我們與 Adobe AI 的歷程，從預測情報發展到生成式 AI，現已邁向具備意圖行動的代理式 AI 系統。這一路上，個人化規模、生產力提升與創新推動方式皆已改變。以下分享我們的經驗、成長歷程，以及未來展望。

前言

AI 已不再是數位體驗領域的未來流行語，而是推動現代個人化、生產力與規模化的核心引擎。在旅遊、餐旅及娛樂產業，精準與規模兼具至關重要，許多組織最初透過 Adobe Analytics 與 Adobe Target 的預測 AI 功能展開應用，進而藉由如 Adobe Experience Platform AI Assistant 等工具擴展至生成式 AI，現正朝向 Adobe Experience Platform 內外的代理式 AI 能力邁進。這段歷程讓我們在導入、治理與創新上獲得寶貴經驗，這些洞見對於任何致力於打造 AI 驅動數位體驗策略的組織而言，皆日益重要。

AI 基礎

Adobe Analytics 與 Adobe Target 是我們進入 AI 行銷的起點。Analytics 透過異常偵測、貢獻度分析與預測功能，帶來前瞻性洞察；Target 則結合自動鎖定目標、個人化與推薦，讓個人化行銷變得切實可行。

這些功能為 AI 建立了信任基礎，並以多種方式展現投資報酬率 (ROI)：

• 效率提升：減少發掘洞察或優化內容所需的人工作業。
• 營收提升：透過個人化體驗，帶動轉換率與平均訂單價值的明顯成長。
• 顧客體驗影響：加速互動並提升相關性，進而增強參與度與滿意度。

這些成果共同展現了預測型 AI 的實質商業價值，有助於建立利害關係人的信心，推動擴展至更進階的應用情境。

操作指南：3 步驟啟用 Adobe Analytics & Adobe Target  AI 能力

1. 可先從 Adobe Analytics 的異常偵測與貢獻度分析著手，驗證 AI 洞察的成效。
2. 運用 Adobe Target 的 Automated Personalization，讓預測型 AI 動態優化，為每位訪客提供最佳內容版本。
3. 追蹤自動鎖定目標與推薦的成效與 ROI，及早展現具體的商業影響。

結合 Adobe Experience Platform AI 助理，邁向生成式 AI

真正的轉捩點在於我們導入 Adobe Experience Platform (AEP) 並開始使用由生成式 AI 驅動的 Adobe AI 助理。這個助理很快就展現出其不只是新奇功能，更成為各團隊日常提升工作效率的利器。

我們選擇 AI 助理的原因

選用 AI 助理的決策來自三項需求：

1. 洞察速度：分析師與商務使用者需從複雜資料集中快速獲得解答，無須手動撰寫查詢。
2. 易用性：Adobe Experience Platform 功能強大，但對非技術背景的使用者來說可能較為陌生。透過對話式查詢，更自然地互動資料與洞察，有助於降低門檻。
3. 上手指引：面對新進同仁或職務輪調，團隊在 Adobe Experience Platform 上的熟練度提升需時較長。AI 助理可作為互動式「教練」協助探索。

最初的使用案例及其演變

• 導入& 啟用：新使用者可將 AI 助理視為「引導型教練」，實際操作探索資料集、理解 XDM 結構，並學習平台應用程式功能（Real-Time Customer Data Platform、Customer Journey Analytics 和 Journey Optimizer）。不再只是被動閱讀說明文件，而是能主動詢問「有哪些可用於行銷活動成效的指標？」或「如何分析受眾互動趨勢？」這種互動方式，將導入期從數月縮短至數週。
• 疑難排解& 資料探索：在初期，AI 助理協助使用者了解遺漏欄位或資料定義不一致的情況。如今，還能驗證查詢、發現異常，並提供更精確洞察的建議。

使用 AI 助理進行自然語言查詢的最佳做法秘訣

• 建議新使用者將 AI 助理視為第一線指引，協助互動式探索資料並學習平台功能。
• 準備一集入門提示，展示常見查詢與最佳做法。
• 結合 AI 助理運用與結構化啟用課程，此組合可推動最快速的導入並建立信心。

關鍵成果

• 分析師與商務使用者能更快取得可操作洞察，查詢與報告時間從數天縮短至數分鐘。
• 非技術背景的使用者能夠直接在 Adobe Experience Platform 上操作，無需高度依賴分析師，自信提升。
• 新進人員的上手速度提升 2 至 3 倍，大幅減輕資深團隊成員的帶領負擔。

成效明顯：團隊運作更有效率，Adobe Experience Platform 更易於使用，自然語言查詢讓各部門的使用者都能輕鬆探索資料並獲得洞察，過程順暢無阻。

然而，在推動採用過程中，也遇到不少 挑戰：

• 恐懼與誤解：法務與合規團隊一開始擔心，若將賓客資料用於 AI 模型，可能會導致資料外洩或被其他公司重複使用。為解決這些疑慮，我們需明確記錄資料使用方式、架構透明，並持續提供教育說明。
• 信任與採用障礙：組織內部許多人擔心 AI 會取代人類判斷或降低掌控權，因此我們強調 AI 是輔助工具，而非替代品——我們以 AI 作為助手，而不是取而代之。
• 資料就緒挑戰：技術團隊發現，生成式 AI 的效能取決於所用資料的品質。唯有乾淨且完善整合的 360° 資料，才能產出精確結果與可靠洞察。AEP 的統一個人檔案層與集中式資料平台協助克服此挑戰。

當這些障礙被認知並妥善解決後，帶來的效益便無庸置疑。

代理式 AI 新興時代

生成式 AI 雖然強大，代理式 AI 則代表了下一個重要里程碑。代理式 AI 不僅回應指令，更能自主執行並協調多步驟的工作流程，從策略制定、區段建立、個人化執行到資料品質檢查，皆能自動化完成。 這代表從「協助式」轉向「協作自動化」：生成式 AI 回答問題並產生內容，而代理式 AI 則協調多項任務、管理相依關係，並依照既定目標執行複雜的工作流程。

我們目前正積極探索：

1. Adobe Experience Platform Agent Orchestrator － 讓多個代理能協同處理多步驟的行銷工作流程。
2. 專為 Adobe Experience Platform 打造的代理 － 針對分群、啟用及洞察等任務的專業代理。
3. Adobe GenStudio 與 Firefly － 大規模產生個人化且符合品牌安全的內容。

在 Adobe 平台之外，我們也正在評估代理式 AI 在資料品質、身分辨識與個人化策略上的應用，確保 AI 能涵蓋完整客戶旅程。

目前，建立一個活動通常需要多次交接：資料工程負責準備受眾、行銷團隊設計內容，營運團隊則管理啟用。未來，協調一致的代理式 AI 流程將能無縫執行這些步驟，減少人工來回作業。這項轉變讓團隊能更專注於策略與創意決策，並大幅縮短上市時程，從數月縮減至數天。

操作指南：準備代理式 AI 的 3 個步驟

1. 及早納入法務與資安團隊：記錄架構、工作流程及資料使用情形，並展示已建立的合規、隱私與安全防護措施。
2. 定義代理角色與職責：明確說明每個代理負責哪些流程或工作流程（如分群、內容產生、最佳化與驗證），確保與業務目標一致。
3. 先行原型化有限工作流程：從小型、受控實驗著手，再逐步擴展至企業級協作，並分享初步成果以建立信心與共識。

生成式 AI 與代理式 AI：有何不同？

重點摘要：生成式 AI 協助您加速作業，代理式 AI 則讓您突破以往極限。

經驗分享& 未來展望

我們的歷程凸顯了幾項重要啟示：

• 從小型且低風險的試點開始：將 AI 作為輔助工具，而非取代人員，確保人始終參與並掌控流程。
• 先建立 AI 基礎以建立信任，展現企業級 AI 如何維護數據安全與資料隱私，確保保護措施始終完善；  接著擴展至生成式 AI 與代理式 AI。先以可衡量成果建立信心，再逐步擴大規模。
• Adobe Target 的自動化個人化功能一直是我們最具 ROI 效益的推動力之一，持續帶來可量化提升並減少人工作業，同時協助企業快速建立信任，讓商業夥伴能即時看到具體成果。
• 清楚記錄架構、資料使用與資料共用方式，並取得法務及資安團隊的核准。在擴展至敏感應用場景前，先建立包含隱私、IP 與資料治理的合規防護措施。
• 全面衡量 ROI：不僅以金額計算，更要評估 AI 工具帶來的生產力提升、市場推進速度與創意產出。

瞭解 AI 能力的演進

• GenAI 加速內容創作、分群與分析等任務。
• 代理式 AI 不僅僅是加速，還能自主協調，處理多步驟工作流程、協作多個代理，並持續優化活動。這項轉變讓團隊能專注於策略、創意與創新，同時將上市時間從數月縮短至數天。

展望未來，我們看到代理式 AI 不僅將提升生產力，也將徹底改變體驗的設計、協作與交付方式。協調的代理能無縫管理受眾、內容與啟用，讓行銷團隊能將更多時間投入於策略規劃與創意創新。

給同業與實務工作者的建議很簡單：將 AI 視為夥伴，而非僅僅是一項工具。從小處著手，分享成果，並為代理驅動的未來做好準備。