成本失控、部門各做各的⋯⋯企業AI治理才是真難關！MaiAgent如何幫企業完成AI轉型拼圖？

「AI模型能力早就足夠，但現在企業跟不上的，是『AI治理』。」這是MaiAgent創辦人暨執行長張介騰（首圖）觀察到企業導入AI最常見的破口。

許多老闆以為接上了大型語言模型（LLM），就等於做完了AI轉型。但金融、醫療、製造業等大型企業真正在意的，是後續該如何「管理AI」，例如部門間的協作缺乏統一入口、版本管理困難、Token用量不透明、成本難以預測、資料擔心外洩等。

MaiAgent的一整套企業AI治理平台，就是要解決這些問題。而這一切，要從張介騰在台大資工AI Agent實驗室的那幾年說起。

AI更厲害了，但管理也變得更複雜了

張介騰畢業於台大資工系，且一直在教授許永真主持的智慧型代理人實驗室（Intelligent Agents Lab）裡摸索AI的極限。

在還沒有大型語言模型的年代，那時候的「Agent」講的是程式如何自主運作、解決問題。但當時的Agent「沒有大腦」，只能靠制定規則（rule-based）或較高階的演算法運行。由於張介騰研究所時期專攻的正是Transformer Model，也就是後來支撐所有大型語言模型的底層架構，「所以GPT一出來的時候，其實我就意識到會出現治理問題。」

但他也沒有貿然投入，先在更廣泛的領域練功，並與企業打交道。在成立MaiAgent之前，張介騰創辦了頑碼資訊，主要承接大型系統開發案，服務不少大型企業端客戶，也做過法人委託的機器學習平台。這些客戶多半是金融、醫療、製造等大型企業，他們開始用生成式AI之後，反過來主動告訴團隊：他們真正缺的，是管理旗下所有AI Agent的能力。

這時候張介騰意識到，時機已經逐漸成熟了，於是在2025年成立了MaiAgent。

MaiAgent產品介面成立MaiAgent之前，張介騰從之前的客戶經驗得知企業最在乎的還是治理、成本與合規，因此MaiAgnet內建一系列合規查詢的Agent。 MaiAgent官網截圖

AI治理不只是資安風險控管，成本更是重點

簡單來說，MaiAgent的產品不只可以協助企業建立AI Agent，還可以在上線之前先進行一次完整的健檢。

這一套AI Agent治理平台，涵蓋AI Agent建置、檢核資料安全、成本控管、協作管理與法遵合規等5大面向，管理者可以一眼看清楚現在公司內部有哪些AI Agent、是否有重複任務的狀況發生、哪個Agent花費的成本最高、哪個Agent可能有數據外流風險等等。

舉例來說，公司內部A、B部門都有寫社群文案的需求，但是彼此各自運作的情況下，公司等於會花費2倍的成本，卻做出一套差不多的Agent出來。如果有了MaiAgent，就可以即時避免這種問題發生：透過KV Cache與Prompt Cache等快取技術，讓系統遇到重複的問題時，不用每次都重新運算一次大腦，直接調出記憶回答。

張介騰表示，原本企業要花100萬元的token成本，可以被壓低到約50萬元，優化幅度接近五成。「因為你今天解決的是源頭，就是怎麼樣去快取，怎麼樣讓一樣的問題可以快速被回答。」這項技術，也成為MaiAgent在企業客戶眼中，除了治理能力以外，另一個具體可見的差異化亮點。

張介騰還強調，這是一套模組化的產品。不同規模的企業，對治理平台的需求也不一樣。張介騰觀察，大型企業最在意的是治理本身、中型企業更看重協作、小型企業則是希望盡快解決人力缺口，處理高頻率、高重複性的工作。MaiAgent因此把平台拆成一套可自由組合的模組，像積木一樣，讓客戶依規模與煩惱，拼出最適合的樣子。

不打廣告，靠通路把AI賣進企業

因為頑碼資訊的經驗和協助，目前MaiAgent已經擁有超過100家企業客戶，橫跨公部門、法人到金融、醫療、觀光等產業，包括王道銀行、微星科技（MSI）、JUB、聖馬爾定醫院，近期也將上架與台灣櫻花合作的白皮書，且每個月流經MaiAgent平台的LLM Token數高達100億。

儘管如此，MaiAgent還是相當積極在拓展客戶中，而且拓展的方式相當有趣。

多數做AI的新創，傾向選擇軟體即服務（SaaS）模式打廣告、搶流量，等客人自己上門。但MaiAgent從一開始就選擇走通路代理的路線，跟系統整合（SI）夥伴合作，把AI直接鋪進客戶原本就信任的管道。

張介騰解釋，B端客戶不會像個人用戶一樣主動上網找訂閱服務，而是習慣先問既有的合作夥伴有沒有AI解決方案。台灣的SI夥伴背景各異，有做語音的、有做知識庫的、也有做系統與硬體的，共同點是都缺一個好用的AI平台。「所以我們這個時候就是一個perfect match。」張介騰說，MaiAgent提供平台與教育訓練，夥伴則負責貼近客戶、協助導入。