比不上賈伯斯、比爾蓋茲作為，祖克柏赴歐洲聽證會遭官員慘電|數位時代 BusinessNext

比不上賈伯斯、比爾蓋茲作為，祖克柏赴歐洲聽證會遭官員慘電

Facebook執行長祖克柏(Mark Zuckerberg)本周赴歐洲議會，接受議員們針對劍橋分析事件的提問，不過這場道歉大會顯得有點多餘、浪費時間，祖克柏避重就輕，選擇性的回答自己想回答的問題。

怪異的聽證會設計，讓祖克柏選擇性答題

「我問了你六個問題，但我一個答案都沒得到。」比利時歐洲議會成員Philippe Lamberts在會議接近尾聲時這麼說道。

這場於歐洲登場的會議與六周前美國的聽證會很不同，因為迫於外界壓力，從原本的一場閉門會議，最後臨時改為一場公開透明的網路直播。比利時代表這麼抱怨不是沒有道理，許多人都期待相隔了六周，祖克柏能不能提出更多讓人耳目一新的說詞，但卻被獨特的會議形式破壞了當初的期待。

不同於美國聽證會上長達五個小的輪番提問，歐洲的這場會議，一開始祖克柏先朗讀了事前擬定的聲明，接著在場的12位歐洲議會代表，用了超過一小時的時間，提問了大量的問題，祖克柏同時一邊做筆記紀錄，在所有人提問結束後統一回答，但最後祖克柏回答的時間只剩下七分鐘，且議員們不能在事後追問問題。

除了拷問祖克柏，更像是宣傳GDPR的舞台

「在過去幾年中，我們沒能很好阻止自己開發的工具被用來做壞事，不論是假新聞、國外團體干涉總統選舉，還是開發者濫用用戶數據，我們都沒能履行好自己的職責，這明顯是錯誤的，我在此進行道歉。」會議一開始，祖克柏再度以道歉拉開序幕。

這次的聽證會比起得到祖克柏更多的說法，也許歐盟更想藉由這個機會好好向世界宣傳，三天後將上路的「歐盟通用資料保護規則（GDPR）」，違反的企業將面臨年營業額4%的罰款，藉此向外界傳達「數據隱私是目前歐盟最關注的事項」的訊號，而社群巨頭濫用個資就是一個完美的例子。

毫無意外的，這次的問題依舊圍繞在隱私，議員們想知道Facebook 可不可以保證劍橋分析事件絕對不會再次發生、要如何遵守GDPR的細則、用戶是不是能掌控自己的資料，也有人問到Facebook是否會開發一項產品，讓用戶可以選擇不要成為廣告投放的目標，另外還有假帳號、假新聞的問題，以及是否能保證不再受到外國勢力操控、WhatsApp及Facebook資料會不會被雙向蒐集。

祖克柏維持他一慣的基調，並沒有逐一回答，他表示公司絕對會遵守將上路的GDPR 規範，為了符合這個精神，Facebook將推出「一鍵清除歷史資料按鈕」功能，允許用戶刪除所有儲存的cookie、瀏覽歷史。

永遠不會完美的Facebook

至於劍橋分析，祖克柏表示公司還必須花上幾個月的時間，才能確保平台上完全沒有惡意第三方App的存在，認為未來一定還會有惡意App出現，但公司絕對會盡全力阻止用戶被惡意侵害，同時也研發更多AI工具，協助揪出不良的內容與帳號，「我們的目標是要讓AI主動審查內容。」祖克柏認為未來的狀況一定會如同貓捉老鼠，因為廣告商也會開始使用AI工具，「在這點上，我們永遠不會完美。」他說。

至於仇恨言論跟假新聞，他重申公司會聘請數以萬計的審查人員，來解決這項問題，另外還特別強調Facebook在歐盟的大舉投資，目前公司總部設在愛爾蘭、第二大工程團隊在倫敦、AI實驗室在巴黎、數據中心在瑞典和愛爾蘭，2020年還將在丹麥增設一座數據中心，並承諾今年（2018）年底，Facebook會在歐洲增聘1萬名人力、2020年前會為高達100萬名民眾、小企業提供數位技能培訓。

議員們花了一個小時提問，祖克柏只有不到10分鐘時間應答，因此有機會避答定位廣告、WhatsApp資料共享，以及蒐集非Facebook用戶資料等關鍵性問題。歐洲自由民主黨聯盟領導人居伊·伏思達（Guy Verhofstadt）最後說道：

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。