本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 上的代理式 AI 經濟效益 AWS
<a name="introduction"></a>

*Hans Schabert 和 Prasanta Roy，Amazon Web Services*

*2026 年 1 月* ([文件歷史記錄](doc-history.md))

採用 AI 驅動自動化和代理 AI 系統的組織需要在人力和智慧型代理器之間做出明智的經濟決策。這對永續雲端操作至關重要。本指南可協助您評估、實作和最佳化人力與代理式 AI 系統之間的經濟取捨 AWS。您可以最大化投資報酬率 (ROI)，同時保持卓越營運。

沒有任何系統 100% 正確。這項基本原則可推動人類和代理式 AI 系統的經濟分析。組織必須超越簡易的成本比較，以評估整體經濟影響、風險設定檔、決策品質要求和長期策略價值建立。

客戶行為正從傳統的前期技術投資大幅轉移到符合業務成果成本pay-per-outcome模型。此轉換需要新的方法來評估、實作和最佳化人力代理程式協同合作。

成功的路徑遵循明確的模式：從適當的任務開始，測量所有項目，並擴展可行的項目。採用此方法的組織可透過智慧資源配置和以成果為中心的自動化，實現永續的競爭優勢。

## 目標對象
<a name="introduction-audience"></a>

本指南適用於下列項目：
+ 正在制定策略投資決策的高階主管 (CEOs、CTOs、CFOs)
+ 正在設計組織自動化策略的企業架構師
+ 正在最佳化雲端財務管理的財務營運從業人員
+ 正在評估 AI 實作方法的技術領導者
+ 想要了解自動化投資報酬率的業務單位領導者
+ 導覽新 AI 定價模型的採購專業人員

若要了解本指南中的概念，建議您檢閱[代理式 AI 的基礎 AWS](https://docs.aws.amazon.com/prescriptive-guidance/latest/agentic-ai-foundations)。

## 目標
<a name="introduction-objectives"></a>

本指南可協助您了解下列事項：
+ 如何評估代理程式自動化潛力的任務
+ 比較人力成本與代理式 AI 系統投資的經濟模型
+ Pay-per-outcome定價模型及其對 AI 專案經濟的影響
+ 用於展示投資報酬率和管理風險的測量技術
+ 將固定成本轉換為可變結果的擴展策略

## 關於此內容系列
<a name="about-this-content-series"></a>

本指南是代理式 AI 相關系列的一部分 AWS。如需詳細資訊並檢視此系列中的其他指南，請參閱 規範指引網站上的 AWS  [代理程式 AI](https://aws.amazon.com/prescriptive-guidance/agentic-ai/) 。