在昨天的季度業績電話會議中，我們宣布 Microsoft 365 Copilot 的付費授權數量已突破 3,000 萬，淨新增授權數量較上一季度增加超過一倍1。這是一個重要的里程碑，同時亦反映出一個更深層次的轉變。在各行各業中，AI 正由單純的輔助工具，逐步轉變為積極參與工作的夥伴，成為推動工作完成的重要一環。企業正圍繞 AI 重新設計工作流程，而員工亦開始運用各類AI Agent處理工作、專案及業務流程，進一步提升自主能力及工作成效。
企業 AI 發展的第一階段，主要以應用規模作為衡量標準，包括部署情況、授權數量，以及所節省的工作時間。這些成果不但為企業帶來實際效益，相關價值亦會隨著應用擴大而持續累積。下一階段的焦點將由「應用」走向「轉型」。Microsoft 一直秉持幫助每個人及每家機構成就更多的使命。隨著人類與 AI Agent 攜手協作，以往難以實現的想法正逐步成為現實。我們亦看見一個前所未有的機遇，能進一步透過 AI 釋放更多創新潛能，推動個人及機構創造更大價值。
根據 Microsoft 365 Copilot遙測數據（telemetry）的最新洞察，以及來自全球客戶和 Microsoft 內部團隊的實際案例，我們可以看到這場轉型正在真實發生。當中有三個明顯趨勢：第一，AI 的應用正變得更深入、更普及；第二，AI 帶來的不僅是效率提升，更創造出全新的工作能力；第三，愈來愈多企業開始針對不同職能和工作場景，建立更切合業務需求的 AI 應用模式。接下來，讓我們先從技術本身說起。
創新發展的新階段
過去數個月，一種全新的 AI 產品模式正在興起 : 透過 Agentic 架構，AI 模型能夠自行規劃、執行、測試及修正工作，形成完整的回饋循環，並直接交付最終成果。這種模式促成了 Copilot Cowork2的誕生，並已於今年 6 月正式推出。使用者只需定義工作目標，Cowork 便可自主完成整個工作流程並交付成果。Cowork 採用多模型架構，可根據不同工作需求靈活選用最合適的模型。隨著更多模型加入，其能力亦能持續擴展，配合更複雜的工作場景。測試結果顯示，與單一模型方案相比，Cowork 的整體成本可降低30% 至 40%3。我們亦推出首個 Autopilot Agent ── Microsoft Scout4。Scout 擁有獨立身分及權限，能夠在背景持續運作，即使用戶專注於其他工作，亦能確保工作持續推進。所有輸出均以 Work IQ 為基礎，能夠理解塑造企業運作的工作情境，包括員工角色、負責項目、工作優先次序及組織知識等資訊，因此能夠提供更切合企業業務需要的結果。
這種躍進不僅體現在我們為客戶帶來的產品創新上，也反映在工程團隊開發產品的方式。雖然 Cowork 的研發工作有賴眾多員工參與，但其核心團隊始終維持精簡規模，由最初三位工程師擴展至產品正式推出時的九人團隊。即使團隊規模不大，Cowork 的開發與推出速度依然令人矚目。從最初構思、推出預覽版本，到獲半數《財富》500 強企業採用，整個過程僅歷時六個月。這項成果源於團隊以 AI Agents 為核心重新建構軟件開發流程，使小型團隊亦能達到傳統工程開發模式難以實現的速度、規模及自動化水平。
Microsoft Scout 同樣由一支小型團隊開發，透過與自主 Agent 緊密協作，並依託共享工作背景、評估框架及清晰規格，在短短數星期內便完成由概念到產品的轉化，大幅縮短傳統需時數個月的開發周期。Microsoft Scout 企業副總裁 Omar Shahine 表示：「過往我花了不少時間協調大型團隊、推動跨團隊協作，並確保各項工作同步推進。如今，我們更著重建立合適的環境，讓專業團隊能夠快速創新、安全試驗，並持續累積和分享經驗，讓每個新項目都能在過往成果的基礎上進一步發展。」這類以人類與 Agent 協作為核心的 Frontier Teams，展現出更敏捷、更專注的工作模式，亦為未來數年知識型工作的發展方向提供重要啟示。
AI 應用持續深化與擴展
隨著 AI 產品及其開發模式日趨成熟，Copilot 在企業中的應用正持續擴展至更多場景，並融入更深層次的工作流程。過去一年，平均每位用戶與 Copilot 的互動次數幾乎翻倍5，而同時使用多項 Copilot 功能的用戶數目亦錄得三位數增長6。Copilot 的平均每週活躍使用程度現已與 Outlook 和 Teams7 不相上下，充分反映 AI 正迅速成為日常工作不可或缺的一部分。
從企業每週最常委派予 Copilot Cowork 處理的工作可見，涉及多個步驟的複合型任務正持續增加。例如，分析數據後撰寫解說電郵，或研究問題並編寫相應程式碼以解決挑戰。當這些多步驟工作流程一併納入統計後，分析相關工作佔所有任務的比例增至 49%，相比分析作為獨立工作的 29%8 明顯上升。換言之，AI 已不再只協助員工完成個別任務，而是逐步支援完成整個工作流程。
從整體行業發展趨勢來看，製造業、銀行業以及軟件與科技行業，仍然是 Microsoft 365 生態系統中 AI Agents 應用最成熟的領域之一。然而，汽車及醫療保健行業的採用速度亦正迅速提升9。 這顯示 AI Agents 的應用價值已逐步由早期採用行業擴展至更廣泛的產業領域。
最能體現這股發展趨勢的，是企業推動 Copilot 普及應用的速度。過去一年，擁有超過 50,000 個 Copilot 授權的客戶數目按年增加逾7倍。與此同時，將 Copilot 推廣至大部分知識工作者的企業客戶數目按季增長近 75%，反映 Copilot 已逐步融入企業核心營運。此外，企業將每月活躍使用率提升至超過 80% 所需的時間，亦由過往數月縮短至短短數天10。這些變化顯示AI 與 AI Agents 正逐步融入企業日常工作流程，成為推動業務運作的重要力量。
AI 開創的新可能
AI 帶來的速度優勢固然有助提升工作效率，但領先企業已不再只著眼於效率本身，而是進一步探索 AI 如何改變工作的本質，甚至讓企業具備以往難以實現的新能力。
以 Microsoft 雲端供應鏈（Cloud Supply Chain）團隊為例，團隊採取「先優化流程，再部署 Agent（lean before agents）」的策略。他們首先梳理及簡化6個端到端工作流程，並建立共享數據基礎，其後在規劃、採購、履約及物流等環節部署超過 70 個專門設計的 AI Agent。結果顯示，相關工作流程的週期時間縮短了 75%。這亦帶出一個重要啟示 : 在推動自動化之前，應先優化工作流程本身，而非將 Agent 直接套用於原有的低效流程之上。
效率提升固然是一項重要成果，但決策質素的提升同樣能為企業帶來更大價值。以智能電力管理公司 Eaton 為例，過往團隊在調查製造品質問題的根本成因時，往往需要投入大量時間和資源。為減輕團隊負擔，公司開始採用由 AI 驅動的品質 Agent，協助專家快速分析製造品質問題報告，識別潛在成因、相關趨勢及供應商洞察。目前，該方案已應用於約 5,000 份報告，不但提升分析效率，亦加強以數據為本的決策能力，協助團隊更早識別風險並採取預防措施，同時確保 Eaton 的專家團隊繼續在每項決策中發揮關鍵作用。
其他機構則發現，當最了解業務需求的前線員工能夠參與建立解決方案時，AI 的潛力得以進一步發揮。Premera Blue Cross 鼓勵員工建立專屬 AI Agents，以減少重複性手動工作，並協助處理日益增加的工作積壓及依賴人手的工作流程。這家服務覆蓋美國華盛頓州及阿拉斯加州的健康保險機構，首先將 Microsoft 365 Copilot 和 Copilot Studio 引入員工日常使用的工具，並透過培訓及清晰的管治框架，讓員工能夠安心探索 AI 應用，同時維持會員對機構的信任。目前，團隊已建立超過 900 個 AI Agents，相關數目仍持續增長。其中一個用於處理合約附件的 Agent，利用智能文件處理技術，將原本需時 30 至 45 分鐘的人手流程縮短至約 3 分鐘，讓員工能夠投放更多時間於支援會員及回應重要需求等更具價值的工作。
AI 的價值不止於提升效率，更能協助企業完成過去難以實現的工作。在 Levi Strauss & Co.（Levi’s）, AI 已廣泛應用於不同業務範疇，涵蓋消費者洞察以至人力資源管理等領域。其中，一個 AI Agent 在短短一天內分析了 1,100 份財務標準作業程序（SOP），並整理出 18,000 項獨立工作任務，讓團隊得以更全面掌握實際工作內容及流程，獲得以往難以取得的洞察。Levi’s 財務副總裁 Lisa Sterling 表示：「這個 Agent 幫助我們量化了一個我原本認為無法衡量其價值的機會。」
在全球專業服務機構安永（EY），一款自主採購 Agent（Autonomous Sourcing Agent，ASA）正協助將低成本及低風險的採購流程自動化，涵蓋採購申請、供應商洽談及採購訂單建立等工作。ASA 可同時與一家或多家供應商就價格、交付時間及保養條款進行協商，並保留員工參與審核及決策流程，以確保適當監管。自 2025 年 10 月試點推出以來，ASA 已支援超過 200 宗交易，預計未來一年將處理約 1,500 宗交易。透過更高效的採購流程，團隊能更有效運用供應商資源，同時確保重要商業決策繼續由人員主導。
將專業知識轉化為組織能力
能夠實現上述轉變的企業，與仍在觀望的企業之間，關鍵差異並不在於 AI 的部署規模有多大，而在於 AI 是否真正切合實際工作需要。現時最常見的部署方式仍屬通用型模式 : 為所有人提供同一套工具，再讓員工自行摸索使用方法。相比之下，能夠創造顯著價值的企業則採取截然不同的策略，先深入了解不同職位的實際工作模式，再按這些模式設計和部署 AI 解決方案。
標普全球大宗商品洞察（S&P Global Commodity Insights）的應用案例展示了 AI 如何將專業知識直接融入工作流程，讓更多人能夠更容易取得並運用可信賴的市場洞察。隨著市場對 AI-ready data 的需求持續增加，該公司透過 Microsoft Copilot Agent Builder 及 Microsoft Graph Connectors，在 Microsoft Teams 中建立 Copilot Agent，讓客戶以更簡單直接的方式存取大宗商品研究及市場分析內容。此方案將資料擷取速度提升 95%，比較分析效率提升 98%，協助客戶將大量資料更快轉化為可執行的商業洞察，並在全球能源及大宗商品市場中作出更快捷及更明智的決策。
Microsoft 銷售團隊正是一個例子。團隊根據不同銷售人員角色（seller persona）的工作特性，配置專屬 AI Agent，包括 Researcher、Analyst Agent、Sales Agent、Deal Agent，以及 MSXi Copilot（銷售情報及報告 Agent），針對銷售人員不同工作場景提供支援。隨著 Agent 承擔更多行政及協調工作，銷售人員可投放更多時間與客戶互動，面向客戶的工作時間比例由 25% 提升至 50%。試點團隊的人均收入增加 9.4%，完成交易的速度提升 20%；調查結果亦顯示，重點應用場景的使用率增加逾3倍11。
市場數據及分析公司 Kantar 則採取由下而上的策略。公司為處理人力資源查詢而建立了一個「People Agent」，實際上是一套由約 10 個 Agent 組成、涵蓋 60 個主題及相關工作流程的協作系統。值得注意的是，這套系統並非由技術團隊單方面打造，而是由日常負責處理相關查詢的人力資源團隊共同參與設計及持續優化，因此能更貼近實際業務需要。目前，系統已能在毋須人工介入的情況下處理愈來愈多查詢。例如，過往需要三天才能完成的在職證明文件，現時只需 120 秒便可發出。Kantar 表示，以這種方式處理的人力資源查詢比例，已由今年 2 月的零提升至約 40%，並以年底達到 95% 為目標。
Microsoft 人力資源營運團隊每年需要在超過 100 個系統中處理逾百萬次員工互動，相關工作直接影響員工體驗及企業營運。團隊運用 Frontier Tuning，將人力資源專業知識延伸至各項業務流程及員工體驗環節，而非逐一優化個別任務。他們把人力資源專家的經驗轉化為任務、技能及評估準則，作為衡量工作品質的標準。在此基礎上建立的 AI 系統，能夠結合所需的業務背景、品質標準及組織知識，自主處理營運工作，將專業人士的實務經驗轉化為可規模化應用的組織能力。團隊亦可透過真實業務場景持續評估 Agent 的表現，並就工具、工作情境、技能及模型等關鍵元素進行調整和優化，以確保表現穩定一致。目前，透過 Frontier Tuning 開發的 Agent 已正式投入 Microsoft People Operations 團隊使用，其任務成功完成率較基準通用模型提升5倍12 。隨著 AI 承擔越來越多重複性及日常工作，人力資源專家得以將更多精力集中於複雜的員工互動、需要專業判斷的決策，以及更具策略價值、仰賴人類洞察的工作。
下一步：AI 發展將走向何方？
隨著 AI 技術持續進步，以及全球各地企業開始看到實際商業價值逐步浮現，衡量成功的標準亦正在改變。我們將更著重 AI 的應用深度、工作本身所帶來的可量化改變、AI Agents 的發展與管治、職務角色及工作流程的重新設計，以及過往難以實現的新能力和新工作模式。能夠建立長遠競爭優勢的企業，將會是那些讓技術、營運模式及員工自主能力同步演進的企業。當三者相互配合、共同發展時，Frontier Firm 的藍圖便開始成形。
免責聲明
文中提到的 AI 模型只是用來說明相關功能。模型和功能的實際可用性可能會因國家、地區以及產品發布情況而不同。
註釋
1Microsoft 第四季季度業績電話會議
2Copilot Cowork，Copilot Cowork 現已透過 Frontier 計畫向香港客戶提供。
3本分析由 Microsoft 內部團隊進行。研究比較了 Copilot Cowork 與透過 Microsoft 365 Connector 使用的 Claude Cowork，兩者均採用 Opus 4.8 模型。測試涵蓋輕度、中度及高強度工作負載下共 12 組提示詞，並進行了 125 次測試。Copilot Cowork 的成本根據內部記錄，按所使用的模型、工作情境（context）、工具及執行時間，依相關浮動費率計算；Claude Cowork 則根據 Token 用量及 Microsoft 365 Connector 的使用情況，按公開 API 收費計算。研究以此計算每次執行的總成本，並比較 Copilot Cowork 與 Claude Cowork 在輕度、中度及高強度提示詞組別下的成本表現。相關成本節省結果以 2026 年 6 月進行的測試為依據。實際成本及潛在節省金額或會因使用情況、系統設定、時間及其他因素而有所不同。
4Microsoft Scout現階段僅向 Frontier Preview Program 用戶提供。
5Microsoft 第四季季度業績電話會議
⁶ 根據經匿名化及匯總處理的 Microsoft 365 Copilot 生產力使用數據，統計於 28 天內使用兩項或以上不同 Copilot 功能的月活躍 Microsoft 365 Copilot 用戶數目。相關數據涵蓋全球企業客戶於 2025 年 6 月及 2026 年 6 月的使用情況。
7Microsoft 第四季季度業績電話會議
8根據經匿名化及彙總處理的 Microsoft 365 Copilot 使用數據，以及 2026 年 7 月 19 日至 7 月 26 日的 Copilot Cowork 遙測數據，分析報告期內客戶最常交由 Copilot Cowork 完成的工作類型。
⁹ 根據匿名化及彙總的 Microsoft 365 Copilot 使用數據，Monthly Active Agents 指標用於統計透過遙測數據觀察到的活躍 AI Agents 數目，涵蓋 Declarative Agents、Custom Engine Agents 及 SharePoint Agents。該指標以 28 天滾動週期計算。若 AI Agent 在該期間符合以下其中一項條件，即被視為活躍：(1) 至少一天由使用者主動啟動使用；或 (2) 至少完成一次自主執行。每個符合條件的 AI Agent 不論使用次數多少，均只計算一次，以避免重複統計，並準確反映活躍 AI Agent 的整體規模。增長幅度根據 2025 年 6 月至 2026 年 6 月期間的數據，比較期初及期末的活躍 AI Agent 數目計算。
10Microsoft 第四季季度業績電話會議
¹¹ 根據 Microsoft 內部銷售團隊數據，分析比較 2024 年 1 月至 6 月期間 687 名 Microsoft 365 Copilot 銷售人員與 Copilot 使用率較低銷售人員的表現。
¹² 本研究將「成功」定義為一次完整成功執行（perfect run），即任務按照人工制定的評估準則取得 100 分（滿分 100 分）。每項任務均經過多次執行及評估，以反映不同執行路徑、任務排序及工具選擇所帶來的差異。只有在多次執行中持續取得滿分的結果，才會被計算為成功。