KPMG 在 6 月 9 日宣布跟微軟擴大合作，把 Microsoft 365 Copilot 鋪給全球超過 27.6 萬名員工，同時導入 Microsoft Agent 365 來部署、監控與保護組織內的 AI agent。數字很嚇人，但我關心的不是 27 萬這個量級有多大。一家專業服務公司願意把 agent 當全員工具發下去，這件事真正難的從來不是導入。難的是 27 萬人同時開始用 agent 的那一刻，誰能碰哪些資料、每一步留不留得下稽核軌跡、出事了算誰的，這三件事要怎麼一次到位。

KPMG 這次到底鋪了什麼

先把東西分清楚。這次發的其實是兩層。一層是 Copilot，給員工日常用的助理；KPMG 把它擴大到全球 27.6 萬名專業人員，距離初次導入約兩年。另一層才是重點：Agent 365。它不是聊天機器人，是一個讓組織去部署、監控、管理跨多套系統運作的 agent 的治理與協調層，KPMG 要用它來強化自家的 Trusted AI 框架。

微軟把這次合作講成一個轉折。負責商務的執行副總 Deb Cupp 的說法是，這是「從實驗走向企業規模影響」的一步。這句話點到了今年六月企業端的共同動作：從少數人試玩的試點，轉成真的在正式系統上跑、處理真實工作流的 production 部署。Agent 365 賣的不是哪個模型更強，是這套東西能不能在公司規模上被管住。

KPMG 與微軟把 Microsoft 365 Copilot 與 Agent 365 部署到全球 27.6 萬名員工

27 萬人同時用，規模本身就是新題目

很多人看到這種新聞，第一個反應是「導入了，所以解決了」。這個方向要先踩一個剎車。導入一個 agent 跟讓 27 萬人同時用 agent，根本是兩種難度。Enterprise DNA 講得直接：真正讓多數企業卡住的，是從試點跳到正式環境那一步，因為 agent 開始在真實系統上跑、處理真實工作流、扛真實的責任。

規模放大的不是功能，是治理的破口面積。一個 agent 越權，影響有限；27 萬個入口同時開著，每一個都可能連到客戶資料、財務系統、稽核底稿，這時候沒被回頭檢查的權限預設值、沒留下軌跡的操作、講不清楚歸屬的決策，都會以員工人數的規模長出來。我先前在談 MCP 成為事實標準時就講過這條線，agent 接出去的每一個對象，都該被當成一個獨立的權限治理對象來盤。KPMG 這次只是把同一個問題乘上 27 萬。

27 萬人同時使用 AI agent，權限、稽核與責任歸屬要一次到位的治理挑戰

治理是內建功能，不是部署完再補的附加題

這正是 Agent 365 把自己賣點押在治理上的原因。微軟直接把它定位成「AI agent 的控制層」，拆成五個能力：註冊表、存取控制、可視化、互通與資安。其中兩個最關鍵：註冊表是一份「唯一事實來源」，目的是防止 agent 數量失控蔓延；存取控制則是要求組織內每個 agent 都有唯一的 agent ID，好把它的存取限制在真正需要的資源上。微軟把這套哲學講得很白：用管理員工的同一套基礎設施跟防護來管理 agent。

Enterprise DNA 的一句評語我很認同：在這套產品裡，治理是功能本身，不是事後才補的東西。這跟我一直在講的立場是同一條線：可信度靠落地流程，不靠模型多聰明。我在談 LLM 在醫療能不能落地時就是這麼說的。把治理留到全員都開好之後再回頭補，順序就倒了，而順序倒過來是最常見的失敗模式，這點我在談怎麼選工具時也提過。

Agent 365 作為 AI agent 的控制層，用註冊表與唯一 agent ID 把 agent 治理收住

把每個 agent 當權限對象：責任歸屬才是最硬的一關

權限跟稽核還算有工具可接，責任歸屬是最硬的。Enterprise DNA 把企業現在該問自己的問題講得很準：你的治理模式長什麼樣，以及當一個 agent 出錯時，到底誰要負責。這跟我先前在談台灣《人工智慧基本法》時強調的問責原則是同一件事，法令到位不等於意識到位，企業要先建立治理意識，把盤點變成例行事，而不是等規則或工具補上才開始管。

KPMG 的 Global Chief Digital Officer Lisa Heneghan 自己也把話講在這上面：這需要在治理、可視性與問責上有扎實的基礎。具體到能動手的，我會先盤三格：一是 agent 註冊表有沒有真的把所有在跑的 agent 列全，沒登記的就是看不見的破口；二是每個 agent 的存取範圍是不是收到「只給它需要的」，而不是沿用某個人的全部權限；三是哪些 agent 從問答升級成會自動執行的工作流，這類才是真的要被當成獨立角色、講清楚歸屬的對象。三格先想清楚，再來談全員自助。

像管理員工一樣管理 AI agent，給每個 agent 唯一身分並限制資料存取範圍

我的觀察：醫療 AI 的成功關鍵，是治理模式不是技術多寡

看 KPMG 這場部署，我想到的是醫療這端。醫療 AI 的成功關鍵，不在於擁有多少技術，而在於建立正確的治理模式。KPMG 這次的實踐其實給了一個很值得借鏡的樣板：讓最了解問題的人主導 AI，讓最了解風險的人建立護欄，在完善的資料治理基礎上推動創新。

這三件事看起來簡單，做起來是醫療場景最容易卡的地方。最懂臨床問題的是醫師，但工具常常是技術端決定的；最懂風險的是法遵與資安，但護欄常常等到出事才補。把主導權跟護欄各自交到對的人手上，再墊在扎實的資料治理上面，AI 才有機會從一個被導入的工具，變成組織真正長出來的能力。我期待更多醫療夥伴一起往這個方向走，把 AI 從工具導入提升為組織能力，創造兼具安全性、可信度與實際價值的智慧醫療未來。

醫療 AI 的成功關鍵是治理模式，讓最了解問題的人主導、最了解風險的人建護欄

常見問題

Agent 365 跟 Copilot 差在哪？
Copilot 是員工日常在用的助理，你問它答、幫你寫東西。Agent 365 不是助理，是管理 agent 的控制層，負責登記、給身分、限制存取、監控與保護那些會自己動作的 agent。一個是被管的工具，一個是管工具的那層。

把 Copilot 跟 Agent 365 鋪給 27.6 萬人，最大的風險是什麼？
不是員工會不會用，是動得到資料的入口一下子變成 27 萬個。當每個人都能透過 agent 連到正式系統，碰得到哪些資料、操作有沒有留軌跡、出錯算誰的，這三件事要是沒在控制層先收好，破口會以員工人數的規模長出來。

導入了 Agent 365 這種治理層，是不是就安全了？
它把治理機制接上了，不代表你不用管。控制層給的是工具：註冊表、唯一 agent ID、存取控制。真正決定安不安全的是你怎麼設，預設權限開多大、哪些 agent 被允許自動執行、責任歸屬講不講得清楚。工具備齊，判斷還是要人做。

結語

27.6 萬這個數字會被當成新聞重點，但它其實只是把一個老問題放到了最大。agent 能不能進公司，從來不是能力問題；能不能在每個人都用的規模下，還守得住誰碰得到什麼、誰要負責，才是。KPMG 願意一開始就把 Agent 365 這層治理綁進去，方向是對的。但發表會證明不了治理在 27 萬人的真實組織裡撐不撐得住，那要靠跑過一輪的人把經驗講出來。先想清楚權限、稽核跟歸屬，再談全員部署，這個順序別倒過來。