網路老兵維基創辦人 Jimmy Wales 不死,再戰 2018 科技趨勢
網路老兵維基創辦人 Jimmy Wales 不死,再戰 2018 科技趨勢
2018.07.04 | 策略
你有沒有發覺,現在上網的環境已經與 10-15 年前很不一樣了?

你會用手機上網,可能根本不透過通用瀏覽器,例如電腦上的 Google Chrome(用的是特定 App 或軟體工具)在傳送或閱讀資訊;最近又有一大堆關鍵字是 GDPR 的企業 email 寄到你的信箱,提醒你他們很重視你的隱私權與你可以帶走或銷毀資料的權利;與此同時,周遭還有很多人在討論到底該不該賣掉股票買比特幣。但可能唯一不變的:凡是你不知道這個關鍵字是什麼意思,不知道某個特定網站的網址,或需要知道有關特定領域知識時,你會打開搜尋引擎,點進某一篇維基百科。閱讀它、相信它、引用它。

這個當初創立維基百科,力排眾議說要讓網友自己來貢獻、自己來寫百科的 Jimmy Wales (聽說科技圈外的人都不知道他是誰),對於最近網路世界的變化很有意見。除了決心創立預計透過群眾智慧自動修正的維基論壇報(WikiTribute);大聲疾呼虛擬貨幣是泡沫,但政府不該忽視區塊鏈科技所可能帶來的創新;還與一堆網路先驅力批歐盟議會將在七月正式通過的版權法案,認為該法將使網際網路變成自動監控使用者的工具。

jimmy wales 2112615614_8db68fd198_oresized@1280.jp
維基百科創辦人吉米·威爾斯(Jimmy Wales)

江湖(真的不只是 Twitter)人稱 Jimbo 的 Jimmy Wales 在 6 月 12 日,聯合我們現在幾乎每天用的全球資訊網, (WWW, World Wide Web)發明者 Tim Berners-Lee 、TCP/IP 的發明者 Vint Cerf 還有 70 幾個網路與數位科技界的先驅與有名人士,對歐洲議會發出一封公開信,反對日前後者剛通過的數位單一市場版權法案(Directive on Copyright in the Digital Single Market)第十三條:「要求網路平台採用自動化過濾程式檢查所有上傳內容」,基於他(們)是網際網路的原建構者與先驅,他們此舉將網際網路原本作為鼓勵分享與創新的開放平台,轉而成為自動監控與控制其使用者的工具。

如果這個法案通過,meme 這類常透過自動抓取工具彙整不同新聞來源內容的網站馬上因為版權問題要倒。「因為歐盟討厭他們。」商業科技新聞網站 Business Insider 甚至直接在一篇新聞文章標題上如此強調。

虛擬貨幣與區塊鏈正處泡沫,但政府應該謹慎面對

稍早以前,這位網路老兵更直接在歐洲最大的虛擬貨幣會議「BlockShow Europe 2018」大會主題演講上,大聲認定虛擬貨幣與區塊鏈正處泡沫

Jimmy Wales 說
現在,我們正完全、絕對處在一個虛擬貨幣世界的泡沫,我不認為有太多人會否定這點!

事實上,Jimmy 呼應了許多知名人士最近幾個月在一些公開會議上對於區塊鏈與比特幣裁決的質疑。「我不是在告訴你明天泡泡就會破,事實上,情勢只會更加緊張。」他繼續強調「你唯一對泡沫所知是你永遠不知道他什麼時候會結束,也許明天破,也許不是;但重點是:它會破!」

許多人只知道 Jimmy Wales 共同創辦了維基百科(Wikipedia)卻不知道他更早曾創辦維基百科的前身 Nupedia、成人網站 Bomis,也常為對政治與經濟還有網路發展發表看法,甚至上美國國會作證影響法案決策。這個常常創業失敗的 Jimmy Wales 在德國柏林唱衰虛擬貨幣、但強調「失敗是一切創新之母 (failure ia an essentail part of innovation)的一番話,引起了許多幣圈媒體議論。

Jimmy Wales
Jimmy Wales 在創用授權決策會議上

這個達康泡沫世代的網路老兵,強調泡沫不是沒有價值;泡沫意旨裡頭有很多雜音、有很多熱錢湧入、很多投資項目沒什麼道理。這意味著有許多專案將會失敗,也意味著有很多瘋狂事,包含偷拐搶騙會發生,所以人們應該小心一些。Jimmy Wales 說自己其實不是虛擬貨幣的投資者,因為他根本幾乎不是各種項目的投資人;但他提及自己的確因為某些專案的緣故,手頭曾有些虛擬貨幣,不過,他卻不打算在區塊鏈領域做些什麼。

憂心新聞行業資金斷鍊,將使全球走往不幸

「很多人對我簡報各種關於新聞領域的點子,但我覺得大多數聽起來沒什麼道理。」他表示,到了自己這個年紀,他不想在個人根本不信的人們身上攢錢;所以,直至他找到理論說得通、對他本人也有足夠意義的專案就會投入。就算有些人提到,虛擬貨幣或區塊鏈科技可以解決發生在諸如臉書的劍橋數據醜聞上這類如此大的隱私權問題,Jimmy Wales 也不這樣看。他認為,劍橋數據醜聞可說對大眾上了一克,讓他們開始重視自己分享所有資訊所帶來的後果。「這後果不一定是壞的!」對於網路服務根據你的偏好投放給你相關的廣告,Jimbo 認為這是合理的商業作法。

Jimmy Wales
Jimmy Wales 2006 年於台北 Wikipedia 座談會
圖/ 賀大新攝影

「如果今天我因為喜歡船而得到關於船的廣告,這沒什麼錯。」 Jimmy 說,「但是如果有政客想用這個資訊去創造些困擾,用我喜歡船這件事情來玩政治遊戲,問題就大了!」他說。Jimmy Wales 也非常關心新聞行業長久以來承受的巨大收入壓力。「這會導致全球走往不幸!」他認為,全球正因為網際網路的發展走往不利於新聞行業發展的方向,他認為該找到些方法去支持傳播業,這也是他基於事實新聞,成立 WikiTribute 的理由之一。

關鍵字: #維基百科
往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
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」(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。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

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。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓