3.0什麼時候來|數位時代 BusinessNext

二○○七是Web 2.0概念暴炒的最後一年，當所有事都冠上2.0，從網路到行銷再到投資，市場和讀者一再被一個單薄的觀念疲勞轟炸，也到了忍耐2.0的時候，誰再多提起這個詞就要犯眾怒，實在是夠了。

Web 2.0象徵網路翻身
2.0這個概念，最早是從美國女性趨勢專家伊瑟．戴森（Esther Dyson）所出的書《版本2.0》（Release 2.0）衍生而來，在美國也因而發展出一本專談電子商務的雜誌《Business 2.0》，並在二○○四年被美國網路圈子借用，以Web 2.0來描述走出二○○○年谷底的網路行業。

2.0被到處借用，與其說它的影響力鋪天蓋地，遍及了全球，不如說是在資訊彷如光速流動的網路時代，我們卻面臨了詞窮和概念貧乏的窘況。

全世界都一樣，各種商業模式不斷出現，但是表達能力不斷下降，只能一再用同樣的辭彙和語境來表達不同的事，但最終卻殊途同歸，都講成一件事。

連暢銷書《世界是平的》作者湯瑪斯．佛理曼（Thomas Friedman）在描述他的世界觀時，也用「全球化1.0」、「全球化2.0」、「全球化3.0」來畫分，並被世界各地的讀者奉為圭臬，由此就知道2.0這個名詞，氾濫的程度比黃河決堤還快。

我對2.0已完全倒盡胃口，Web 2.0和所有的2.0，都讓它留在二○○七吧！我更關心的是，Web 3.0會是什麼樣子？什麼時候會來？

移動與無線網路巨變
到二○○七年底，全球上網人數已高達十二億，對這群人來說，下一個大的應用和變化會來自哪裡，就是Web 3.0的可能方向。很明顯地，「移動網路」或「無線網路」是最有機會的。
自英國電腦科學家柏納斯．李（Tim Berners-Lee）在一九八九年發明了Web之後，它的應用始終是在ＰＣ的介面上，所有的服務也都圍繞在ＰＣ的環境裡開發出來。

但是ＰＣ終究太複雜了，它永遠沒辦法像手機那樣隨開即用，這也是手機年銷量在一九九九年追上ＰＣ之後，如今雙方年銷量拉開為十比一的原因。

因此，Web要跳脫書桌和辦公桌前的螢幕，進入一般人的生活，關鍵不在於它在ＰＣ介面上如何精進，而在於它如何更快、更緊密地和手機結合，或者類似的手持移動工具。

技術問題好解決
之前有評論說手機螢幕太小，後來有翻蓋機和滑蓋機（鍵盤從下面或側面出來），讓螢幕可以擴大，解決了這個問題；也有評論說傳輸速度太慢，現在則有Wi-Fi和３Ｇ可用；也有評論說手機鍵盤太小，不適合寫郵件，但手大腳大的老美，在黑莓機上一樣打得很開心；也有評論說手機螢幕不適合閱讀，但Amazon.com最近推出的電子閱讀器Kindle，造型看起來就有手機影子，想必是在為手機作為電子書探路。

總之，這些大部分都是技術問題，而不是使用習慣問題，而技術問題比起使用習慣問題要好解決多了。特別在東亞地區，日本和韓國於移動網路的發展，都屬於世界上走得最快的一群，而中國則以近五億手機用戶高居世界第一，很可能成為全球手機上網人口最多的國家。

網路主導權移轉東亞
Web 3.0不僅是從ＰＣ轉移到手機，也是網路主導權從美國移到東亞的轉捩點。當然，這件事可能發生，但未必會發生。在中國，目前手機營運商掌握的權力過大，以致於整條產業鏈上的參與者，與其相較之下，都處於極度弱勢，極不利創新服務的產生。

中國市場需要進一步開放，不管在經營執照和業務方面，甚至像美國在一九九六年通過「電信法案」（Telecom Act）那樣的魄力，大舉鬆綁行業管制，才有了後來風起雲湧的網路行業。近幾年在美國開始討論的「第二代網路」（Internet 2），也主張把網路提供者和服務提供者分開，各做自己擅長的事。

這很有可能是中國社會一次蛙跳的機會，從國家競爭力到個人生產力大幅攀升。但我們先不必過度樂觀，這裡面牽涉到國營企業改制和特許經營權的開放，在中國不會一次解決。不過，今年第一季iPhone在中國上市，第二季因應北京奧運而開放３Ｇ，關於Web 3.0的期待，雖然遲但總會來。

PC終究還是無法像手機那樣隨開即用，
這也是它和手機年銷量如今相差十倍的原因。
因此，Web要進入一般人的生活，
關鍵在於如何更快、更緊密地和手機結合。

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。