AI Agent情境切換成本，如何有效降低？

AI Agent的引入，需要克服情境切換成本以實現有效落地。

AI Agent的廣泛應用，雖帶來潛在效益，卻也可能因「情境切換成本」而加劇使用者的工作負擔。Google Cloud Next 2026的論述，聚焦於將AI Agent從概念驗證階段推進至正式營運環境，強調「脈絡」（context）與「行動」（action）的整合，並透過強化基礎設施、資料平台與治理機制，以期能有效降低此成本，使AI Agent真正融入並優化現有工作流程。

AI Agent落地營運，需以「脈絡」與「行動」為核心。

企業已普遍完成AI概念驗證，當前關鍵在於將AI導入正式營運。Google Cloud執行長科里安指出，AI Agent能否有效發揮作用，取決於其對「脈絡」的理解，即AI參考的對話前後文、企業資料及業務邏輯。同時，Agent的「行動」能力，亦即實際執行的具體任務，是其價值的體現。唯有建立在充分脈絡理解之上的精準行動，才能避免Agent成為額外負擔。

解決「情境切換成本」，需整合跨應用程式的智慧層。

知識工作者常因在聊天、郵件、文件、簡報與試算表等多個應用程式間頻繁切換，耗費大量時間搜尋資訊，形成「情境切換成本」。為此，Google推出Workspace Intelligence，將Gemini作為入口，使其能從不同訊息來源（如聊天、郵件、文件、簡報）中找出優先順序，並能指派任務，例如尋找特定文件圖表或基於現有資料製作全新簡報。此一整合方案被視為Workspace應用的「統一智慧層」，能將分散的AI輔助能力匯聚成跨程式運作的決策中樞。

強化基礎設施與資料平台，為Agent提供充足脈絡與運算支援。

AI Agent在企業環境中的運作，對底層運算與系統架構提出了新的要求。Google透過第八代TPU，將訓練與推論任務分開設計，TPU 8t專注於模型訓練，TPU 8i則優化推論與強化學習，以支援代理型工作負載。此外，將儲存、網路與模型上下文協定（MCP）整合至同一架構，使Agent能直接調用Google Cloud服務，並結合遙測資料自動偵測與修正問題。

建立可信的知識基礎，是Agent有效執行的前提。

Agent的推論能力必須建立在可信的脈絡之上，理解資料背後的商業語意、關聯性與使用情境至關重要。為此，Google推出了Knowledge Catalog，旨在將BigQuery資料表、中繼資料、PDF、影像等非結構化內容，轉化為企業可用的共同知識基礎。透過Cross-Cloud Lakehouse架構，即使資料儲存於AWS或Azure等異質雲端環境，也能被Google的Agent所用，進一步擴展了Agent獲取與利用數據的範圍。

AI Agent的競爭焦點，已轉向系統整合與風險治理。