公司買了一批 ChatGPT 或 Claude 帳號，再找講師來上兩堂 prompt 課，這樣算導入 AI 了嗎？在企業現場，這只是第一階段，比較接近國民基本教育。真正的門檻在後面：AI 看不看得到公司的資料、權限與稽核管不管得住、能不能把公司裡那位十倍工作者的做事方法沉澱下來複製給別人。數位時代創新長黃亮崢 James 邀請 Asgard 肆佳科技共同創辦人暨執行長王韋仁 William，從企業導入的真實災情出發，拆解為什麼要給 AI 一台用完就丟的電腦，以及企業軟體最難的那段「最後一哩」卡在哪裡。
聽完這集你可以學到：
- 企業導入 AI 分成四個階段：買帳號上課、讓 AI 看得到公司資料、統一配帳號做稽核與權限管理，第四階段才是把優秀員工的做事方法沉澱成流程、複製給其他人。王韋仁觀察，多數公司都還停在前兩階。
- 每個上班族有兩到三成時間在搬資料：複製貼上、建檔這類工作藏在會計、客服、業務身上，但世界上沒有一個 job title 叫資料搬運。王韋仁指出，公司買的是這個人的專業與決策能力，把時間還給他，能用在決策上的時間就多出三到四成。
- 系統打不通不是技術問題，是政治問題：王韋仁直言技術上一定打得通，資料也都還在。阻力在於十幾年前導入系統的人早就離職，現在的 IT 接手的是遺留系統，動了出事卻要他負責，於是多一事不如少一事。破解方法通常只有一個，從老闆那一層 top-down 支援下來。
- 最後一哩不是 demo，是上線那一刻：demo 永遠是 happy path，短時間就做得出來；難的是進到 production，每一次都要跑得完。王韋仁分析這一哩由三件事構成：權限、能不能被稽核、能不能跟既有系統並行。比較像幫 legacy system 開一道新的大門，而不是去顛覆它。
- 駕馭工程（Harness Engineering）的白話定義：換一個模型還能完成同樣的工作，就代表 harness 做好了。王韋仁比喻，模型是腦子非常好但第一天上班的人，harness 就是那間公司的教育訓練、門禁卡、系統帳號、SOP 和主管是誰。換到車上講，模型是引擎，harness 是底盤、方向盤、煞車與調校。
- 一個工作階段開一台電腦，用完丟掉：共用一台機器養 agent 很容易養壞。王韋仁說明，每次互動才開一台幾秒就啟動的虛擬電腦，出事直接拋棄，同事的薪資資料也留在上一台一起被丟掉。但 agent 不會離職，牠會把稽核紀錄和學到的例外寫回檔案系統，下次開新電腦再掛回去。
- agent 犯錯的真實災情：有一隻 agent 每天打電話訂便當，那天電話不通，牠很努力上網查，找到那家店有 Uber Eats，就自己登入帳號下了單。王韋仁強調，比犯錯更重要的是過程能不能被監管、被記錄、事後被防堵。另一個案例是報帳，交通費該掛專案還是部門是公司慣例，沒人寫下來，agent 當然掛錯。
//
-
舊系統怎麼交給 AI 碰：理想上直接操作 API 就能把事情做完，但王韋仁指出台灣的現實是，大量企業的系統已經跑了二三十年，原廠可能都不在了，不會有人回頭幫你開 API，而這些沒人維護的系統還在某一台電腦裡服役。給瀏覽器是最低限度的做法，至少讓 AI 有一條路能操作系統。至於權限那條線，他的做法是讓 agent 沿用工程師本來就在用的 CRUD 規則，而不是另外發明一套：讀取同一份資料二三十次都該是一樣的狀態，這類可逆的事直接授權；會造成資料變更的不可逆動作才要卡人核可。這樣做的附帶好處是，企業原本的稽核制度看得懂這件事，不必為 agent 重新創造一套稽核方式。
-
真正的痛點往往不在行銷和客服：Asgard 接觸的產業橫跨電商、餐飲、飯店、製造、材料與金融投資，切入點通常來自二代接班或大老闆的 top-down。王韋仁分享一個飯店業的例子：這家飯店有二三十間餐廳，每間的信用卡卡機對帳號碼都不同、結帳系統也不同，財務每個月對帳非常痛苦。他們要的其實不是完美，只是把銀行送來的對帳單跟自己收回的資料自動比對，先把對得上的七八成拉掉，剩下的一兩成再交給人。他說這種題目是外行人想不到的，得從企業真正的痛點反推回來。
-
不必追最新最大的模型：王韋仁認為好的流程架構與 harness，要確保模型是 plug and play、可以隨意切換。他自家公司幫員工付模型的錢但不限制用哪一個，重點是產出要能被接受、能被 review。他也直言沒必要一律用最聰明的模型，很多新模型是 thinking model，會花更多時間，一般的操作任務用 Sonnet 4.5 可能就搞定，效率反而更好而且不會出錯。至於地端，他判斷當一萬個員工都開始用 AI，token 用量會逼企業去想「我有沒有自己的發電裝置、自己的桶裝水」。
-
不要問一個人要配幾個 agent：黃仁勳在 Computex 2026 提出每位員工可以配 100 個 agent，也算過年薪 50 萬美元的工程師，一年的 token 成本可能要 25 萬美元。王韋仁換了一個算法：該問的不是標配幾隻給一個人，而是這間公司有多少件事已經被 agent 掌握、又需要多少人來操作牠們。他提醒台灣的現實是大部分賺錢的企業並不靠軟體賺錢，IT 是成本單位、預算本來就少，但 AI 接下來會像水、像電一樣變成生產要素。他給的起手建議是先確認自己 AI Ready 或 Data Ready，因為他遇過不少正在賺錢、資訊狀態卻還停在 15 年前的企業。
//
延伸閱讀
- Karpathy 提出大語言模型是新作業系統核心行程：https://x.com/karpathy/status/1707437820045062561
- Karpathy 演講《Intro to Large Language Models》：https://www.youtube.com/watch?v=zjkBMFhNj_g
- 黃仁勳與 Harrison Chase 對談：https://www.youtube.com/watch?v=Yy3JH6dDugc
Powered by Firstory Hosting
