> For the complete documentation index, see [llms.txt](https://library.zoom.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://library.zoom.com/technical-library/zh-tw/ai-whitepaper/jian-jie-zoom-de-ai.md).

# 簡介：Zoom 的 AI

人工智慧正迅速演進，並成為日常生活不可或缺的一部分，從大型與小型語言模型到專門的演算法功能，無所不在。生成式 AI 讓人與機器之間能夠無縫互動，用於內容創作、問題解決與決策制定；同時，AI 也存在於更專門的應用之中。自動化工具可簡化工作流程，而字幕與翻譯等服務則打破溝通障礙，使協作更有效率且更易於使用。隨著 AI 持續進步，其應用正透過提升效率、準確性與創新來重塑各行各業，從根本上改變企業的運作方式。

鑑於 AI 在現代職場中日益重要的角色，本文件將說明 AI 如何在 Zoom 平台中被運用。它描述了 Zoom 的共享 AI 基礎、內建於不同 Zoom 產品中的產品專屬 AI 功能，以及作為更廣泛 AI 工作介面的 ZoomMate，協助使用者從對話走向完成。這些章節合起來，旨在幫助讀者了解 Zoom 如何在溝通、協作、生產力與後續跟進等方面運用 AI。

## **Zoom AI**

Zoom AI 是共享的人工智慧層，為 Zoom 平台上的 AI 啟用體驗提供動力。它包含 Zoom 用來在其產品中提供智慧功能的更廣泛 AI 技術、模型與支援系統。實務上，Zoom AI 是基礎，使 Zoom 能在溝通、協作、生產力與後續跟進等方面提供 AI 輔助體驗，而不只是將 AI 限制為單一獨立功能或應用程式。

這個共享的 AI 層同時支援 ZoomMate，以及各種產品專屬功能，例如即時翻譯、轉錄、會議中提問、個人音訊隔離、聊天撰寫和其他 AI 輔助體驗。它包含 Zoom 的多模型與多部署 AI 方法，包括其聯邦式架構、Zoom 托管模型 Plus（ZM+）、僅限 Zoom 托管模型（ZMO）以及內部部署 AI 方案。這些方法共同構成 Zoom 平台上 AI 的技術基礎。

## **AI 功能**

#### <mark style="color:藍色;">AI 功能：內嵌式 AI 能力，於 Zoom 產品中提供聚焦協助</mark>

Zoom AI 功能是產品專屬能力，會在特定 Zoom 產品與工作流程中使用人工智慧，通常直接嵌入產品體驗中，並在任務發生的地方提供協助。它們的設計目的是幫助處理特定活動，例如摘要會議、撰寫聊天訊息、建議電子郵件回覆、在即時會議中回答問題，或產生通話後摘要。

這些功能可以在其出現的產品中獨立運作，但也能產生支援更廣泛 ZoomMate 體驗的輸出。例如，Zoom 會議結束後產生的會議摘要，之後可能成為 ZoomMate 的有用背景資訊；而像 Chat Compose 或 Meeting Questions 這類功能，則主要是為了協助當下那個產品體驗。如此一來，Zoom AI 功能便構成 Zoom 中分散式、產品層級的 AI。

例如，涵蓋會議、聊天、白板、活動、郵件、行事曆與電話等功能，包括會議摘要、會議中提問、轉錄、我的筆記、聊天撰寫、聊天摘要、頻道摘要、翻譯、電子郵件草擬與回覆、排程協助、通話摘要、語音信箱功能，以及任務擷取。

## **ZoomMate**

#### <mark style="color:藍色;">ZoomMate：您的智慧型 Workplace 隊友，協助您從對話到完成，成就更多</mark>

ZoomMate 是 Zoom Workplace 平台核心中的智慧型對話式數位隊友，旨在提升生產力、簡化協作並減輕員工工作負擔。

如今，AI 工具正日益融入現代勞動力之中，且不再侷限於執行特定任務——例如自動化資料輸入、撰寫電子郵件、產生報告或執行基本演算法功能。相反地，新興 AI 工具代表著一種變革性的轉變，從根本上改變了我們的工作方式。ZoomMate 正體現了這一點，它不只是簡單的任務自動化，而是作為一位專屬隊友，幫助使用者從對話到完成，達成更多成果。

例如，假設一位業務主管正為一場高風險的客戶會議做準備。工作可能從最近一次 Zoom 會議開始，團隊在會中討論客戶的優先事項、競爭風險與尚未解決的技術問題。根據這段對話，Zoom 的 AI 功能可以產生會議摘要、識別待辦事項，並呈現指派給不同團隊成員的後續責任。接著，使用者可以轉向 ZoomMate 延續這項工作，而不必在另一個工具中重新開始。

利用來自 Zoom Workplace 與連接系統的背景資訊，ZoomMate 可以彙整會議摘要、檢視相關聊天討論、參考 Zoom Canvas 中的支援資料、從連接的 CRM 擷取客戶背景，並整合來自核准的內部或外部來源的額外研究。根據這些整合後的背景資訊，ZoomMate 可以協助產出客戶簡報、起草提案大綱、建立後續任務，以及生成結構化的策略文件。如果使用者需要展示這些工作，ZoomMate 也能使用 Zoom Slides，協助將相同的底層背景資訊轉化為簡報素材。

ZoomMate 與傳統生成式 AI 助理不同之處在於，工作不會止於摘要或草擬。ZoomMate 可以協助將背景資訊貫穿整個流程，從原始對話、已做出的決策，到後續的文件與行動皆可延續。在這個意義上，ZoomMate 與其說是一個單一用途工具，不如說更像一位職場隊友，幫助使用者串連資訊、協調後續跟進，並將進行中的工作轉化為完成的成果。

## **介面協定**

在進一步了解更詳細的功能與資料流程之前，先理解一些支援 Zoom AI 能力的底層協定會很有幫助。本節將說明 Model Context Protocol（MCP），這是一項領先的互通性標準，有助於 AI 連接工具、資料、工作流程與其他代理程式。

### 模型上下文協定

#### <mark style="color:藍色;">模型上下文協定（MCP）：連接 AI 與工具，以完成更多工作的標準</mark>

作為其 AI 架構的一部分，Zoom 使用模型上下文協定（MCP）——一種開放標準，可在模型、工具、資料來源與工作流程之間建立安全連線。MCP 在推進代理式 AI 方面扮演關鍵角色，因為它取代了每家公司都必須各自建立與維護的客製化整合需求。取而代之的是，它提供一個共享且結構化的架構，以一致的方式將能力暴露給 AI 模型。這個基礎使 AI 系統更像智慧代理，不僅能回答問題，還能直接在使用者所依賴的系統中採取行動。

如需更多資訊，請參閱 Zoom 開發者文件中關於 [Zoom 上的 MCP](https://developers.zoom.us/docs/mcp/).

#### <mark style="color:藍色;">MCP 在實務中的運作方式——就像從菜單點餐一樣</mark>

從核心來看，MCP 建立在客戶端—伺服器模型之上。可以把 AI 環境（如 ChatGPT 或 Claude）想像成一個想要完成工作的客戶端，而外部系統（如 Jira、Confluence 或資料庫）則是提供其可執行內容的伺服器。每個伺服器都提供一份清楚的功能清單——例如「搜尋知識庫」或「建立任務」。接著，AI 客戶端會在對話過程中決定何時以及如何使用這些功能。

換句話說，將 AI 與 MCP 伺服器連接，就像在餐廳點餐一樣。你（AI）走進餐廳，拿到菜單（經由 MCP 伺服器提供的一系列服務或功能），然後你（AI）告訴它你想要什麼，它就會回應。對於哪些功能可用、哪些不可用，不需要猜測——所有內容都已在菜單上一開始就提供。

以下章節將提供 MCP 運作方式的更多細節：

#### <mark style="color:藍色;">步驟 1：透過伺服器公開能力</mark>

任何系統都可以執行 MCP 伺服器。該伺服器充當「菜單」，以結構化方式發布其支援的動作說明。例如，Jira 可能會發布像「搜尋議題」或「更新工單」這類功能。由於這些功能遵循 MCP 的共享格式，AI 可以立即理解它們，而不需要客製化工程。

#### <mark style="color:藍色;">步驟 2：AI 作為客戶端運作</mark>

另一方面，AI 環境扮演客戶端的角色。它會讀取可用功能的菜單，記住它們，並在回應使用者時決定要呼叫哪一個。這表示 AI 不需要事先針對數千種可能的整合進行編程——它只需要在連線建立時了解有哪些可用功能。

#### <mark style="color:藍色;">步驟 3：安全地傳遞上下文</mark>

MCP 也定義了上下文與權限如何被傳遞。這有助於確保當 AI 使用某項功能時，只會在使用者被允許存取的範圍內運作。例如，如果使用者只有權限查看其團隊的 Jira 工單，MCP 會確保 AI 遵守該範圍。這個安全層正是 MCP 適合企業使用的原因，因為敏感資料與存取控制是不容妥協的。

#### <mark style="color:藍色;">為何 MCP 重要</mark>

透過標準化 AI 與外部系統的連接方式，MCP 消除了客製化整合的摩擦，並確保安全性與一致性。使用者因此受益，因為 AI 不僅能回答問題，還能以順暢且安全的方式，在多種工具之間採取有根據的行動。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://library.zoom.com/technical-library/zh-tw/ai-whitepaper/jian-jie-zoom-de-ai.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.