[年假書摘]《他是玩真的！》：賈伯斯之後，你一定要認識的創業家：伊隆．馬斯克|數位時代 BusinessNext

未來產品打造未來生活

大家都知道能源未來非常重要的課題，而多半汽車公司都是以油電混合車來試探市場，但是Tesla則幾乎是用一己之力來推動純電動車。雖然Tesla花了五年的時候才推出第一款跑車等級的純電動車，而且總銷量僅2250輛，但是第二款Model S卻在短短兩年時間就吸引各方注目，光是2013年就在全球賣出2.23萬輛，而且今年也順利打入中國市場，搭上中國正準備大力推廣電動車的時機，未來Tesla的潛力不可限量。

SpaceX是第一間有能力發射太空船並回收的私人公司，花了10年的時間，發射了一枚火箭到國際太空站，並拿到了美國航太總署16億美元的合約，接著計畫在2017年能夠重新啟動美國載人太空計畫。

SolarCity是一個針對家用的太陽能發電服務公司，包含太陽能面板租賃、設計、安裝和施工等，目前是美國太陽能發電系統的龍頭。租賃計畫是讓屋主能夠用低價租賃太陽能發電系統安裝在自己的屋頂上，降低家用電費。

Hyperloop則是一個從連結洛杉磯到舊金山之間的新型態交通概念，乘客理論上能在半小時能移動約560公理的距離（從洛杉磯開車到舊金山一般約需五到六小時），根據馬斯克的說法，Hyperloop是「協和號飛機、磁軌炮、空氣曲棍球桌」的結合，會成為汽車、飛機、火車、船之外的第五大交通支柱。

這樣一個會影像未來人類生活四大產業的創業家，我們能夠從他身上學到的東西，肯定不亞於蘋果的賈伯斯、微軟的比爾蓋茲、臉書的佐伯格、Google的佩吉和布林，或是亞馬遜的貝索斯，但是在中文世界中，我們很少看到對馬斯克一個完整的介紹，也比較少看到有人從這些故事中，思考我們能夠獲得啟發有哪些，這也是這本書的起因。

伊隆•馬斯克是個工作狂，據他自己表示，他常常一週要工作超過100個小時；馬斯克從小在南非出身、轉去加拿大念大學最後在美國連續創業好幾公司；馬斯克有過兩次婚姻，在第一段婚姻生了五個小孩（一對雙胞胎還有三胞胎），第二段婚姻則是跟一個年輕貌美的女演員泰露拉萊莉（Talulah Riley）；他可以念史丹佛大學的物理博士班，卻只念了兩天就休學；他從小就愛看書和喜歡技術，而許多他讀的科幻小說中的內容，似乎正是啟發他現在從事事業的原點（太空旅行）……

或許目前他從事的事業影響台灣人還不多（電動車、太陽能、太空旅行、加州高鐵），所以對他的報導並不多，但任何一個他現在的事業都是在影響全世界未來10年甚至20年的樣貌，都值得我們細細琢磨和思考。畢竟，台灣不可能置身於世界潮流之外，未來我們和所有的華人一定面對電動車滿街跑、太陽能等再生能源比重加重，以及往太空探索越來越普及的世界，而現在，就是我們該開始認識這一切最好的時候。

本書並非僅是要單純介紹伊隆•馬斯克的生平或是幫他立傳，而是希望透過描繪伊隆•馬斯克的故事，從中分享一些值得所有人學習的部分。

AI 智慧代理人時代來臨！三大導入階段， AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」。

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」（Agentic AI），在最少人為干預的情況下，自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾，而是需要對AI有正確認識，並制訂循序漸進的導入流程，才能真正發揮AI功效。在2025台灣人工智慧年會中，cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段，深入剖析企業如何從概念驗證（PoC）階段，逐步推進到實際上線（Production），並分享實務經驗與觀察。

延伸閱讀：生成式AI可以怎麼用？cacaFly現身說法，助企業應用GCP服務智慧轉型

解鎖 Agentic AI，企業邁向多任務智慧代理

「很多公司會問，One AI 要做什麼事？但實際上，若要讓 AI 回答公司內部政策或新法條的相關問題，僅靠基礎模型並不足夠。」吳振和指出，要讓 AI 真正成為能「做事」的智慧代理人，前提是它必須理解企業內部的脈絡與知識，並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符，這意味著系統必須具備持續爬取與解析最新資料的能力。為此，企業必須先截取與整理內容，再建構成專屬的知識庫（Knowledge Base），確保資料品質達到可用標準後，再透過檢索增強生成（Retrieval-Augmented Generation, RAG）技術，使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀：從資料清洗到 RAG，大型語言模型的必需品，做出專屬企業的 AI 知識庫！

吳振和強調，這是一個動態循環的過程：從資料蒐集、品質控管、知識庫建構到生成應用，每一環節都息息相關，任何一處鬆動都會影響最終產出的準確性與可信度。

破除「一次到位」迷思，從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望，因此常將 PoC 視為年度計畫的重點，希望能「一次到位」做出具體成果。但吳振和提醒，若缺乏清楚的系統工程思維，PoC 容易淪為「概念展示」，難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程，分為三個關鍵階段：

1.第一階段：可行性評估（Feasibility Study）
企業必須在投入資源前，先明確界定「最需要被 AI 解決的關鍵問題」是什麼，並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性，更要從商業目標出發，釐清導入 AI 的具體使用情境、預期成效與風險邊界，如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段：系統設計與驗證（Design & PoC）
在確定導入方向後，必須規劃清楚資料蒐集與整理流程，確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調，這個階段不能只追求展示效果，而應以「產品化思維」來構築 PoC，使其具備可擴充性、可維護性及安全性，才能為後續上線打下基礎。

3.第三階段：產品化與營運（Production & Operation）
當 PoC 驗證完成後，進入正式上線階段，挑戰也隨之而來。除了需要整合企業內部系統與流程，還必須建立持續監控與維運機制，確保模型表現隨時間演進不會劣化，並能快速回應法規變動或資料更新的需求。吳振和指出，這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

建立模型優化根基，打造高品質的黃金資料集

吳振和特別強調，要讓 Agentic 系統工程真正發揮效益，企業必須先建立一套高品質的「黃金資料集」（Golden Dataset），作為模型評估與優化根基。他指出，黃金資料集的價值在於能為模型選擇與前測提供客觀依據，讓團隊能針對不同任務挑選最適合的模型，避免導入初期就誤踩方向。

同時，黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點，進而快速回應「模型飄移」（Model Drift）的風險。吳振和說明，所謂模型飄移，指的是即使模型本身未經改版，效能也可能隨著環境與資料變動而突然下降，導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果，團隊才能即時察覺效能衰退，並進行迭代更新，確保系統長期穩定運作。

從小規模應用起步，漸進擴展至核心業務

吳振和分享，在實際輔導企業導入 AI 的經驗中，最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證（PoC）階段即可呈現完整的產品原型，然而實際情況顯示，若企業未能建立完善的資料架構與流程基礎設施，即使短期內展現亮眼成效，也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時，應採取漸進式策略，從小規模應用場景著手，逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節，而非獨立的一次性專案。

AI 的導入不僅是一場技術升級，更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局，才能確保 AI 能在企業內部真正「落地生根」，創造長期商業價值，成為真正的智慧代理人。