Use LLM to improve the enterprise decision procedure

計畫背景與動機

當前企業經營環境變化快速，從全球市場波動、原物料價格上漲，到勞動力短缺與數位

轉型壓力，企業主面臨前所未有的決策挑戰。對於集團企業而言，常因資料散落在各公司不

同系統（如財務、人資、銷售、庫存）之間，加上還需要同時彙整外部資訊（如市場趨勢、

產業動態等），使得現有靠人力彙整的做法，需要花費相當長的時間才能完成，導致企業難

以即時全面掌握經營狀況並做出準確判斷。

隨著人工智慧在企業管理領域的應用日益普及，越來越多企業希望導入AI工具以強化經

營決策。然而，在實務操作中，企業經常面臨數據來源分散、資料品質不一、AI模型難以解

釋與實用化程度不足等挑戰，導致AI導入成效不彰。依Haile Solutions的報告，其指出透過

將大型語言模型LLM整合之ERP系統預計需要到2030年才會日漸成熟。因此希望透過本前置

計畫，進行企業流程現況分析、國際案例比較、產學交流溝通等方式，同步產學雙方對AI企

業經營決策建議平台應用的認知共識，同時也對Agentic AI在國際上最新的發展進行研究，

在考量技術發展、企業需求與現況等因素下，對打造適合企業使用的AI企業經營決策建議平

台提供一套全面性的評估與規劃，並針對選定之示範產線，以定義之問題作為驗證案例，建

置一套展示系統，用以來驗證與展示Agentic AI技術流程的可行性，將可降低後續開發風險

與成本，更有助於為企業導入AI輔助決策打下堅實基礎。

計畫目標

本計畫針對「AI企業經營決策建議平台」進行文獻以及國內外各大集團案例研究，並比

對集團內部需求、作業流程等實際狀況，來探討開發適合台塑企業之AI企業經營決策建議平

台系統的合理性及可行性。同時將以乙烯、EG與HDPE三廠做為示範產線，以問題(下個月

以獲利最大化而言，乙烯、EG與HDPE的生產量為何?)做為測案例，開發一套展示系統，將

包含ChainOfThought(COT) Agent及資料整合Agent等，用以檢視技術與流程上初步的可行性。

透過本專案，預期可達成下列具體目標：

– 透過文獻研究Agentic AI系統目前最先的技術發展現況，以及收集全球大集團企業的決

策方式，對比台塑內部作業流程，做個案研究，來探討開發AI企業經營決策建議平台的

合理性及可行性。將產出一份可行性設計規劃報告，此報告將可作為日後制定開發預算

、尋求產業合作或進入實際開發階段之重要依據。

– 針對乙烯、EG與HDPE三廠做為示範產線，以需整合3廠資料才能回答之問題(下個月以

獲利最大化而言，乙烯、EG與HDPE的生產量為何?)做為測試案例，開發一套問答展示

系統，包含COT、ToolSuage、DiscrepancyDetection、ReportGeneration、資料整合Agent模

組，用以檢視技術與流程上初步的可行性。

藉由本計畫，可有效降低後續系統開發風險，確保資源投入精準且具實務可行性，提升平台

導入效益與企業接受度。

計畫內容

隨著生成式AI的發展日漸成熟，大家逐漸把焦點移到下一代的Agentic AI上， OpenAI產

品長威爾表示，2025年就是AI Agent元年；Google執行長皮蔡（Pichai）也表示，我們已經進

入Agent時代（agentic era），Agentic AI被認為是最值得關注的AI發展趨勢之一。相對於生成

式AI屬於Reactive式，針對使用者的prompt來生成出content，Agentic AI透過賦予AI agent具有

規劃(planning)、記憶(memory)、使用工具(tool use)以及控制流程 (control flow)能力，讓AI

agent可以像人一樣制訂計畫，還能利用工具做事，以proactive主動式來完成使用者給予的任

務。基於Agentic AI，本計畫初步規劃智慧決策代理人平台流程示意圖(如圖二)，以自然語言

作為人機溝通介面，透過Context Agent模組來理解使用者問題，透過COT Agent模組進行

planning，可將使用者問題拆解成子問題後分配到後續對應適合之

Analysis/Worker/Agents/Human單元進行處理，最終可連結到對應之資料源擷取資訊後由企業

文化決策模型統合彙整出報告後，搭配Human-in-Loop回饋架構，可逐步修正系統的正確性

，最終產出整合協調的答覆。