第 1.0 版 · 2026-07-20
AI Agent 正式營運準備白皮書
這份白皮書說明如何把 AI Agent 從概念驗證推進到可治理的正式營運，並逐項檢查責任、資料、工具權限、評估、成本、資安、部署、回復與驗證紀錄。
適用對象
企業管理層、產品、資安與工程團隊
必須回答的決策
- AI Agent 是否有明確負責人與停止權限
- 工具權限是否符合最小權限與人工核准
- 失敗、成本超限與資料異常是否能自動阻斷
內容導讀
- 01 問題與成果定義
- 02 資料、隱私與權限
- 03 評估與失敗處理
- 04 資安／FinOps 審查
- 05 部署／健康檢查／回復
- 06 驗證紀錄／獨立監督／CEO 驗收
章節試讀：一、先定義業務成果，再決定是否需要 Agent
團隊應先描述目前流程、決策責任、錯誤成本與可衡量成果，再判斷 Agent 是否比規則、自動化或人工流程更適合。若成功條件只能寫成「提升效率」，便還沒有形成可驗收的問題。合格定義至少包含處理時間、正確率、人工覆核量、例外率、單位成本與停止條件。這些指標也應納入定期營運檢討。
行動檢查
- 基準值與目標值均有證據
- Owner 擁有停止與回滾權
- 不使用 Agent 也是正式選項
資料表與判讀
正式營運就緒的六項硬性控制
六項控制必須全部有直接證據；任一項未知、缺漏或失敗，整體狀態即為 NOT READY。
表格列出 AI Agent 正式營運的六項硬性控制、各自最低證據與阻斷規則。
正式營運就緒的六項硬性控制| 控制面 | 最低證據 | 阻斷規則 |
|---|
| 責任與停止權 | 具名 Owner、代理人、Kill switch 演練 | 無 Owner 或無法停止即阻斷 |
|---|
| 資料與權限 | 分類、用途、最小權限、撤銷紀錄 | 越權或撤銷失效即阻斷 |
|---|
| 評估與失敗路徑 | 正常、邊界、惡意、逾時、重複測試 | 重大錯誤未 Fail Closed 即阻斷 |
|---|
| 資安與成本 | 威脅模型、掃描、單位成本、停止門檻 | 高風險未解或超支即阻斷 |
|---|
| 發布與回復 | 版本身分、健康檢查、回滾演練 | 版本不一致或無回滾即阻斷 |
|---|
| 監測與稽核 | 告警、on-call、不可變事件與定期覆核 | 監測中斷或證據不可重建即阻斷 |
|---|
- 來源
- FDE AI Agent 正式營運準備白皮書 v1.0、PAS v1.1、IES v1.1
- 截至日期
- 2026-07-20
- 單位
- 硬性控制項（6 項）
- 樣本
- 不適用：規範性控制模型，非市場樣本
- 方法
- 把本白皮書、PAS 與 IES 的共同阻斷條件整理為六個互斥控制面。
- 限制
- 本表不是產業基準或法律意見；每個組織仍須依風險與法規提高門檻。
使用邊界
本白皮書是治理與技術決策框架，不構成法律、資安認證或特定系統上線核准。
第 1.0 版 · 2026-07-20
企業 AI 作業系統設計白皮書
說明如何把資料、營運語義、知識、政策、權限、工作流、Agents 與稽核證據連成可持續演進的企業能力，並以清楚的責任、介面與衡量方法避免 AI 再度形成新的資訊孤島。
適用對象
CEO、CIO、COO、資料與 AI 負責人
必須回答的決策
- 哪些企業概念必須成為共同語義
- 哪些決策由人、規則或 Agent 負責
- 如何讓模型可替換而業務資產不流失
內容導讀
- Enterprise Data
- Operational Ontology
- Business Knowledge Network
- Policy and Permission
- Workflow Engine
- Multi-Agent Runtime
- Trace and Audit
章節試讀：一、從企業問題與共同語義開始
不同部門對客戶、案件、風險、完成與收入的定義若不一致，AI 只會加速既有混亂。企業應先選擇高價值流程，建立核心概念、狀態、關係與責任的共同語義，再讓模型與 Agent 使用。共同語義由業務 Owner 管理，不應被鎖在單一供應商的提示或向量資料庫。共同語義應定期由業務與技術共同校正。
行動檢查
- 每個概念有 Owner 與定義
- 語義變更有版本與影響分析
- 來源系統仍是事實依據
資料表與判讀
EAIOS 七層責任與輸出矩陣
七層各自有可驗收輸出，才能在更換模型時保留企業語義、政策與責任。
表格列出 EAIOS 七層、每層必要輸出與可接受的驗收證據。
EAIOS 七層責任與輸出矩陣| 層級 | 必要輸出 | 驗收證據 |
|---|
| Enterprise Data | 權威資料清單與品質契約 | Owner、分類、血緣、品質指標 |
|---|
| Operational Ontology | 共同概念、關係與事件 | 術語版本與跨部門核准 |
|---|
| Business Knowledge Network | 規則、文件與決策脈絡 | 來源、有效期、衝突處理 |
|---|
| Policy and Permission | 用途、角色與動作邊界 | 政策測試與拒絕紀錄 |
|---|
| Workflow Engine | 可重試、可補償的流程 | 狀態、冪等、失敗演練 |
|---|
| Multi-Agent Runtime | 受控分工與工具契約 | 評估、成本、權限與停止測試 |
|---|
| Trace and Audit | 端到端決策與變更軌跡 | 不可變事件、查詢與保存證據 |
|---|
- 來源
- FDE AI EAIOS v1.0 與 FDE AI Governance Baseline
- 截至日期
- 2026-07-20
- 單位
- 架構責任層（7 層）
- 樣本
- 不適用：規範性參考架構，非實證樣本
- 方法
- 依 Governance First → Semantic First → Agent First，把企業 AI 能力拆成七個具單一主要責任的層級。
- 限制
- 這是責任模型，不代表每家公司必須採用七套產品或七個團隊。
使用邊界
架構需依企業資料、法規、風險與既有系統調整，不應直接複製通用藍圖。
第 1.0 版 · 2026-07-20
FDE 能力與職涯白皮書
把 FDE 從模糊職稱轉成可驗證能力：理解企業問題、形成決策、跨系統交付、治理風險、衡量成果並完成知識移轉，同時說明人才應如何用作品、指標與真實限制證明能力。
適用對象
AI 工程師、顧問、產品經理與轉職人才
必須回答的決策
- 作品集是否呈現真實限制與取捨
- 是否能以 KPI、Evidence 與回滾完成交付
- 是否能在企業、工程與使用者之間翻譯
內容導讀
- Future：辨識變化與機會
- Decision：把模糊問題轉成可驗收選擇
- Execution：跨資料、產品、模型與組織交付
- Governance：權限、安全、成本與證據
- Adoption：讓團隊真正使用並可持續維護
章節試讀：一、從真實企業問題定義能力
FDE 必須能訪談使用者與管理層，辨識表面需求背後的流程、資料、權限、誘因與風險，並把模糊問題轉成可驗收選項。技術實作只是其中一部分；若不能解釋為何做、由誰承擔風險、如何衡量成功，便不是完整交付。能力證據應能由未參與專案的人獨立理解，並能說明各項取捨的理由。
行動檢查
- 問題陳述包含限制與非目標
- 決策選項呈現取捨
- 驗收指標在開發前定義
資料表與判讀
FDE 能力證據四級規準
職稱、年資或證照不能單獨證明能力；每個能力面都要用可重現的工作證據判斷。
表格以 0 到 3 級說明 FDE 能力證據、每級可觀察內容與可承擔工作。
FDE 能力證據四級規準| 級別 | 可觀察證據 | 適用判斷 |
|---|
| 0｜未證明 | 只有主張、課程或工具清單 | 不得據此承擔正式交付 |
|---|
| 1｜有引導實作 | 在明確步驟下完成小型案例 | 可進入受控學習任務 |
|---|
| 2｜獨立交付 | 能定義問題、取捨、測試、風險與成果 | 可承擔有覆核的正式工作 |
|---|
| 3｜可規模化 | 建立可重用標準、帶領協作並完成知識移轉 | 可負責系統或跨部門成果 |
|---|
- 來源
- FDE AI Capability Governance Standard v1.0 與本白皮書 v1.0
- 截至日期
- 2026-07-20
- 單位
- 能力證據級別（0–3）
- 樣本
- 不適用：規範性評量尺規，非求職者統計樣本
- 方法
- 依工作自主度、證據完整性、可重現性與知識移轉，把能力證據分成四級。
- 限制
- 本規準不應單獨用於錄用或淘汰；必須結合實際職務、合理調整與多元證據。
使用邊界
FDE AI 不保證就業、薪資或專案結果；能力建議需依個人經歷與市場證據調整。