他實測Perplexity Computer，找贊助、爬數據免自己動手！5個實用場景一次看|數位時代 BusinessNext

AI 新創 Perplexity 推出的 Computer 功能，正試圖回答一個老問題：AI 代理（AI agent）什麼時候才能真的替人做事？

根據創業家格雷·艾森伯格（Greg Eisenberg）在自己的 Youtube頻道的實測影片，答案比許多人預期的更接近現在。

Perplexity Computer 不同於傳統 AI 聊天工具需要使用者一問一答，Computer 接收目標描述後，會自動分解任務、並行執行多個子流程，僅在需要確認時才暫停等待。目前僅向 Max 方案訂閱用戶開放，月費 200 美元，定位為在雲端運行的通用數位工作者。

實測期間，艾森伯格連結自己的 Gmail 帳號，指示系統從競品 Podcast（包括TVPN、My First Million、All-In、20VC、Acquired）的廣告商名單中找出潛在客戶，撰寫個人化開發信並直接寄出。系統在約 30 分鐘內識別出 96 組潛在廣告主，全程幾乎不需人工介入。

讓人印象深刻的不是速度，而是「知道該找誰」

艾森伯格在節目中特別點出一個細節：當他要求聯繫 Shopify 或 Figma 等企業時，系統沒有直接寄信給執行長，而是主動判斷「贊助 Podcast 的決策者通常是品牌行銷或合作夥伴主管」，並轉而尋找相應聯絡人。

這種判斷力，是過去多數 AI 工具缺乏的。

系統在搜尋聯絡資訊的同時，還能參考對方近期在社群平台 X 上的發文，生成帶有具體細節的開發信，例如引用 Shopify 執行長托比·盧特克（Tobi Lütke）最近分享某 MRI 分析工具的貼文，直接寫入信件內容，讀起來不像範本，更像人工撰寫。

除了主動外展任務，實測也涵蓋競品情報監控：系統可設定每天早上 8 點自動掃描指定競品的官網、新文章與社群動態，有異動才發送通知，否則靜默。艾森伯格請 Computer 即時跑一次模擬報告，系統立刻取回各 Podcast 最新單集資訊與主持人近況，格式相當清晰。

艾森伯格測試了五個專為創業者設計、能輔助投資規劃與提高生產力的應用場景，以下分別介紹：

一、批量寄出個人化開發信

這項應用不用自己一封一封研究客戶再寫信，從競品平台的廣告商名單出發，系統自動研究每家公司最近在做什麼、誰負責廣告預算，鎖定負責 Podcast 贊助的品牌行銷主管而非執行長，寫出讀起來像人工撰寫的個人化開發信，並透過連結的 Gmail 直接寄出。

還可自動設定第 3 天、第 7 天的追蹤信，並建立每週監控機制，一旦競品 Podcast 出現新廣告主，立即通知並附上聯絡窗口。

二、自動化競爭對手情報監測

可設定每天早上 8 點自動掃描指定競品的官網定價變動、新功能公告、最新文章，以及 X 上的相關提及。

有異動才會發送通知摘要，沒有變化則保持安靜，等同於一個持續運作、不需管理的競品情報部門。

三、投資人管道的深度研究

在進行募資前，這個場景能快速完成大量的創投公司 (VC) 調查。

系統會同步在網路、社群媒體及 LinkedIn 上進行研究，篩選出數十家創投最新的基金規模、合夥人資訊、近期投資項目等，並整理成一份結構化的 Excel 試算表，讓創業家在聯繫對方前就掌握足夠背景。

四、Podcast 內容一鍵多平台再製

這個自動化工作流可以將 Podcast 錄音檔，快速轉換為多種行銷素材。

上傳一集 Podcast 錄音，系統自動轉錄並加上說話者標籤，產出完整部落格文章、5則可直接發布的 X 貼文，以及 LinkedIn 輪播格式內容，還能挑出最值得引用的金句。對於定期產製內容的創作者，設定一次就能讓這個流程自動跑。

五、即時投資備忘錄生成

只要輸入單一公司的股票代碼，系統就能建立一份完整的投資研究備忘錄。

它會自動抓取最新的財務數據、法說會重點、與競品的各項比較，並將其利潤與成長率與同業進行比較，再加上分析師與財經社群的討論，最後將這些資訊與數據彙整成一份帶有圖表的精美 PDF 報告，省去自己東拼西湊的時間。

延伸閱讀：Perplexity Computer比龍蝦更狂的10組提示詞！寫程式、理財研究到行銷專家⋯領域一次看

資料來源：Startup Ideas

本文初稿為AI編撰，整理．編輯/ 蘇柔瑋

1973 年，良興從台北光華商場一間 50 坪的電子零件行起家，半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過，伴隨規模擴張帶來的不只是成長，還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆，加上跨部門協作頻繁，行政耗損與知識傳承的缺口，成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧，從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營，作為 3C 零售業者，良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能，就是良興第五波轉型的核心命題。」

AI 自動化，從行政細節釋放組織戰力

轉型需要夥伴，而賴志達評估合作夥伴的標準很明確：技術能力是基本，產業知識（Domain Know-how）的深度是關鍵，回饋速度更是最終決定因素。2025 年的未來商務展上，良興選擇攜手 Data-DI，看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的，良興與 Data-DI 合作的第一個專案，就落在最耗費人力、卻最常被忽視的環節：會議記錄。「會議如果沒有產值、沒有效果，對企業很傷！」賴志達說，他每天參加許多會議，但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理，常出現人名誤植、決策遺漏、行動項目無人追蹤，讓會議效果大打折扣。

為了解決會議記錄的痛點，Data-DI 業務副總包威棣指出，在導入工具以前，團隊須先釐清三件事：場景是否具備落地價值、哪些流程節點適合 AI 介入，以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問，都決定 AI 能否精準落地。

確認方向後，良興與 Data-DI 成功導入 AI 會議記錄自動化系統，透過模糊比對技術校正語音辨識誤差，並將生成的雙版本報告直接回存至既有資料庫，不僅將行政人員從重複性作業中釋放，也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享，現在他去外部開會也會用這個工具，運用 AI 把錄音轉文字、再整理成簡報，很快就能完成，更令外部夥伴驚艷。「我認為這是很成功的案子！也提醒想做 AI 的老闆們，與其急著搞大架構，不如先從小工具讓公司嘗試 AI，建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後，良興接著切入更深層的營運核心：知識傳承。過去，頂尖銷售經驗長期鎖在少數資深員工身上，新人培訓耗時三個月，員工離職即帶走知識資本。與此同時，網路資訊發達，消費者進店前早已掌握基本規格，3C 通路門市人員要如何發揮更多價值？「我要門市的人不是死背規格，而是面對客人時，能用客人能理解的方式對話。」賴志達說。

為此，Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡，串接教材生成、審核上架、AI 銷售對練與成績回報，主管僅需在核心節點審核；員工透過手機語音對練，系統依口吻、專業度、回應力等維度自動評分。賴志達表示，目標是將新人培訓期縮短至一個月，讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而，要讓這套系統真正運作，得先解決兩個根本問題：資料從哪裡來？以及訓練如何更準確？

「以前大數據時代，講的是資料要大、全、細、實；現在 AI 要做到的是準（準確）、合（合乎場景）。」包威棣說。良興不同廠商提供的素材品質參差不齊，Data-DI 除了整合內部資料，也補充加入外部市場評測內容以填補空缺，再透過人員審核機制過濾雜訊，搭配 agent 架構的多層步驟與知識限定，確保系統能精準提煉對應品類的訓練素材。

賴志達則看得更遠：「這些教育訓練的內容，也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問，帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中，雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步，賴志達表示，公司各部門很早就建置 Power BI 報表，但數據豐富不等於決策清晰。「數據是土壤，如果沒有梳理，就沒有用了。」因此，他的下一個目標是活化數據資本、推動行銷自動流，以精實的人力持續驅動成長。

包威棣則從顧問視角歸納兩個觀察：AI 導入需要高層認同、由上而下推進，像賴志達這樣持續引領良興走在業界前端的決策者，就是不可或缺的推手；而單點工具的價值，終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構，人員訓練改變了知識傳承的方式。從點狀應用走向企業變革，這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後，對於仍在觀望AI應用的企業，他則建議：「未來 AI 導致的落差只會愈來愈大，人會變成超級工作者，企業會變成超級企業。開始做就對了，先做一個三個月的小任務，降低落差、再急起追上。」從痛點切入、小步快跑，讓組織在實作中累積對 AI 的理解與信任，這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊，請查詢網站：https://www.data-di.com/

他實測Perplexity Computer財務規劃！找贊助、爬數據免自己動手，5個實用場景一次看