OpenAI 在上週發佈 ChatGPT Work，讓企業 AI 部署跨過了一條重要界線。這一期要談的，就是這個值得企業現在拿出來討論、具有指標意義的事件。
OpenAI 於 2026 年 7 月 9 日推出 ChatGPT Work，讓 AI 可以跨越已連接的應用程式與檔案進行研究、分析、工具操作，並產出文件、試算表、簡報、報告與網站。這代表企業面對 AI 的核心問題，已不再只是誰能使用 ChatGPT，而是哪些工作可以交給 AI、AI 能取得哪些資料與工具、哪些行動必須經過人工核准，以及出錯時由誰負責。
從表面上看，ChatGPT Work 更像是 OpenAI 對 Anthropic Claude Cowork 的直接回應。OpenAI 同樣把原本較偏向程式開發者的 Agent 能力，擴大到一般知識工作者。這兩項產品都能接受較完整的工作目標、持續處理任務，最後交付簡報、文件或試算表等成果。
但這件事真正值得我們深思的重點是：AI 正從內容生成工具走進企業的實際工作流程。當 AI 能讀取檔案、操作系統、拆解任務並交付成果，它就不再只是員工使用的軟體，而是逐漸成為一種新的工作執行能力。企業原本以帳號、席次與資料存取為中心的治理方式，也因此開始出現缺口。
從一次回答走向一段完整工作的委派
過去企業使用生成式 AI，多半集中在寫作、摘要、翻譯、研究與資料整理。員工把內容輸入 ChatGPT，取得結果後，再自行放回郵件、簡報、CRM 或其他內部系統。
在這種模式下，AI 雖然提升了個人生產力，但真正負責推進流程的仍是員工。由人決定要讀哪些資料、下一步做什麼，以及結果是否能正式送出。
ChatGPT Work 的出現，則代表另一種分工模式開始成形。接下來，員工可能不再只是要求 AI「分析這份銷售報告」，而是直接交辦：「讀取本季各地區銷售資料，找出表現落後的產品，對照市場動態，製作下週會議簡報，並列出需要主管決定的問題。」
前者仍是一次性的內容生成，後者則升級為完整的工作委派，包含取得資料、規畫步驟、操作工具、輸出成果與管理進度。企業增加的不只是另一套 AI 工具，而是一個可以承接任務的工作執行層，這也將成為企業 AI 部署戰略必須調整的新起點。
大型 AI 公司爭奪的是企業工作入口
ChatGPT Work 與 Claude Cowork 的競爭，不只是大型語言模型能力之爭，更是企業工作入口之爭。過去，知識工作者習慣透過 Microsoft 365、Google Workspace、Salesforce、Slack 與各種 SaaS 軟體完成工作，每一套系統都掌握一部分資料、流程與使用者時間。
現在，ChatGPT Work 可以連接這些工具，並在其上方接收任務、調度資料與交付成果。ChatGPT 因而可能成為整合多項工具的上層工作界面。員工不再需要逐一打開 CRM、雲端硬碟與簡報軟體，而是直接告訴 AI 想完成什麼，這將改變傳統 SaaS 的競爭方式。
進入 Agent 時代後，使用者更在意的是 AI 能否可靠讀取資料、執行動作並留下紀錄。軟體的價值除了「人要如何操作」，也包括「Agent 是否能安全呼叫」。這與過去企業軟體主要競爭功能、資料與操作界面的方式，形成新的差異。
因此，對新創來說，產品如果仍只提供單一、通用的生成能力，就很容易被大型 AI 平台直接整合，進而失去市場競爭力。反過來說，如果新創能掌握特定產業的資料、交易流程、法規限制與工作判斷，就有機會成為通用 Agent 在短時間內較難取代的專業領域解決方案。
傳統帳號權限已經管不了 AI 的行動目的
企業在部署軟體時，最熟悉的治理方式是管理帳號、角色與資料存取，也就是清楚定義誰可以登入、查看哪些資料，以及修改哪些內容。這套制度回答的是：「誰可以進入系統？」，但 AI Agent 帶來的新問題是：「它的行動目的是什麼？又是代表誰在做這些事？」
業務人員有權查看客戶資料，但這不表示他可以啟動 AI，自行匯出完整名單、上傳外部服務或大量寄送郵件。財務人員能查看應付款項，也不代表可以指揮 AI 直接執行付款。部門主管可以讀取員工績效資料，但不表示他可以要求 AI 據此做出正式的人事決定。
一般來說，人類員工的行動除了受到系統權限限制，也會受到經驗、組織文化與責任意識約束。但是，Agent 的行動主要取決於指令、模型推論、資料內容與系統規則。當給 AI 的指令不清楚、提供的資料有誤，或外部內容含有提示詞注入攻擊時，AI 可能因為擁有合法權限，而做出企業不希望發生的行動。
因此，企業不能只是把員工原有的權限完整交給 AI，而是需要建立任務層級的授權。例如，只允許 Agent 在兩小時內讀取特定資料夾；可以建立郵件草稿，但不能自行寄出；可以查詢庫存，但在修改採購單前必須取得核准。
即使重要動作前要求人工確認，也不代表治理已經完成。當提示過於頻繁，使用者容易產生核准疲勞，因此企業仍需依照資料敏感度、任務類型與行動風險，預先設定不同層級的控制，並搭配沙箱、資料邊界、操作紀錄與即時防護。
導入 Agent 也是在重新整理企業工作制度
當 AI 開始承接完整任務時，企業首先要問的，不再是哪些員工需要帳號，而是哪些工作可以被委派。
這需要重新拆解流程：哪些步驟只是蒐集與搬運資訊，哪些需要專業判斷，哪些涉及跨部門協調，又有哪些可能產生法律、財務或品牌責任。
人類可以依靠經驗與默契處理模糊情況，但 Agent 需要清楚的資料來源、完成標準與例外規則。許多企業流程之所以能長期運作，不是因為制度完整，而是資深員工知道遇到例外時該怎麼處理。
一旦工作交給 Agent，這些散落在郵件、試算表、口頭交代與個人經驗裡的知識，就必須被整理成可以說明、授權、追蹤與驗收的規則。
因此，導入 Agent 不只是自動化專案，也是在檢驗企業是否真正理解自己的工作流程。AI 會迫使企業面對：哪些流程尚未標準化、哪些判斷過度依賴個人，以及哪些權限長期處於過度開放的狀態。
台灣新創的機會在模型與企業現場之間
大型模型公司會持續擴充文件生成、簡報製作、資料分析與跨工具操作等通用能力，單一功能型 AI 新創的空間將持續受到擠壓。
但有一點必須先看清楚：企業不會因為買了 ChatGPT Work，就自動完成 AI 轉型。
通用 Agent 並不知道某家製造商是如何維護 BOM、判斷缺料、處理供應商交期；也不理解金融業的法規限制，或零售業在促銷、庫存與門市調撥之間有哪些例外。
台灣新創、系統整合商與顧問服務業者的機會，就在模型與企業現場之間：整理資料、串接既有系統、定義任務、配置權限、設計人工覆核、保存稽核紀錄，並持續評估 Agent 的工作成果。
真正具有護城河的產品，不只是能完成任務，而是能理解一個產業的責任、例外與判斷方式。製造、醫療、金融、零售、物流與政府部門，都有大量不能直接交給通用模型的流程。
如果能把這些流程轉換成可委派、可監督、可驗證的 Agent 工作系統，就有可能形成新的垂直軟體與部署服務市場。
不過，這個時間窗口未必會長期存在。大型模型公司正逐步擴大企業部署、顧問與技術服務能力，系統整合商與既有企業軟體業者也在加快佈署。對新創而言，真正的挑戰不是能不能做出 Agent，而是能否在通用平台進入之前，先掌握產業現場的資料、流程與信任關係。
企業真正需要的是 AI 工作的作業系統
ChatGPT Work 的指標性意義在於，企業 AI 的導入議題已經往前推進。第一階段，企業關心員工能不能使用 ChatGPT；第二階段，企業開始管理帳號、資料與成本；現在則進入 Agent 階段，企業必須決定哪些工作可以交給 AI、AI 可以取得哪些工具與資料、哪些動作需要核准，以及出錯時如何追溯責任。
這其實是一套新的企業 AI 工作作業系統。它不一定是一項單一軟體，而是由任務設計、資料權限、Agent 身分、模型選擇、工具連接、人工覆核、成本管理與稽核紀錄共同組成的工作環境。ChatGPT Work 的發佈，正對此發出了一個明確訊號：AI 正從資訊工具進入企業工作的執行層，而企業 AI 部署，也將從帳號管理，走向工作、身分、權限與責任的重新設計。
本文依 CC 創用姓名標示 - 非商業性 - 相同方式分享 4.0 國際釋出