AI專家團隊進駐企業！FedGPT AgentTeam 帶領 Agentic AI全面落地
【2025年6月25日】台灣人工智慧實驗室（Taiwan AI Labs）今（25）日舉辦產品發表會，宣布推出Agentic AI平台全新版本FedGPT AgentTeam，落地指標企業，建構專屬AI Agents團隊。生成式AI雖普及，鑑於過去企業面臨投入成本過高、機敏資料無法上雲等痛點，難以在日常營運流程善用AI。FedGPT AgentTeam 以落地一體機、可信任多專家小模型架構，資料不上雲，能整合跨部門流程、支援多模態資料，突破傳統AI工具的瓶頸。
圖說：前排左起台灣人工智慧實驗室產業方案總經理黃佳欣、HPE台灣暨香港董事長王嘉昇、台灣人工智慧實驗室創辦人杜奕瑾、 台灣奇異醫療策略行銷總監林明德、台灣人工智慧實驗室核心平台產品總監杜長城。後排台灣人工智慧實驗室合作夥伴泰瑩科技、豐康科技、天鉞科技、華厚股份有限公司、歐可資訊、弘微科技、覺揚股份有限公司
台灣人工智慧實驗室創辦人杜奕瑾表示，FedGPT AgentTeam專精台灣繁體中文語境，多中心、多模態、多專家特性，能依照企業內部需求，快速建立AI Agents並結合內、外部標準工具集結成軍。可應用於客服、人力資源、行銷、製造、資訊科技等各種企業核心場景，學習企業內部知識，打造自動化工作流程，提升營運效率與生產力，為企業創造AI時代全新營收成長。
Agentic AI 浪潮來襲：FedGPT AgentTeam打造全自動化工作流程
根據英國財經媒體《經濟學人》分析，2025年將成為 Agentic AI 應用落地的關鍵轉折年。國際研究暨資訊科技顧問機構 Gartner預測至2029年，高達80%客服作業將由AI Agent自主處理。這股趨勢預示Agentic AI將為企業標準配備，企業AI軍備實力將從單點輔助走向全面。
FedGPT AgentTeam 為台灣市場以Agentic AI架構設計，獲得指標企業落地的領導平台。版本AgentTeam命名，意指「可快速依企業內部知識與需求，建立多專家AI Agents團隊，共同為企業完成複雜的流程任務」。
三大核心功能，深化企業洞察與流程效率
FedGPT AgentTeam 平台以企業專業大型語言模型（LLM）為核心，整合語音辨識（ASR）、語音合成（TTS）、影像與視覺問答（VLM）等多模態AI模型，支援語音、影像、文字資料的全方位處理。使用者如同管理一支跨職能 AI Agents團隊，平台具備三大核心功能：
1.AgentTeam RAG
支援多格式、多來源、多模態的知識檢索與生成，能處理圖片、圖表、影片、語音、文字等非結構化資料，強化企業洞察能力。AgentTeam RAG 能判斷問題的難易度，選擇最合適的解題方式。簡單的問題能更快找到答案；遇到複雜問題，則會拆解成小問題、串聯相關知識，讓回答更精準。
例如，將公司股價變化圖與同期新聞資料輸入系統，FedGPT AgentTeam 可自動分析時序事件、發言內容與股價波動之間的相關性，提供具策略價值的分析結果。
2.AgentTeam Flow
平台內建流程設計功能，提供低／零程式碼（Low-Code／No-Code）介面，企業員工無需專業工程背景即可操作，以自然語言觸發多Agents協作，提升跨部門自動化效率。
以台灣人工智慧實驗室的專案開案流程為例，收到新專案資料時，產品經理、工程師、財務部門的需求評估、可行性分析、成本審核與報告生成等環節，皆可由AgentTeam Flow 模組串接多個 AI Agents全程自動完成，顯著縮短作業週期。
3.AgentTeam Tuning
FedGPT AgentTeam支援企業依據內部專業語境、產業特性，進行專屬多模態模型微調（fine-tuning)。
產品發表會中現場展示，以醫療場域護理人員常使用口語化的英文縮寫為例，過去各專業科室的口語辨識，一直是頂尖語音辨識模型的挑戰。經過AgentTeam Tuning，模型可精準辨識內部專業場域對話，結合Agentic AI流程快速製作符合醫療作業標準的紀錄，並匯入醫院資訊系統。
FedGPT AgentTeam 為落地AI平台，企業可將之部署於內部伺服器環境，避免將敏感資料傳輸至公有雲端，滿足金融、醫療、製造、公部門等重視資料機敏性的產業之法遵需求。
FedGPT AgentTeam搭載台灣人工智慧實驗室訓練之LLM，除了具備高度適配性外，還能針對企業需求快速調整模型語境。台灣認知測試顯示，模型的台灣認知分數高達 81.4 分（滿分 100 分），遠高於中國的千問模型（44.3 分）和 Deepseek（38.7 分），顯示其在理解與呈現台灣語境上有顯著優勢。
另一方面，在「中國意識形態偏見」這項指標中，偏見分數低，代表模型受中國敘事影響程度愈低。台灣人工智慧實驗室訓練之LLM，偏見分數遠低於中國、西方常見模型， 更能安全地在台灣公部門、產業情境使用，防止中國外宣式用語出現。
此外，FedGPT AgentTeam 透過高效訓練流程，基礎模型以超過1000億台灣專業語料再訓練，僅耗時約 4,600 H100 GPU/小時，打造出最懂台灣懂產業情境的專家小模型。FedGPT AgentTeam 在企業內部更針對運行效能進行最佳化設計，標準版本僅需一張 Nvidia H200 GPU，即可高效執行 AgentTeam Flow 與 AgentTeam RAG，顯著降低硬體需求與耗能。
相較於傳統耗時耗能的語言模型訓練，FedGPT提供企業合理的解決方案。
雲端服務按tokens計費、長期成本不易掌握，FedGPT AgentTeam 採用永續節能架構與可控的整體擁有成本（TCO）設計，企業得以有效管理長期營運支出。
MCP 協定與 A2A 架構，實現 AI Agents高效協作與跨系統整合
FedGPT AgentTeam Flow 支援MCP（Model Context Protocol） 與 A2A（Agent-to-Agent） 標準協議，推動 AI Agents之間的高效協作、運用外部工具與數據，達成更進階的任務。
以往，企業資料分散於內網、Google Drive、Slack、Email與 ERP⋯⋯等系統，若無整合機制，傳統AI僅能在輸入與輸出之間，進行單一問答，，難以在實際業務場景中發揮最大效益。MCP 協定允許 AI Agents透過中介伺服器安全存取外部應用程式，例如Gmail、Slack⋯⋯等，實現跨系統資料存取與操作，打破傳統 AI 限制。
MCP就像Agent世界裡的萬用轉接頭，不論是 Gmail、Slack 還是 Google Drive，各種來源的資料格式都能「一插即通」，自動轉換成 AI Agent可以理解、處理的標準格式。讓 AI Agent能在跨系統環境下，無縫存取與運用不同平台的資訊。
圖說： MCP就像Agent世界裡的萬用轉接頭 ，不論是 Gmail、Slack 還是 Google Drive，各種來源的資料格式都能「一插即通」。
A2A協定則定義 AI Agents之間的標準溝通與協作協議，支援各AI Agent之間資訊共享、進度同步與協同決策，進一步提升跨Agent協作效率，強化整體流程自動化能力。
A2A就像是「專家問專家」的溝通平台。在一個多專家的團隊裡，每個 AI Agent 各自擅長不同領域，遇到自己不熟悉的問題時，能自動請教市面上其他專業的 Agent。就像客戶詢問了一個複雜的問題，負責人會馬上請教專門負責的公司顧問，甚至外部顧問，讓對的專家來解答，大家共同協作完成任務。
為確保AI Agents協作流程的可信度與可控性，FedGPT AgentTeam 內建「Human in the Loop」機制，使用者可於關鍵節點設置人工審核環節，隨時檢視、調整 AI Agent執行任務的成果。
此外，平台亦導入 ReAct (Reasoning and Acting）機制，讓AI Agent自動檢查自身工作結果，確認是否達成階段目標，避免錯誤在多階段流程中累積擴大，打造可信任的企業級 AI 應用。
目前，FedGPT 已成功應用於醫療、金融、教育、公部門等關鍵領域，代表客戶包括花蓮慈濟醫院、輔大醫院、東華大學、台新銀行等。
下一階段，針對企業內部工作任務高重複性的作業部門，例如人力資源、行政、客服、行銷、法務與 IT，FedGPT AgentTeam 可應用於公司規章查詢、請假申請、自動化文檔審閱、客服回應優化、行銷文案生成、法規查詢、程式開發等場景，協助減少人工作業，提升整體營運效率。
有別於傳統 ERP 系統與流程自動化工具，FedGPT AgentTeam 可透過自然語言直接觸發協作流程，整合企業內部多模態資料，進行即時檢索與驗證，顛覆傳統固定流程與高人工依賴的工作模式。
未來，FedGPT AgentTeam 有潛力逐步取代部分既有 ERP 系統，成為企業核心流程運作的新架構，推動 AI 真正融入企業日常營運。
