4家新創從目標、組織流程到個人工作法剖析：到底什麼是AI原生的公司？

公司幫每個人開了ChatGPT帳號，大家用得很開心，效率也提升3成到5成，但是成本卻一毛都沒有少⋯⋯，這是企業AI Agent解決方案新創GNTC產品負責人邱霈政，在企業現場最常看到的景象，也是多數公司誤以為自己已經AI化的階段。

到底什麼是AI原生公司？創業小聚第186場以此為題，邀請前USPACE AI長、知識衛星AI學院院長曾明賢，以及智慧方案執行長陳慶蔚、IrisGo.AI共同創辦人暨營運長朱宜振、GNTC產品負責人邱霈政，等3家新創進行分享。

4位講者、4個不同的服務，從不同的位置切入AI，但是他們卻有共通的答案。

對齊目標，就是產品AI化的開始

從產品的角度來說，傳統軟體的做法是把流程寫進程式碼，用條件與腳本處理固定情境，但是麻煩的地方在於，現實世界的輸入內容時常出現特例。

AI Agent導入與開發平台新創智慧方案，服務的對象是製造業為主，陳慶蔚就舉例，一家年營收300億元的製造業客戶，每天收到的海外訂單是Email附一份PDF，每一家的格式都長得不一樣，同仁得開著Excel手動複製貼上2到3小時。用寫死的規則去接這種輸入，只要格式一變就會當機；如果新創為了配合某個客戶的流程狂寫客製化程式碼，那後續的規模化與維護就會出現問題。

「在AI時代，接受客製化是噩夢的開始。」陳慶蔚說，大型語言模型每隔幾個月就大幅改版，答應一次客製化，之後每次改版都得重新維護一遍。

AI原生的產品則把順序倒了過來：使用者只定義目標，例如處理這批訂單、發動這檔行銷活動，剩下的執行細節交給Agent或多個模型動態決定，遇到沒看過的格式也能自己判讀，不必回頭改規則。

定義目標不是丟一句話進去就好了。陳慶蔚在客戶現場用5個問題把一件工作拆開：這件事要幫誰解決什麼問題、資料從哪裡來、成果要給誰看、工作可以拆成哪幾個步驟、執行的時候要依據哪些文件或規則。5題答完，就是一份Agent接得住的目標。

邱霈政也觀察到，人類下指令的顆粒度正在變粗，完全可以對照這個轉變。

2022年到2023年，大家比賽誰的提示詞寫得長，指令的單位是字句；2024年底出現MCP，開始教AI照工作流一步一步做事，指令的單位變成步驟，但主導工作的依然是人；直到這幾個月，指令的單位才變成目標，其餘通通交給Agent，企業導入AI的效益也是到這時候才真的出現。

組織流程也要AI化，就要把同事腦裡的標準挖出來

改變產品的邏輯相對具體，可是組織的流程就不同了，因為這會動搖大家熟悉的工作認知系統。

「在舊有的流程裡面，發給每個人一個看起來非常厲害的工具，然後叫大家開始用。」邱霈政說，這是最典型的失敗版本，因為這只改變了每個節點的內部，卻沒有改變各自串接的方式，軟體開發從發想、產品經理寫需求文件、設計、工程開發到品管測試，中間任何一個環節變更，所有人就得重新開會對齊。

GNTC的解法是把這條鏈子縮塌成一條Agent生產線。邱霈政用廚房比喻：名廚做得出好菜，產量卻有上限，要標準化與規模化就得有生產線，而生產線背後是專業分工，每個人得先把自己的手藝從身上抽出來。

換句話說，無論是新創所服務的客戶，還是新創自己，都要把「判斷標準」抽取出來，這樣AI才有執行的準則，也才能明白該對齊的目標。

邱霈政舉例，GNTC的客戶、同集團的Dcard長出700多個Agent，其中100多個是全公司共享的，其中的業務提案Agent讓業務輸入客戶名稱與切角，自動收集內外部資料、產出簡報與互動原型，準備時間從半天縮到30分鐘；原本每天幫業務做簡報的企劃團隊，工作內容變成持續優化這條生產線。

曾明賢則提到，這部分唯一的難處在於判準幾乎都長在同事的腦袋裡，如果要讓人願意把判準交出來，得先有安全感。曾明賢的提醒是不要太早訂KPI，太早訂，同仁只會挑簡單、沒風險但也解決不了痛點的假議題，試錯空間跟著消失。

邱霈政也表示，企業真正缺的是第一個成功案例，所以GNTC有一半人力投入前線部署工程師（FDE），進客戶現場陪著種子用戶做出一套真的案例，「不能只教學，要陪著對方做。」

人機互動：判準寫成形容詞，AI就接不住

統整下來，人的工作，或者說一個AI原生公司的工作內容，變成了「讓標準更具體」。

朱宜振說，通用模型只是飽讀詩書的學霸，沒有你的背景、成長歷程與決策邏輯，講出來的永遠是公版廢話，所以人要做AI還做不到的事情，就是觀察這個世界。

「AI沒有物理世界的手腳與感官，人得替它掃描環境、把觀察餵回去，AI才做得了事。」朱宜振說，這也改變了他判斷是否是AI原生企業的準則：「以前問的是這件事有沒有時間做，沒有就不做；現在問的是這件事誰own（負責）。」

但是在描述標準時，第一個卡關的通常是「形容詞」。朱宜振舉例，請AI篩出每天最重要的3封信，「重要」兩個字對AI沒有意義，使用者得把自己怎麼定義重要、依據什麼排序講清楚，AI才接得住。這個動作就像把開手排車累積的判斷，一條一條寫下來，封裝成一台自排車。

不過曾明賢提到，組織裡最值錢的是隱性知識，也就是主管累積十幾二十年、你不知道自己知道的那些判斷，還有散落在會議記錄與聊天記錄裡的脈絡，這些已經被內化的知識，人是很難主動講清楚的，所以必須讓AI反過來提問，避免任由模型盲目猜測，而這也是朱宜振的AI工作習慣。

「出事誰扛，這很重要。」朱宜振說，AI不會取代人，永遠要有人負責。