DAM+

快速自評｜企業資料庫軌跡稽核能力檢查，檢測內部權限外洩風險有多大？

2026-09-01

On this page

UiPath AI Agent 與 Maestro 評估問題完整解析：RPA vs Agent、計費授權、部署安全、知識庫 Q&A

企業評估 UiPath AI Agent 最常碰到的 26 個問題，涵蓋 Platform Unit 計費、地端 vs 雲端部署、Context Grounding 向量庫、Escalation 人機協作與 AI Trust Layer，附免費評估框架

30/6/2026

Harness 之上的層次：企業 AI 真正的考驗在 Agentic Business Orchestration

Harness Engineering 讓 AI Agent 跑得好，但誰來管跨部門的流程協調與治理？本文從 Gartner BOAT 框架解析 Harness 之上的那一層：Agentic Business Orchestration

10/6/2026

【直擊 UiPath FUSION 2026】從單純自動化邁向 Agentic Business Orchestration，企業如何靠 Agentic AI 賺取 3 倍 ROI？

UiPath FUSION 2026 聚焦 Agentic AI 與業務編排新趨勢，解析企業如何擺脫 AI 沙盒實驗，透過 Agentic Business Orchestration、AI 治理與自動化整合，加速實現 3 倍 ROI

28/5/2026

當 AI Agent 深入資料核心，企業資安韌性是否具備「行為歸因」能力？

當我們投入大量資源建立 AI Agent 提升生產力時，資料庫稽核卻仍停留在「記錄帳號」而非「歸因行為」的舊時代。Dataisec 智安數據科技與代理夥伴 PGi 樺鼎商業資訊，將於大會現場展示專為 Agentic AI 時代設計的資料庫稽核平台

27/4/2026

PGi 2025 年中策略會議｜同心定向，共創下一階段成長

2025 年中，PGi 來自台灣與新加坡的團隊齊聚一堂，展開為期兩天的策略工作坊與營運回顧，針對未來營運策略與產品佈局進行深度討論，強化團隊共識。

13/8/2025

PGi 推出企業級 AI Agent 平台與 AI Agent 導入顧問服務全新方案

‍面對 AI 技術快速演進，許多企業投入大量預算啟動 AI 專案，卻最終淪為概念驗證（POC）或技術展示。為協助企業跨越「AI 落地最後一哩路」，PGi 推出「AI Agent 導入顧問服務」，結合自建的企業級 AI Agent 平台，提供從策略規劃、資料治理、模型整合到地端部署的完整導入方案。

9/10/2025

為什麼 AI Agent 代理人是企業應用 AI 不可逆趨勢？又與生成式 AI 有什麼關係？

生成式 AI 與 AI Agent 之間有什麼關係？從去年開始，企業已開始將注意力慢慢轉向企業如何運用 AI Agent，本文將會簡單說明生成式 AI 與 AI Agent 之間的層級關係、基本概念，協助您快速理解，為什麼具備自主決策與執行能力的 AI Agent 是提升未來3年內企業營運生產力的關鍵

19/2/2025

從 DeepSeek 崛起看 2025 企業應用 AI 趨勢

DeepSeek 的崛起意味著 AI 技術的開源化正加速發展，NPU、邊緣 AI 與低成本微調成為未來趨勢。企業該如何應對這場變革？本文快速導覽 AI 技術趨勢與商業影響，幫助企業在 AI 時代保持競爭優勢。

3/2/2025

【機器學習-預測應用】中央氣象局用DataRobot預測雲、偵測霧

交通部中央氣象局為了因應「氣象觀測自動化之人力業務轉型」，藉由DataRobot自動推薦最佳演算法，快速得到最佳訓練結果，找出衛星觀測數據跟人工觀測數據間的關係，並應用衛星資料取代人工無法觀測到地點。

27/11/2020

台灣企業部署 AI 模型最挑戰的3件事（含升級建議）

延續上篇《最新調查｜台灣企業 AI 成熟度現況與導入 AI 三大基本面》後，本篇內容繼續《2022 台灣企業 AI 趨勢報告》後半段的精華摘要，點出目前台灣企業落地 AI 的挑戰、隱憂、未來 AI 科技導入與應用趨勢、如何開始升級到下一階段 AI 成熟度等級的建議

24/6/2022

聽完 DataRobot 介紹後你可能會有的9個疑問

特邀 DataRobot 亞太區首席數據科學家，回答台灣客戶常有的提問，包含：如何提高 AI 專案成功率、如何整併自行開發的模型到 AI 平台中、部署在雲端與地端的選擇、如何串連 BI 工具、與 SAP 的整合、DataRobot 訂閱方式、如何進行企業級跨團隊的試用等

18/5/2023

3種打造 AutoML 自動化機器學習的方式(含平台推薦)

AutoML 概念最早在1990年代就被提出，這概念大幅改進機器學習的效率，自此不管是科技巨頭、新創界、學術界都提出了各種自動化機器學習的方法與工具，包含簡單的開源模型到可以產業級規模化的軟體產品，從現在到2024年，AutoML 依舊是個重要趨勢，本文匯集 AutoML 是什麼到 AutoML 為何重要與如何運用

28/12/2022

DataRobot AI 平台介紹｜從 AutoML 到 MLOps 重點功能

DataRobot 是 2022 第三季 The Forrester Wave 報告中，精選15家 AI 平台廠商的前三大領導品牌，全球客戶已遍及2千大企業，是目前市面上值得信賴的 AI 平台。本文示範房價預測應用案例，藉此展示 DataRobot 從數據準備、模型訓練、到部署的自動化重點功能

12/9/2022

DataRobot 文章合集｜AutoML介紹、應用、資源

本篇整理熱門文章與資源，提供您初步評估了解 DataRobot ，幫助您了解 DataRobot 如何把全球最頂尖資料科學家的經驗、建模流程濃縮在一個軟體平台上，把建模跟上線流程中最煩雜的10個步驟自動化處理

30/11/2021

AutoML應用案例：4知名企業用DataRobot做預測性分析

AI 人工智慧在各產業都是熱門話題，AI 時代下的零售業，最根本的進化策略是什麼？看家樂福、日本FamilyMart、巴西聯想 Lenovo 怎麼利用 DataRobot 做銷售預測、庫存優化預測，徹底改變企業分析能力、由內而外打造絕對競爭優勢！

26/12/2019

數位優化到轉型，2種改變層面、3大常見誤區

「數位優化」v.s.「數位轉型」，最大區別是「組織能否定義新的成長機會」。本篇將幫助你釐清目前是處在數位優化還是數位轉型、以及是否已掉入常見誤區

16/12/2019

快速自評｜企業資料庫軌跡稽核能力檢查，檢測內部權限外洩風險有多大？

內部資料存取風險自評快篩