 Agent，可能立即造成實際營運損失。
企業 AI 所需要的資料架構因此開始超越傳統分析用途。除了結構化資料與歷史紀錄之外，Agent 還必須理解 Metadata、企業知識、組織關係、身分資訊、權限政策與即時營運狀態。Salesforce 與 Google Cloud 持續擴大 Agentforce、Gemini、Data 360 與 Google Cloud 資料基礎建設之間的整合，並透過 Zero Copy 等方式降低跨平台資料移動需求，即反映大型科技業者正試圖解決企業資料分散所形成的 Agent 落地障礙。
大型語言模型本身也正在快速商品化。同一企業可以採用不同模型供應商，甚至依據工作內容動態切換模型，但企業多年累積的客戶關係、交易紀錄、產業知識、營運規則與組織情境無法透過外部採購直接取得。模型能力愈趨普及，這些企業專屬資料與 Context 反而愈可能成為 AI 應用差異化的重要來源。
Agent 擴大企業資訊安全的邊界
Agent 從資訊生成走向實際執行，同時改變企業資訊安全需要處理的風險範圍。生成式 AI 早期的主要疑慮集中於幻覺、錯誤資訊與敏感資料外洩；當 Agent 開始取得 Repository、Database、API 與企業應用程式的操作權限後，安全問題便延伸至身分、授權與行動本身。
IBM 對 Agentic Systems 的技術展望則進一步提出 ephemeral agent identity、just-in-time token、delegation framework、sandbox 與即時 policy enforcement 等架構。這些技術方向顯示，企業既有的身分識別（Identity）、授權（Authorization）、稽核（Audit）、可觀測性（Observability）與政策治理，不但沒有因 AI 而降低重要性，反而因機器開始取得實際操作權限而面臨更高要求。
如果未來一家大型企業同時運行數百甚至數千個 Agent，管理問題也將逐漸類似今日企業管理員工帳號、微服務與雲端工作負載。每一個 Agent 需要可以識別的身分、明確的權限範圍、完整的行動紀錄，以及在異常情況下被限制或停止的能力。Agent Identity、Agent Gateway、Agent Observability、Agent Security、Agent Evaluation、Agent Registry、Agent Orchestration 與 AI Control Plane 等新型軟體市場，也可能隨著這項需求逐步形成。IBM 已使用「AgentOps」描述相關管理體系，將其視為未來監控、除錯與協調大規模 Agent 的重要技術領域。
雲端市場從承載應用轉向連接企業能力
AI Agent 對跨系統資料與工具的需求，也進一步影響雲端運算市場。過去十多年，AWS、Microsoft Azure 與 Google Cloud 的市場競爭，很大程度圍繞企業應將應用程式與工作負載部署在哪一個平台；在 Agent 架構下，企業需要解決的問題則逐漸擴大為如何讓 AI 安全存取分散於不同環境中的資料與能力。
大型企業的 CRM 可能運行於 Salesforce，資料分析平台部署於 Google Cloud，部分核心系統仍留在自有資料中心，其他應用程式則分散於 AWS 或 Azure。Agent 要完成跨部門工作，必須穿越這些原本相對獨立的系統邊界。AWS 持續推動 AWS Interconnect – multicloud，支援與 Google Cloud、Oracle Cloud Infrastructure 等平台連接，並持續擴大與 Microsoft Azure 的互通能力；Salesforce 與 Google Cloud 的 Agent 與資料整合，也呈現類似發展方向。
Accenture 最新財測所呈現的企業 IT 服務需求，也可以放在這項轉型中理解。企業採用 AI 後，並未因此擺脫既有資訊系統，反而需要處理模型如何取得企業資料、如何連接現有應用、如何取得適當權限，以及如何確保自動執行行為受到治理等問題。資料整合、API、身分識別、資訊安全、治理與基礎設施等傳統企業 IT 能力，也因此在 Agent 時代重新取得戰略意義。
AI 對軟體產業最大的衝擊，或許不是讓軟體消失，而是改變軟體服務的對象。過去數十年的企業軟體主要為人類設計；下一階段的企業軟體，則可能同時服務人與人工智慧。當 Agent 逐漸成為人與企業數位世界之間的執行介面，既有軟體將更多地以資料、API、商業邏輯與受治理的數位能力存在於其背後。
企業 AI 的競爭也因此逐漸超越大型語言模型本身。模型決定 Agent 能理解多少事情，企業的資料、系統與治理能力，則決定 Agent 實際能完成多少事情。當資訊系統的使用者從人類進一步擴展至大量 AI Agent，這項變化所重新塑造的，將不只是軟體產品的操作方式，也包括企業 IT 架構以及整個軟體產業的價值分配。
AWS，AWS and Microsoft Azure collaborate to expand multicloud networking，2026/8/31 https://aws.amazon.com/blogs/networking-and-content-delivery/aws-and-microsoft-azure-collaborate-to-expand-multicloud-networking/
