英國創業人數飆三倍！哪4股力量推動風潮、崛起中的YOLO經濟又是什麼？|數位時代 BusinessNext

英國創業人數飆三倍！哪4股力量推動風潮、崛起中的YOLO經濟又是什麼？

《紐約時報》將年輕人熱衷創業所帶來的全新經濟趨勢，稱為「YOLO經濟」，而這股風潮，在創業風氣相對不盛行的英國，也正在蓬勃發展中。

創業推力1：不希望被工作綁住

全英國感染新冠肺炎的人數約450萬，是目前世界排名第七多，死亡人數更將近13萬人，讓原本正處於事業衝刺期的千禧世代（約26-35歲）頓失安全感，甚至感覺「也許明天我就死了」，在重新審視自己目前的生活後，覺得有太多的時間被綁在工作上，因此決定放棄朝九晚五的型態，希望透過創業，達到生活和工作間的平衡，追求更有質感的人生。

創業推力2：擔心會被公司拋棄

2008年金融海嘯重創全球，導致無數員工失業，直到2015年才正式恢復海嘯前的經濟狀況，許多千禧世代的年輕人當時見到父母被開除，在心中埋下不安的種子。而當這波疫情導致企業裁員新聞頻傳時，這些不安的種子加速膨脹，讓千禧世代決定透過創業，讓經濟和職涯更加獨立，將人生的主控權從公司的手中奪回。

創業引力1：運用存款快速致富

疫情期間因為外出、娛樂消費受限，大部分人因此支出減少、存款增加，這讓較無存錢習慣的英國年輕人頓時手中出現許多可運用的資金，因此更有本錢創業，也更有勇氣承擔離開工作崗位後頓失的穩定收入。同時，股市大漲、加密貨幣價格勁揚，時有新聞報導或網路論壇討論透過大膽投資一夕致富的話題，因此吸引年輕人跳脫傳統框架，希望以自我獨到的方式快速致富。

創業引力2：讓付出更充滿意義

英國大部分千禧世代都是在豐衣足食的環境下長大，而疫情就像無情的戰火，讓他們頓時感到生命的脆弱，因此在歷經浩劫後，希望將有限的生命時光投注在更有意義的事物，將自己的專長發揮在讓自己更有價值、受肯定的領域，因此甚至有高薪的年輕律師、中階主管，決定離開現有的職場，另外找尋讓自己心靈更富足、能夠為自己的付出感到驕傲的領域。

YOLO經濟不可小覷

根據統計，光是今年二月，個體經營的經濟型態就為英國貢獻1,250億英鎊產值，為脫歐後的經濟發展注入了不少幫助。不只是千禧世代創業潮正夯，這股趨勢甚至也延燒到英國Z世代（約16-25歲），這些更年輕的族群，預計在接下來三年內透過手機創立約9千家個體企業，嘗試用不同於傳統的方式來創造財富。

不可否認，能如此勇敢投身創業的千禧世代當中，還是以原本就擁有較多資源的高學歷、高收入族群為主，但也有不少是因為疫情被裁員後，決定放手一搏。創業成功的機率有限，因此這些年輕人很有可能最後還是會需要重回傳統就業環境，但是至少他們為了「你只能活一次」的想法而選擇嘗試新的道路，也為不同世代的人帶來啟發，更珍重、善用自己的生命時光！

責任編輯：郭昱彣、蕭閔云

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。