AWS Agent AI 副總裁 Swami Sivasubramanian 在 re:Invent 2025 主題演講中，特別邀請 AWS 傑出科學家、自動推理領域權威 Byron Cook 登台，闡述如何透過神經符號 AI（Neuro-Symbolic AI）技術，確保 AI Agent 真正可信。
可信：神經符號 AI 的三大應用
Swami 博士坦言，AWS 早期建構的 Agent 原型曾出現「模型在 API 呼叫時產生幻覺」的問題。這引發一個根本性問題：如何讓 Agent 真正可信？他指出，LLM 可能會在複雜規則面前出錯或推理存在邏輯錯誤，一旦場景涉及金融交易、客戶信任等關鍵環節，單純的統計方法便遠遠不足。
Byron Cook 開場時便提出一個尖銳問題：「你會把信用卡交給 Agent 嗎？就像交給一個幾歲的小朋友去購物一樣，他可能會幫你買到你想要的商品，但最終你也可能得到一大堆你並不需要的東西」。
Cook 詳細闡述神經符號 AI 這一突破性方法。他解釋，自動推理是在數學邏輯中搜尋和仔細檢查證明的學科，與 2,000 年前歐幾里得證明定理的方法相同。AWS 在內部系統使用此技術已超過十年，現在將其應用於 Agent AI。
Cook 透過三個生動的例子，解釋如何將自動推理應用於 AI Agent：
驗證輸出：自動推理工具會像嚴謹的數學老師一樣，逐步驗證 LLM 的推理過程，若發現錯誤則推回重試，形成反饋循環。
訓練數據生成：就像用標準答案的習題集訓練學生。使用 Lean 定理證明器創建無限量的「標準答案」，讓 AI 從一開始便學會正確推理。
約束解碼：就像汽車的車道保持系統，當你偏離車道時，方向盤會自動微調將你拉回。在 AI 系統中，當模型試圖回答「法國的首都是什麼」並開始輸出字母「B」時，自動推理系統會實時介入，像導航一樣將其引導至正確的字母「P（Paris）」。這種實時糾偏確保 AI 的輸出始終符合邏輯規則。
Cook 亦強調 Kiro 的規範驅動開發：Kiro 可分析應用程式、識別驗收標準並轉換為規範，進而指導程式碼生成、測試生成，甚至證明程式正確性。他隨後詳解昨日發布的 AgentCore Policy：只需用自然語言描述允許的操作，如阻止任何 Agent 在 AWS 生產帳戶的資源上執行更新操作，系統便會將其自動轉換為 AWS 兩年前開源，語義經 Lean 定理證明器形式化的 Cedar 策略語言，且這些策略可透過自動推理驗證主權、隱私、安全等要求。
Cook 總結：「形式化推理與生成式 AI 的結合，是建構可信 Agent 的遊戲規則改變者。」
可靠：Nova Act 達 90% 可靠度
Swami 博士表示，企業需要的是「值得信賴的 Agent」，而非僅僅「能做事的 Agent」。今天的 Agent 可能第一次能完成任務，但重複執行時卻會失敗。問題根源在於傳統機器人流程自動化（RPA）可靠但缺乏彈性，LLM 具備彈性但協調複雜，需要建構錯誤處理和回溯機制，導致 LLM 在失敗路徑上運行很遠才意識到錯誤。
AWS 給出的破局方案，是將端到端整合與強化學習深度融合。今日正式推出的 Amazon Nova Act，專為建構和管理自動化生產 UI 工作流程的 Agent 團隊而設，在企業級工作流程場景中已實現 90% 的高可靠度。
Swami 博士解釋說，Amazon Nova Act 的獨特之處在於緊密整合的組件——模型、協調器、執行器、SDK 端到端優化。更關鍵的是端到端訓練的理念：不是在「罐子裡培養大腦」，而是讓大腦和手腳一起訓練，出廠就會走路。
Swami 博士詳細解釋訓練方法的創新。傳統的模仿學習讓 Agent 觀察和模仿專家行為，但 Agent 永遠不會理解行為的因果關係。因此，AWS 轉向強化學習，並創建數百個 RL「健身房」——複製模擬的真實企業環境，如 CRM、HR 系統、任務追蹤器等。在這些「健身房」中，Agent 運行數千個工作流程，透過數十萬次互動進行試錯學習。每次成功完成任務 Agent 獲得獎勵，每次失敗獲得懲罰。透過這種方式，Amazon Nova Act 學會可靠地解決真實世界的企業用例。
在 RealBench 和 ScreenSpot 等關鍵基準測試中，Amazon Nova Act 的表現與業界最佳模型相當或更佳。
協作：Amazon Connect 發布 8 項 Agent AI 功能
闡述完四大核心技術支柱後，Swami 博士特別邀請 AWS 應用 AI 解決方案高級副總裁 Colleen Aubrey 登台，展示這些技術如何在實際客戶服務場景中發揮作用。
Colleen 開場即提出核心觀點：「未來數年，'Agent 隊友'將如同身邊的同事一樣不可或缺。」她強調，真正的效率並非「更少的努力」，而是「新產品、新服務、更佳的客戶體驗和新商業模式」。而實現這一切的關鍵，是讓 AI 成為團隊的一部分，嵌入到每個工作流程中。
Colleen 以 Amazon Connect 為例進行闡明。這是一款雲上的 AI 原生全渠道客戶服務應用程式，沿用 Amazon 內部同一技術，在全球範圍內已支援數十億次客戶對話。她透過生動的現場演示，直觀展示人工客服代表與 AI Agent 無縫協作處理信用卡欺詐核查的完整流程。
在演示環節，Colleen 將自己化身客戶。當她發現帳戶上有多筆可疑交易時，AI Agent 首先透過整合 Amazon Nova Sonic 神經聲音的自然語音對話驗證身份，鎖定實體卡但保留 Apple Pay 功能。當需要深入調查時，AI Agent 將 Colleen 無縫轉接給人工調查員 Hector，並自動共享所有上下文資訊，Colleen 無需重複任何內容。
更令人印象深刻的是，Hector 的「Agent 隊友」在短短數分鐘內便完成通常需要數小時甚至數天的欺詐驗證工作。AI Agent 自動分析交易的地理模式，在地圖上標註出可疑位置，並開啟跨其他案例查找模式，迅速確認是一宗 ATM 側錄欺詐。Hector 甚至即場創建一個自訂 Agent，以簡單的自然語言提示定義其行為，讓它持續監控 Colleen 的所有帳戶，一旦發現可疑活動就發送安全訊息。
最後，AI Agent 分析 Colleen 的完整帳戶和交易歷史，主動推薦一個更安全的旅行帳戶，並指出她當晚在 MGM Grand 的晚餐預訂可以享受更佳的旅行獎勵。整個過程流暢自然，展示人類與 AI 的分析能力如何完美結合。
Colleen 宣布，本周 Amazon Connect 發布 8 項新的 Agent AI 功能，包括 Amazon Nova Sonic 聲音整合、實時推薦 Agent、AI 驅動的預測洞察以及多模態協作等核心功能，讓人機客服團隊能真正實現無縫協作。
Colleen 總結道：「未來數年，人與 Agent 結合的團隊模式將從根本上改變工作方式。這不僅是把同樣的事情做得更快，而是釋放我們甚至無法想像的能力。」
自由創造的時代
Swami 博士在演講結尾回歸開場的主題。他說：「還記得你第一次成功編寫程式時的感覺嗎？那種成就感、自由感、解鎖新世界的興奮感。」今天，借助 AI Agent，全球的建構者們每天都在體驗這種感覺。
無論你是在清理海洋、解鎖人腦奧秘，還是解決尚未發現的挑戰，你都擁有建構的自由、從概念到影響的空前速度、解決看似不可能問題的自由。AWS 正透過「易於建構、高效、可信、可靠」四大支柱讓每個人都能建構並運行企業級 AI Agent。未來並非 Agent 能做所有事，而是我們能全然依賴它們做事。
【延伸閱讀】