根據目前的 17 頁 MEC Agent 簡報，以及技術與非技術混合的聽眾，我整理了 26 個可能出現的問題與建議回答。

回答以現場口語表達為主，每題大約 15–40 秒，讓你可以直接拿來回答主管、工程師及一般同仁。

其中最需要準備的是：跟 ChatGPT 的差異、資料安全、Agent 能做多少事、AI 出錯怎麼辦，以及實際工作效益。

一、最有可能被問的問題

1. ChatGPT 現在也能操作工具，跟 MEC Agent 到底差在哪裡？

高機率

建議回答：

「其實現在 ChatGPT 也具備 Agent 的能力，所以差別不在於誰比較聰明，而是使用環境和企業整合方式。

MEC Agent 是針對公司內部工作環境開發的，可以結合公司 AI 服務、特定的工具以及我們平常使用的工作流程。

簡單說，ChatGPT 是通用型工具，而 MEC Agent 的目標是更貼近我們公司的工作需求。」

2. 為什麼不直接使用 ChatGPT、Copilot，還要自己開發 MEC Agent？

建議回答：

「因為企業的工作流程跟一般聊天不太一樣。像我們會有特定的週報格式、內部系統、工程文件和工作規範。

自己開發的好處，是能夠依照使用者的需求，增加對應的功能，並控制可以操作的工具與權限。

我們的目標不是做一個比 ChatGPT 更強大的模型，而是讓 AI 更容易融入公司現有的工作流程。」

3. AI Agent 是不是真的能把所有事情做完？

建議回答：

「不一定，要看工作內容，以及 Agent 有沒有取得對應的工具和權限。

像整理文件、做報表、設定提醒，通常比較適合交給 AI。

但涉及工程設計決策、機密資料、對外承諾，還是需要人確認。

所以我會把 Agent 定位成可以分擔執行工作的助理，而不是完全不需要管理的員工。」

4. AI Agent 會不會一本正經地講錯話？

建議回答：

「會，這就是大家常聽到的 AI 幻覺。

即使 AI 回答得很有自信，也不代表它一定正確。比如請它摘要 80 頁報告，可能會誤解數值，甚至引用錯誤的頁碼。

所以我們在使用時，應該要求它提供來源，並且對重要資訊做查核。

AI 負責加速整理，人負責確認正確性。」

5. 完全不會寫程式的人，也能使用嗎？

建議回答：

「可以，而且這也是我們希望推廣的對象。

例如你不需要知道 Python 怎麼寫，只要告訴它『幫我把這份 Excel 按照機種分類，計算平均工時』。

不過，如果需求複雜，AI 可能還是會需要你補充資訊。

把它想像成新同事就好，你不需要教它怎麼寫程式，但必須告訴它要完成什麼工作。」

二、針對八招、靈魂設定與實際案例

6. 小秘、阿貝、艾因猿，是三個不同的 AI 模型嗎？

建議回答：

「不一定。角色設定跟 AI 模型是不同的概念。

所謂靈魂設定，比較像是給新同事一張工作交接卡，告訴它工作時應該注意哪些事、要用什麼方式回答。

比如小秘比較注重文書和待辦事項，阿貝偏向工程分析，艾因猿偏向程式開發。

角色設定改變的是工作風格與處理原則，不代表換了一個更專業的模型。」

7. 八招裡面，哪一招最實用？

建議回答：

「我認為沒有標準答案，要看每個人的工作。

如果你每天都在看規格書，那讀文件最有價值；如果你每天要整理進度，寫報告和做表格可能比較實用。

以推廣來說，我會建議大家先從最常做、最花時間，而且容易核對結果的一項工作開始。」

8. 八招可以組合使用嗎？

建議回答：

「這正是 Agent 很有價值的地方。

例如你要產出週報，可能需要先讀取文件、整理 Excel，再把結果寫成報告。

對使用者來說，你只需要說清楚最後想要什麼，Agent 就有機會把多個工具串成一套工作流程。

當然，前提是這些工具已經開放使用，也有足夠的權限。」

9. 長期記憶會不會讓 AI 越用越聰明？

建議回答：

「這裡要區分兩件事。

長期記憶主要是讓它記住你的偏好、常用格式或工作習慣，例如每次週報都用固定格式。

但這不代表它的 AI 模型本身會因為你使用，就自動重新訓練、變得更聰明。

比較像新同事記住你的做事習慣，而不是他的智商突然提高。」

10. 簡報裡的案例是真實使用成果，還是假設情境？

建議回答：

「目前簡報中的週報整理、供應商規格比較，主要是用來說明 Agent 如何協助工作的示範情境。

我們希望透過前因、處理過程和最後成果，讓大家理解可能的使用方式。

至於實際能節省多少時間、正確率有多少，還是需要用真實工作案例進行測試，不能直接把示範情境當成正式績效數據。」

三、工程師可能提出的技術問題

11. MEC Agent 底層使用的是什麼 AI 模型？

建議回答：

「依照目前的系統設計，MEC Agent 是透過公司內部的 PEGA AI 服務取得模型能力。

我們的開發重點主要在 Agent 的流程、工具整合、使用介面，以及如何讓模型操作工具。

至於實際使用哪個模型與版本，需要以公司平台當下的設定為準。

所以它不是我們從頭訓練的一個大型語言模型。」

12. MEC Agent 跟傳統 RPA、巨集有什麼不同？

建議回答：

「RPA 或巨集通常需要你事先定義好每個步驟，例如第一步開 Excel、第二步複製資料、第三步貼到指定欄位。

AI Agent 則比較適合需求有變化、包含文件理解與判斷的工作。

例如每週收到的報告格式不完全相同，傳統巨集可能容易失效，Agent 則可以嘗試理解不同的文件內容。

不過固定且高度規則化的流程，傳統自動化通常更穩定。兩者其實可以互補，不是誰一定比較好。」

13. Agent 能不能直接操作 SolidWorks 或其他工程軟體？

建議回答：

「要區分開啟軟體和操作軟體。

如果有對應的功能，Agent 可以協助啟動程式、閱讀相關文件，或整理模擬結果。

但如果是修改 3D 模型、設定 CAE 邊界條件、直接執行模擬，就需要更進一步的軟體整合與測試。

尤其工程設計涉及安全係數與可靠性，不能只因為 AI 說可以，就把結果直接當成正確。」

14. 可以讀取 Outlook 信件，那可以自動幫我回信嗎？

建議回答：

「整理信件跟自動寄信，是兩種不同層級的功能。

前者是讀取與摘要，後者涉及對外發送，必須有對應工具與授權。

即使未來支援自動回覆，我也會建議先讓 AI 產生草稿，經過使用者確認之後再送出，避免錯誤訊息直接發給客戶或主管。」

15. AI 能直接操作公司內部網站嗎？

建議回答：

「如果有對應的瀏覽器操作工具，而且使用者本身有權限，就可以協助操作部分網頁流程。

但不是所有系統都能操作，像特殊登入方式、權限限制、動態頁面或驗證碼，都可能影響結果。

我們也不希望 Agent 繞過公司的正常授權機制。」

16. Agent 寫出來的 Python 或程式可以直接投入正式環境嗎？

建議回答：

「不建議沒有測試就直接投入正式環境。

AI 可以協助快速產生程式初稿、分析錯誤訊息，也能協助設計測試案例。

但產出的程式仍應進行測試、Code Review，以及必要的資安檢查。

AI 可以加快開發，但不應跳過軟體工程的品質控管。」

17. Agent 設了每天早上九點提醒，電腦關機還會提醒嗎？

建議回答：

「這要看排程實際執行在哪裡，以及電腦是否仍有執行相關服務。

如果排程是依靠本機運作，電腦關機或休眠，就可能無法準時執行。

所以建立提醒之後，除了確認排程已成功設定，也要確認執行條件和通知方式。」

四、資訊安全與企業導入問題

18. 簡報說資料在電腦裡，那資料真的不會離開電腦嗎？

建議回答：

「這裡要分清楚本機儲存跟模型運算。

MEC Agent 的部分資料與操作可以在本機處理，但當我們需要 AI 模型理解或產生內容時，相關請求仍可能需要傳送到公司內部的 PEGA AI 服務。

所以本機儲存，不等於所有運算都在本機完成。

資料的傳輸、儲存與紀錄方式，需要以正式部署架構和公司的資安規範為準。」

19. 可以直接把公司的機密文件丟給 MEC Agent 嗎？

建議回答：

「不能只因為它是內部系統，就認為所有文件都可以直接上傳。

還是必須遵守公司的資料分類及資安政策，確認這個系統是否被核准處理該類資料。

對於客戶個資、機密規格、尚未公開的設計資訊，都應先確認權限。

內部系統是降低風險的方式，不是忽略資安規定的理由。」

20. 如果 AI 不小心刪除重要檔案怎麼辦？

建議回答：

「這正是為什麼 Agent 不能無限制地操作電腦。

我們在系統設計上需要考慮工作目錄、工具權限，以及危險操作的限制。

即使有限制，重要檔案也應該做好版本管理和備份。

需要大量修改、刪除或覆蓋資料時，最好能讓使用者先確認。系統限制和人工確認要一起使用。」

21. API Key 是什麼？如果被別人拿到怎麼辦？

建議回答：

「可以把 API Key 想成使用 AI 服務的電子門禁卡。

系統透過這把金鑰確認你是否有使用服務的權限。

所以它不能隨便傳給別人，也不要貼在公開文件或聊天群組。

如果不小心外洩，應該依公司的流程儘快撤銷或更換金鑰。」

五、主管或比較尖銳的問題

22. 簡報說員工生產力提高 52%、留任率提高 25%，數據可靠嗎？

務必準備

建議回答：

「這些數據來自先前講師訓教材引用的相關研究，主要是說明組織學習與人才發展的重要性。

不過這些不是 MEC Agent 的實際導入成果，也不能直接推論使用 MEC Agent 就能提升相同比例的生產力。

如果要把它當成正式績效證據，還需要核對原始研究、樣本及統計方式。」

提醒：原簡報第 2 頁的 52%、25%、353% 引用尚未完整核實原始研究。正式發表前，建議補齊可查證來源，或改用內部實測數據。

23. MEC Agent 到底能幫公司省多少成本？

建議回答：

「目前我不會直接給一個節省百分比，因為那需要實際量測。

比較務實的方式，是先選幾個高頻工作，例如週報彙整、文件比較和信件整理，記錄導入前後的處理時間、錯誤率及人工修正時間。

再把節省的人力時間，跟模型費用、維護成本一起計算，才能評估真正的投資報酬率。」

24. 大家都使用 Agent，AI 服務會不會變慢？費用誰負擔？

建議回答：

「這涉及公司 AI 平台的模型容量、並行使用量、額度和費用分配方式。

單一使用者測試順暢，不代表很多人同時使用時也會有相同效能。

所以正式大規模推廣時，需要觀察回應時間、失敗率、使用量和成本，再依據實際需求做資源配置。」

25. 如果 Agent 做錯事情，責任算誰的？

建議回答：

「Agent 是輔助工具，不能把重要決策的責任直接交給 AI。

比如它幫工程師整理材料強度，最後採用哪個材料，還是要經過工程師確認。

所以我們希望把 AI 用在整理資料、產生草稿、協助查證這些工作。

關鍵決策及正式輸出，仍應依公司的工作流程完成審核。」

26. 如果我希望 Agent 增加新功能，要怎麼做？

建議回答：

「目前 MEC Agent 有提供功能許願的管道。

我會建議大家不要只說『我要更強大的 AI』，而是把實際工作場景說清楚。

例如：『我每週都要從三份 Excel 整理出相同格式的報表，希望能一鍵產生。』

需求描述越具體，開發團隊越容易評估可行性、風險和效益。」

六、遇到不知道答案的問題，怎麼回答？

企業內部推廣時，最需要避免的是為了讓產品聽起來強大，而對沒有確認的功能或資安機制做出承諾。

以下是三種實用的現場應答方式。

情況	建議話術
問到尚未驗證的功能	「這個情境我目前沒有實測結果，所以不想直接保證它一定可以做到。」
問到模型、資安、系統架構	「這部分涉及實際部署設定，我會以系統設定和公司正式規範為準。」
問到未來功能	「這個需求很有價值，可以透過許願功能提出，我們會依使用情境、可行性及風險評估。」

七、建議你優先練習的五題

如果現場只有 3–5 分鐘 Q&A，我最建議熟悉以下五題：

1

ChatGPT 也有 Agent，為什麼要做 MEC Agent？

回答企業整合與內部工作流程

2

資料真的不會離開公司嗎？

區分本機儲存、內部模型服務與資安規範

3

AI Agent 會不會做錯？

承認模型限制，說明查核與驗收機制

4

可以直接操作 SolidWorks 或內部系統嗎？

區分已實作功能、工具授權與未來整合

5

實際能省多少時間？

區分示範情境與實測績效

我建議你在整場 Q&A 維持一個一致的核心訊息：

MEC Agent 的價值，不是讓 AI 取代人的判斷，而是把重複、耗時、可以標準化的工作交給 AI 協助完成，讓人有更多時間處理真正重要的問題。

這個回答方向可以涵蓋大部分技術、管理及資安疑慮，也能呼應你簡報最後一頁的核心主題。