【觀點】別管楊繡惠和白雲有沒有在一起！這新聞爆紅證實過氣的是電視台們|數位時代 BusinessNext

【觀點】別管楊繡惠和白雲有沒有在一起！這新聞爆紅證實過氣的是電視台們

楊繡惠與白雲十指相扣的假認愛消息，迅速傳遍各大新聞媒體，瞬間引起社群熱議，更是再次證明楊繡惠的吸睛度。然而僅此而已嗎？

產業需要的是舞台，而不是無聊過時的點名遊戲

楊繡惠從秀場時代走的就是女「丑」路線，不同於陳美鳳、李亞萍等人在娛樂觀眾時仍有美艷外型身材的女神形象，他向來是不搶主key、不走高冷路線，甘於女丑自嘲的路線。或許正是因為這點，習慣放下自我、為舞台效果犧牲奉獻的她，經歷了舊時代的崩解，他才能無縫接軌新時代的市場和觀眾--懂得社群經營、懂得去聆聽並與年輕人才及觀眾互動、繼續懂得自我解嘲，而且不斷進步。

當年第一個「撩下來」做網路節目的邰智源，如今在走鐘獎得意非凡，認為自己走在時代的尖端；楊繡惠透過年輕主持人與策劃站上了《狼人殺》和《炎上》舞台，持續獲得喜愛、流量並證明自己老來俏的魅力與實力。事實上，連過去可能被認為最「大牌」的老牌子主持人之一徐乃麟，都站上了《炎上》舞台，而且在《炎上》舞台的他，魅力和段子才真正顯現出來，大家突然發現哇乃哥可以很帥，而且他的功力並不只限於在綜藝節目愚蠢遊戲裡挖苦來賓而已。

這件事，完全證明了電視台在綜藝圈的領域自我放棄、和世界脫節，以及綜藝節目完全失去舞台意義，只剩下溫飽的事實。除了逆反以企劃與卡司勝出的《凹嗚狼人殺》《全明星運動會》《來吧！營業中》和跟沿襲選秀精髓的《聲林之王》《菱格世代》《大嘻哈時代》《原子少年》，都打中了年輕人，而他們也不在電視機前了。觀眾要的是一場SHOW，而不再是尬聊跟尬遊戲！

網路世代要求更高！隨選隨看高水準節目

節目不能再用電視台思維做，當Netflix的蛋糕以及盆景競賽如此好看之時。或者像是《慾罷不能》《The Circle：美國》等紓壓療癒的實境秀，再也沒有大咖主持人能訪到大咖明星，那台灣綜藝節目剩下什麼？要拿什麼拚？

不管是蔡康永、陶晶瑩、小S，他們是不是有才華、有經驗的綜藝人？而他們多久沒有代表作了？人才需要企劃與舞台，去突顯他們的魅力和能力，然而台灣綜藝長期的自我放棄，節目結構與格式都與中國綜藝和韓國綜藝過於相仿，而無特殊性。最終還是連如《綜藝大熱門》等老底子老企劃，也要加上與網路世代的對撞才能突破，不然管這些人再優秀，也只能在小水窪裡聊聊八卦、煮煮菜、賣賣業配商品。

蔡康永為什麼在康熙結束後就直接離開台灣市場，邰智源為什麼那麼早開始做網路節目？秀場時代還留下來的人，為什麼不是退出江湖，就是得自己另闢蹊徑才能闖出一條路？洪都拉斯和郭子乾都主演了重要台劇，羅時豐更是靠著直播成為「國民姑丈」，從零開始一步一腳印做出60萬的Youtube訂閱數。而羅時豐和楊繡惠的共同點，正如報導一針見血指出的：「不倚老賣老、幽默肯學」，他誠懇認真地走進網路社群、和不少網路紅人同台，激盪出新的火花。

社群媒體，跟繞舌一樣，講的是「real」。肯學習、肯real、肯拼肯秀，楊繡惠和羅時豐已然成為掌握社群網路新語言的代表性「前輩」人物，而他們在新的媒介上重新獲得的舞台和鎂光燈，也照映著隔壁早已黯然失色佈滿蜘蛛網的電視綜藝舞台。

未來，舊人物再抱著蜘蛛網舞台覺得這是自己的架子，不聆聽、不學習、不跟上時代，那就不如歸去吧。而如果楊繡惠和羅時豐現在是特例，未來卻成為先聲，那麼台灣的娛樂產業就有希望透過這些願意溝通活絡的人，達成世代合作與和解，再融出新的樣貌！

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場）

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。