Harness 之上的層次：企業 AI 真正的考驗在 Agentic Business Orchestration
Harness Engineering 是什麼？解決了什麼問題？
政治大學洪為璽教授在 CIO Taiwan 的這篇〈Harness Engineering 奠定 AI 基礎設施〉 文章提到：「Harness Engineering 是包裹在大型語言模型外圍的架構，處理模型以外的所有事務，包含工具執行、記憶儲存、狀態持久化，以及跨多個工作階段的錯誤復原」
各大科技巨頭（如 OpenAI、Anthropic）在實驗中發現：即使是同一個強大的 AI 模型，接上不同的 Harness 架構，產出的品質與效率會有天壤之別。 好的 Harness 能讓工程速度提升數倍，甚至能讓 AI 自動完成百萬行程式碼的專案。
這個定義的語境，是 Coding Agent 的世界——例如：Codex 讓 Agent 讀取程式庫並提交程式碼，Claude Code 在 IDE 環境裡自主完成開發任務，Cursor Agent 處理跨工作階段的上下文銜接。
Harness 的任務，是讓 Agent 能在受控環境裡可靠地自主執行。確保 Agent 得到正確的上下文、管理它能用哪些工具、驗證它的輸出是否可信。
這是 AI 基礎設施的第一層，也是極為重要的一層。
但在大多數企業的真實場景裡，Agent 完成一個任務之後——接下來發生什麼？
Harness Engineering 無法回答的三個問題
當我們把場景從「Coding Agent 完成一個開發任務」移到「企業 AI 跑一條跨部門業務流程」，Harness Engineering 的設計就開始出現缺口。
以下三個問題，是每一個在認真部署企業 AI 的組織都會遇到的：
Q1：Agent 完成了任務，誰接管？
在 Coding Agent 的場景，Agent 完成後交付的是程式碼，人類工程師 review 再決定要不要 merge。這個交接點是人類工程師。但在企業業務流程裡，Agent 完成文件初審之後，下一步是 RPA 機器人比對系統資料，再下一步是主管進入例外處理。這三個角色之間的協調邏輯，是誰在管？
Q2：跨系統的狀態，誰追蹤？
洪為璽在文章中提到一個關鍵挑戰：模型的上下文窗口是有限的，每次新工作階段都要重新開始。Harness Engineering 的解法是在單一 Agent 的範圍內做狀態持久化。但當一條業務流程橫跨 ERP、CRM、RPA 系統和人工審核介面時，「誰在什麼時間完成了什麼」這條記錄，不是任何單一 Agent 的 Harness 能夠管理的。
Q3：這條 AI 流程，合規嗎？
企業的 AI 不只要「跑得動」，還要「說得清楚」——向稽核人員、主管機關、或者只是自己的 IT 治理委員會說明：這段 AI 流程的執行記錄在哪裡、誰有權限改變它、出了問題怎麼回溯。Harness Engineering 解決的是技術層的可觀測性，不是企業治理層的問責架構。
這三個問題，就是 Harness Engineering 之上的那一層。它的名字是 Agentic Business Orchestration
什麼是 Agentic Business Orchestration？
如果說 Harness Engineering 的主體是「Agent」，那 Agentic Business Orchestration 的主體是「業務流程」
Agentic Business Orchestration 要解決的問題是：如何把 AI Agent、RPA 機器人、和人工節點，整合進同一條可編排、可監控、可治理的端到端企業流程。
一個典型的場景是：
AI Agent 根據收到的申請文件做初審判斷 → RPA Robot 自動比對 ERP 系統資料 → 例外情況觸發人工主管審核任務 → Orchestration Layer 確認三者都完成後關閉這條流程，並寫入完整稽核記錄。
在這個場景裡，Orchestration Layer 管的是整條流程的邏輯、例外處理規則、跨角色的協調時序，以及治理合規。這不是任何單一 Agent 的 Harness 能做到的。
合勤投資控股資安長游政卿在 CIO Taiwan 這篇文〈當 AI Agent 開始做事，CISO 真正該管的是什麼〉提到「從資安治理的角度看，企業真正要面對的，從來不是模型夠不夠聰明，而是當它開始做事時，組織有沒有足夠的邊界、控制與追溯機制來管理它。很多 PoC 看起來都很順，但一碰到正式環境，問題往往不是功能能不能跑，而是權限怎麼給、責任怎麼分、出了事怎麼查。」
很多案子最後卡住，不是因為技術做不到，而是正式環境根本還沒準備好導入這類能力。
他說的那個「還沒準備好」，指的正是 Business Process Orchestration Layer 這層的缺失：
● Agent 跑完一個任務後，沒有定義好「誰接管、下一道流程是什麼」
● Agent + RPA 機器人 + 人工審核三者之間沒有統一的協調邏輯，靠人工補縫
● 出了問題，沒有完整的流程稽核記錄，「回頭查時什麼都不完整」
● 供應鏈風險：Agent 背後的 API、外部工具、知識庫來源，沒有整合進統一的治理框架
👉 游政卿資安長給 CISO 的四件必管事項（權限、Human-in-the-Loop、紀錄、供應鏈），其實每一條都指向同一個問題：
你需要一個能管住「 Agent 之外那條業務流程」的 Orchestration Layer
Gartner 提出最新 BOAT 框架：市場已有正式定義
Gartner 在 2025 年提出了 BOAT（Business Orchestration and AutomationTechnologies）這個市場類別框架，正是為了描述這一層的企業需求。
BOAT 的核心主張是：企業在評估 AI Agent 設計與管理平台時，應該圍繞三個維度：
● 可協調性：不同的 AI Agent、RPA 機器人、人工流程，能否被統一編排在同一條業務流程？
● 可監控性：這條流程的實際執行狀況，企業有沒有即時可視性？
● 可治理性：當流程出現異常或風險，企業有沒有即時介入和完整稽核記錄的能力？
Harness Engineering 可以在「可監控性」上做出貢獻，但「可協調性」和「可治理性」在企業流程層面，需要的是超越單一 Agent 的架構。
簡單說：Harness Engineering 讓你的 AI Agent 跑得好；BOAT 框架的 Orchestration Layer 讓你的整個 AI 流程治理得好。
Orchestration Layer 應該長什麼樣？以 UiPath Maestro 為例
以 UiPath Maestro 為例，作為企業級「代理式業務編排 Agentic Business Orchestration 」，是一個「流程指揮層」，扮演指揮系統的角色，打破系統孤島，將過去單點的自動化工具串聯成端到端流程，能夠編排 AI Agent 進行動態決策，並在需要時將任務移交給 RPA 機器人或人類，實現真正的端到端業務編排，把前面講的三個 Harness 不負責的問題，變成三項可操作的能力：
① 用一張流程圖管理「橫跨數天、多系統」的長流程
- Maestro 以 BPMN 2.0 這類業界標準語法，把橫跨數天、多部門、多系統的業務流程建成一張可視化的端到端流程圖
- 以製造業為例，從 SAP 的訂單管理、MES 的生產執行，到跨廠區的物流調度，可以被建模成「一個」統一流程，而不是散落在各系統裡的斷頭路
② 人機協同節點（Human-in-the-Loop）
- 該停下來的地方就停下來—長流程裡不是每一步都能全自動
- 當 Agent 處理到供應鏈異常、卻無法自主決策時，Maestro 自動把任務交給相關人員審核，簽核後流程再往下走
- 這正是 UiPath 的官方主張—AI agents Reason, Robots Act, and People Lead（AI 思考、機器人執行、人員領導）
③ 跨系統統一編排：一個平台看穿端到端
- Maestro 不只串接 UiPath 自家的 AI Agent 與 RPA，也開放整合業界主流的第三方代理框架（如 LangChain、Microsoft、Anthropic），並支援跨平台的 Agent-to-Agent（A2A）通訊
- 既有 RPA 流程可被封裝成「工具」供 Agent 調用：例如從 SAP 取訂單、驅動 RPA 在 MES 開工單、完成後把生產數據回寫 SAP，全程在同一控制平面上可視、可管、可稽核
👉 延伸閱讀：【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 Automation Suite 提供「全地端 + 資料主權」的代理式 AI 部署方案
對金融、生醫、半導體高科技這些生產數據與配方屬於最高機密、嚴禁外洩公有雲的產業，編排平台能不能落在自家機房，是「能不能用」的前提。
根據 UiPath 官方公告（2026/5/5），其 Automation Suite 已可在企業自有的地端環境運行完整的代理式自動化，部署於 AWS、Microsoft Azure、OpenShift 等既有基礎設施。關鍵在於 BYO LLM（自帶模型）：企業可選用 OpenAI、Google Gemini、Anthropic 等雲端模型，也可以在自家資料中心內運行開源模型，讓整個代理工作流不需要任何外部依賴。
這消除了企業長期的兩難—採用 AI 與 守住資料主權，不再是二選一
👉 延伸閱讀：CIO Taiwan｜UiPath 透過 Automation Suite 提供地端代理型 AI 部署，幫助臺灣企業擴展代理型 AI 應用
治理層面同樣可被第三方驗證：UiPath 是首家通過 AIUC-1 認證的企業自動化平台（由稽核機構 Schellman 執行、逾 2,000 項對抗性評測、並每季持續複評），並符合 ISO/IEC 42001、FedRAMP 等標準。
對 CIO 而言，這是一個當期、持續、由第三方背書的治理證明，而不是一張過時的得獎證書。
Schellman 執行長 Avani Desai 指出，UiPath 獲得 AIUC-1 認證，反映了其對企業 AI 現今所需的治理、透明度和安全標準的真正承諾。Schellman 作為 ISO 42001 和 AIUC-1 認證的獨立稽核機構，Schellman 可以證明這項驗證是通過嚴格的評估而獲得的。
現在投資於強大治理的組織，將在未來幾年引領潮流，而 UiPath 正在為整個產業樹立一個有意義的基準。
企業評估 Agentic AI 平台的四個關鍵問題
如果你現在正在評估企業 AI 平台，以下四個問題可以幫你快速判斷你目前的架構缺了什麼：
✦ 你的 AI Agent 完成任務之後，有沒有一套機制決定「下一步由誰接管」？
✦ 當 Agent、Robot 和人同時在跑同一條流程，企業有沒有一個統一的監控介面？
✦ 如果流程在第三步出錯，你能在幾分鐘內找到是誰、在什麼時間、做了什麼決定？
✦ 你的 AI 流程有被稽核的能力嗎——合規人員可以看得到完整記錄嗎？
如果有一個或多個問題的答案是「不確定」，你的 AI 架構現在只有 Harness，缺少 Orchestration Layer
結語：兩層都要，缺一不可
對企業而言，包圍 AI 的不只是 Harness，還有管理整條業務流程的 Orchestration Layer。前者決定 Agent 在技術層能不能跑好，後者決定企業在治理層能不能管好。
Harness Engineering 和 Agentic Business Orchestration 不是競爭關係，而是兩個必須都到位的層次。
👉 相關活動推薦： 企業級 AI Agent 平台關鍵能力展示與評估指引
我們將透過深入展示 Agent 設計開發與整合 AI Agent, RPA 與人員的 Maestro 複雜長流程，完整解析 UiPath 企業級 Agent 治理與行動中樞平台的能力邊界，並提供平台選型評估框架，協助團隊做出有依據的決策
.png)
