會思考、會運算、會推理的AI還有什麼做不到?「女人的第六感」,是演算法都搞不定的事
會思考、會運算、會推理的AI還有什麼做不到?「女人的第六感」,是演算法都搞不定的事

本文摘自《修復未來》,大塊文化出版

人們總是說教育是答案,特別是那些未從事教職、也不在學校工作的人對此堅信不疑。教育是人們應該如何為在新經濟工作重新受訓的方式。教育是孩童發展溫格的「心理自由」、破除網路成癮的地方。教育是——借用斯托布的話——我們學會當人類的地方。雖然以上說法都沒錯,但教育成了每一件事的預設解答。當我們不知道該如何解決某個大問題時,總是把它丟進教室,讓那些低薪超時的老師負責修復。 問題越大、越不定型,我們就越常把它丟給學校來處理。

例如,MIT經濟學家艾瑞克.布林優夫森(Erik Brynjolfsson)和安德魯.麥克費(Andrew McAfee)合著的《第二次機器時代》(The Second Machine Age),探討摩爾定律的經濟衝擊,他們在這本精彩的暢銷書中,將教育列為解決美國未來的頭號政策建議。「把小孩教好」,是布林優夫森和麥克費的結論,並提出調高老師待遇,讓他們教學更負責,尤其是那些「像創造力和非結構式問題解決等難以評量的技巧」。兩人還建議,老師應該利用磨課師(MOOCs)這類新科技,「以低成本來複製優秀老師、內容和方法」。

AI的限制:電腦沒有「瘋狂地帶」

然而,事實是,孩童並沒有被教好,至少在美國是如此。2017年5月皮尤研究中心報告《未來工作和工作訓練》(The Future of Jobs and Jobs Training),向1408名美國資深主管、大學教授、AI專家提出,一連串關於在自動化世界裡教育人們的挑戰。報告結果發現,百分之三十的受訪者對於中小學、大學和工作訓練內容會迅速進化、跟上下一世代的勞工需求表示「沒有信心」。「老闆認為你的工作技能很快就毫無用處」,《華盛頓郵報》對於這份報告結果下了殘酷的結論。

該報告的合著者、同時也是皮尤研究中心主任李.雷尼(Lee Rainie)針對這份報告指出:「人們一直在苦思這個基本的形而上問題:人類擅長什麼?找出這個問題的答案很重要,因為機器與人類混合的世界已經到來,而且將加速發展。

那麼,人類到底擅長什麼呢?特別是,和那些李.雷尼口中「正在吃掉人類工作」的智慧機器相比。

我把這個問題拿去問尼古拉斯.卡爾(Nicholas Carr),他是美國專門探討數位革命中人類成本極受敬重的作家,著有被提名普立茲獎的《網路讓我們變笨》(The Shallows),以及其他關於科技的重量級著作。我來到卡爾的家鄉,科羅拉多州的波德市,與他在一間古怪的塔吉克斯坦餐廳吃著中亞食物,他對我高談形而上學。

儘管他承認當人們給他貼上「人本主義者」的標籤時他會生氣,但他還是生動地區分出人類和智慧機器的不同之處。「電腦沒有瘋狂地帶,它們不能矛盾,也無法設計去處理模稜兩可的情形,它們也沒有直覺,」 他解釋道。

之前提到過,史帝芬.沃爾弗蘭不認為電腦會有「目標」,卡爾也一樣,認為要讓智慧機器變得有自覺、有意識,「簡直難以置信」。「和機器人相比,人類意識最偉大的地方,」他喝口啤酒,說,「是我們可以同時做不同的事情。」

可是,我們該如何把孩童教好呢?我問他。我們該教孩子哪些技巧,讓他們不只有工作可做,還能適應李.雷尼所說的「機器和人類混合的世界」呢?

培養直覺、模稜兩可和自我意識,為人類獨有

卡爾談到豐田汽車最近宣布,在日本某些工廠將以資深技術人員取代機器人。豐田發現這些員工有多年的經驗,能處理工作上不願遇到的模糊地帶。有多年診治病患實務經驗的醫生也具有這樣的直覺。他說,這種直覺絕不可能被演算法取代。卡爾特別提到另一位美國人氣作家馬修.柯勞佛(Matthew Crawford)筆下的「摩托車修理店的未來工作哲學」。卡爾也像湯瑪斯.莫爾一樣,認為人類獨特的價值在於實行,因此,卡爾認為,教育不應該光是知道,還要包括動手去做,這一點和蒙特梭利不無類似。

所以,根據尼古拉斯.卡爾的說法,這就是人類在智慧機器日益當道的時代所擅長、能發揮的地方。因此,教育工作者面臨的挑戰(或契機),就是教會學生機器人或演算法做不到的每一件事情,在卡爾看來,這包括培養直覺、模稜兩可和自我意識,而他認為電腦的局限性很大。 曾在蒙特梭利學校教書的斯托布認為,人類擅長的是自覺和「感召」的觀念。而有三個在家自學的青少年子女的艾伯特.溫格則認為是「心理自由」成就的自我駕馭。

這正是五百年前莫爾在《烏托邦》裡陳述的人本主義教育理想,著重的是無法量化的知識:如何與同儕說話、如何領會自律、如何享受休閒、如何獨立思考、如何當個好公民。然而,這種創新教育如今真的存在嗎?或者,也像莫爾的想像之島一樣,只是個無法實現的虛構想法?

我和馬丁.福特在桑尼維爾的希臘餐廳用餐結束後,往北開上美國一○一號公路,來到帕洛奧圖高中。這間公立學校和史丹佛大學位於同一條路上,坐落於世界冒險之都——矽谷的中央。像史蒂夫.賈伯斯這樣的科技巨擘都會把子女送到這間學校。

2017年皮尤中心公布一項令人不安的報告結果,指出美國教學品質惡劣,儘管如此,還是有一些勇於創新的學校老師成功地幫助學生為智慧機器主導的未來做好準備。我來帕洛奧圖高中找一位馳名加州的老師,想了解她的教學方法。

往下滑看下一篇文章
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路

「代理式 AI 」(Agentic AI)的創新服務正在重新塑造企業對AI的想像:成為內部實際運行的數位員工,提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢:2025 年是 AI 邁向「代理式 AI」的起點,讓 AI 擁有決策自主權的技術轉型關鍵,2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮,企業如何加速落地成為關鍵,博弘雲端以雲端與數據整合實力,結合零售、金融等產業經驗,提出 AI 系統整合商定位,協助企業從規劃、導入到維運,降低試錯風險,成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路,企業該如何走對第一步?

博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題、生成內容的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工,應用場景也從單一任務延伸至多代理協作(Multi-Agent)模式。

「儘管 AI 前景看好,但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出,到了 2028 年,高達 70% 的重複性工作將被 AI 取代,但同時也有約 40% 的生成式 AI 專案面臨失敗風險;關鍵原因在於,企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭,更涉及流程變革與人員適應。

2-RD096270.jpg
博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時加速 AI 落地。
圖/ 數位時代

正因如此,企業在導入 AI 時,其實需要外部專業夥伴的協助,而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力,涵蓋數據、雲端、應用開發、資安防禦與維運,可以一站式滿足企業需求,更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示,許多企業在導入 AI 時,往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵:HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論,並非紙上談兵,而是已在多個實際場域中驗證成效;鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程,正是其最具代表性的案例之一。陳亭竹說明,HAPPY GO 過去曾面臨AI 落地應用的考驗:會員資料散落在不同部門與系統中,無法整合成完整的會員輪廓,亦難以對會員進行精準貼標與分眾行銷。

為此,博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化,完成建置數據中台後,再依業務情境評估適合的 AI 模型,並且減少人工貼標的時間,逐步發展精準行銷、零售 MLOps(Machine Learning Operations,模型開發與維運管理)平台等 AI 應用。在穩固的數據基礎下,AI 應用成效也開始一一浮現:首先是 AI 市場調查應用,讓資料彙整與分析效率提升約 80%;透過 AI 個性化推薦機制,廣告點擊轉換率提升 50%。

3-RD096215.jpg
左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例,許多企業往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。
圖/ 數位時代

整合 Databricks 與雲端服務,打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中,博弘雲端發現,底層數據架構是真正影響 AI 落地速度的關鍵之一,因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台,作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架(Apache Spark)為核心,能同時整合結構化與非結構化資料,並支援分散式資料處理、機器學習與進階分析等多元工作負載,讓企業免於在多個平台間反覆搬移資料,省下大量重複開發與系統整合的時間,從而加速 AI 應用從概念驗證、使用者驗收測試(UAT),一路推進到正式上線(Production)的過程,還能確保資料治理策略的一致性,有助於降低資料外洩與合規風險;此對於金融等高度重視資安與法規遵循的產業而言,更顯關鍵。

陳亭竹認為,Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台,當需要啟動新型 AI 或 Agent 專案時,再切換至 Databricks 進行開發與部署,待服務趨於穩定後,再轉回雲端平台,不僅兼顧開發效率與成本控管,也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程,資訊安全與治理的重要性也隨之同步提升。對此,宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層,企業在導入 AI 應用初期,就應做好資料分級與建立資料治理政策(Policy),明確定義高風險與隱私資料的使用邊界,並規範 AI Agent「能看什麼、說什麼、做什麼」,防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層,當 AI Agent 角色升級為數位員工時,企業也須比照人員管理方式為其設定明確的職務角色與權限範圍,包括可存取的資料類型與可執行的操作行為,防止因權限過大,讓 AI 成為新的資安破口。

第三為技術應用層,除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外,還需導入專為生成式 AI 設計的防禦機制,對 AI 的輸入指令與輸出內容進行雙向管控,降低指令注入攻擊(Prompt Injection)或惡意內容傳遞的風險。

4-RD096303.jpg
博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」,透過完善治理政策與角色權限,並設立專為生成式 AI 設計的防禦機制,降低 AI 安全隱私外洩的風險。
圖/ 數位時代

此外,博弘雲端也透過 MSSP 資安維運託管服務,從底層的 WAF、防火牆與入侵偵測,到針對 AI 模型特有弱點的持續掃描,提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞,更可以即時監控活動,快速辨識潛在威脅。不僅如此,也能因應法規對 AI 可解釋性與可稽核性的要求,保留完整操作與決策紀錄,協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向,」陳亭竹強調,面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時,加速 AI 落地。在這波變革浪潮中,博弘雲端不只是提供雲端服務技術的領航家,更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗,以及完善的資安維運託管服務,博弘雲端將持續協助企業把數據轉化為行動力,在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機,立即聯繫博弘雲端專業顧問

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
2026 大重啟
© 2026 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