過去四十年，我親歷了一輪又一輪的技術週期：個人電腦與網際網路的誕生、行動與雲端的革命。但沒有一次像這一次。多年來，圍繞人工智慧的討論總是同一套熟悉的節奏──炒作，然後幻滅，所謂的「AI 之夏」之後，總跟著漫長寒冷的冬天。但這一次不一樣，整個對話的氛圍明顯變了。如果說過去一年半的主角是引擎──大型語言模型（LLM）那近乎垂直、令人屏息的躍升──那麼下一個時代的主角，會是我們圍繞這具引擎打造的那台車：那些能駕馭這股原始力量的框架，把它從「一個會生成貌似合理文字的機器」，變成「一個真正能採取行動的 Agent」。
我承認，我一開始是懷疑派。我發現，一段文字看起來有多可信，往往跟你對那個主題懂多少成反比。早期的模型雖然對答如流，卻像是帶著某種冒牌者症候群在運作：它們被優化的目標是「聽起來可信」，而不是「正確」。但轉折點來了──新一代「推理」模型帶來了階躍式的變化。突然之間，我們面對的不再只是一台預測下一個字的統計機器，而是得以一窺某種正在萌芽的認知形式。
我第一次試用新的 Agentic 程式開發工具時，感受到那種熟悉的魔法火花。我丟給它一個自己一直沒空做的私人專案：把一個慈善機構的網站，從簡單的架站工具搬遷到正規的現代 CI/CD 環境。接下來的二十分鐘，它開始工作：提出釐清問題、要求存取憑證、回報進度。那感覺不像在用工具，更像在跟一位菜鳥工程師合作。當它交給我一個可以直接部署的完整套件，附上無可挑剔的文件和單元測試時，我徹底被震撼了。
當然，它並不完美。它會犯錯，會卡住，需要我的監督，更重要的是需要我的判斷力把它拉回正軌。這段經歷印證了我在漫長職涯中付出過代價才學到的一課：你不能盲目信任。但整個過程仍讓人著迷。窺看它的「思考鏈」（chain of thought），就像看著一顆心智在運轉──凌亂、非線性、充滿起步、停頓和自我修正，跟我們人類的推理沒什麼兩樣。它不是一條直線，而是一場朝著解答前進的隨機漫步。這裡面藏著某種全新的東西的核心：不只是一個能生成內容的智慧，而是一個能生成「計畫」的智慧。
這就是 Agentic 框架的承諾。它是「一張靜態的捷運路線圖」和「一台會即時重新規劃路線的 GPS」之間的差別。傳統的規則式自動機只會走固定路徑，一遇到意料之外的障礙就掛掉。而由推理模型驅動的 AI Agent，有潛力去觀察、適應、另尋出路。它擁有某種數位常識，能在現實世界數不清的邊角案例之間穿行。這代表了一種轉變：從「告訴電腦該做什麼」，變成「解釋我們為什麼需要這件事，然後信任它自己想出怎麼做」。
這片新疆域固然令人振奮，卻也帶來沉重的責任感──尤其從我的位置看出去：我是一家全球金融機構的 CIO，賭注高到無法估量。一個 Agent 在發明「雞肉鮭魚雙拼派」食譜時出錯，是個有趣的軼事；一個 Agent 在執行交易、管理風險或處理客戶資料時出錯，就是真正的麻煩。我讀過那些免責聲明和警世故事：有個網頁自動化 Agent 登入失敗後，竟然決定寫信給國會議員抱怨登入牆。這個帶著黑色幽默的故事提醒我們：我們正在跟一項自己還沒完全搞懂的技術打交道。
正因如此，工匠精神、文化，以及對原則的執著，成了我們必不可少的指南。我們的工程信條不只是紙上的文字，而是我們的羅盤。我們必須「帶著目的去打造」（Build with Purpose），確保每一個 Agent 的設計，都始於對客戶問題的清楚理解。我們必須「看見轉角之後」（Look Around Corners），預想失敗的模式，把韌性設計進系統裡。最重要的，我們必須「贏得信任」（Inspire Trust）：對方法保持透明，對結果負起責任。
在 Agentic 的世界裡，這些信條變得更加迫切。殘酷的事實是：你不能把這些強大的新工具直接疊在混亂、不一致的系統上，然後期待好結果。混亂的系統加上 Agent，就是一場災難的配方。用「垃圾」資料訓練出來的 AI，產出的不只是垃圾，而是貌似合理、自信滿滿的垃圾，足以毒害整條流程。所以我們的第一要務，是把地基打好：投資乾淨的資料、一致的中繼資料（metadata）、定義完善的 API。我們得建好現代的「州際公路系統」，讓這些 Agent 能安全地高速運行。這是打造「可程式化企業」（enterprise as software）的辛苦基礎工程──讓我們的流程，跟我們的程式碼一樣架構嚴謹。
歸根究柢，這趟旅程不是要取代人類的才智，而是要增強它。它要求我們所有人學會一套新技能：把任務講清楚的能力、懂得委派的智慧，以及驗證產出品質的勤勉。它要求我們謙卑，承認自己的無知，並且永遠不停止學習。這本書接下來的篇章，提供了打造這些新框架的技術地圖。我希望你用它們打造的，不只是「做得到」的東西，更是正確的、穩健的、負責任的東西。
這個世界正在要求每一位工程師挺身而出。我相信我們已經準備好了。
祝旅途愉快。
Marco Argenti，Goldman Sachs 資訊長（CIO）