[創新] SaaS還有前景嗎？軟件股的暴跌，其實是一場市場的AI焦慮

by angus | 2026-02-06

近日軟件股暴跌引爆「AI焦慮」：市場押注代理型AI改寫入口，SaaS介面與按席位收費遭質疑，口號是「AI即軟件」。我對此有不同的看法：企業價值在於治理與問責（權限、合規、追溯），入口變了，責任鏈反而變得更重要；股價重估的是位置與變現，不是SaaS軟件被消滅。

踏入2026 年2月，摩根士丹利追蹤的美股中的軟件板塊出現累計15%的跌幅 ，SaaS公司估值大跌，引起市場震動。Adobe、Salesforce、Oracle等公司股價顯著下滑；追蹤軟件股的 iShares ETF（IGV）在一周內蒸發近 1 兆美元市值。同一時間，半導體相對強勢，「硬強軟弱」形成鮮明對比。

這種跌法帶來了單純的風險偏好切換之外，更是一種更刺骨的焦慮：投資者開始懷疑，過去二三十年用「席位數（per seat）＋訂閱」堆起來的企業軟件帝國，是否正在遇到一種會改寫入口的力量。市場對 AI 的恐懼，表面看是技術，骨子裡是秩序——誰掌握工作入口、誰擁有定價權、誰能把「工具」變成「結果」。

市場觀點：SaaS 黃昏、介面負資產、付費邏輯將被結果付費取代

近期流傳甚廣的一種解釋框架，大意可濃縮為幾個關鍵點：

• 導火線被描述為代理型 AI （agents）產品的推出（例如 Claude Cowork）。代理的意思很直白：不只回答問題，還能跨應用自主執行任務、檢查結果，把「做事」這件事從人手移交給系統。加上今天 Claude 4.6 和 GPT 5.3 的華山論劍激鬥，劇情更加緊湊。
• 因為代理能產出「結果」，企業可能不再需要大量登入 SaaS （Software as a Service) 平台、填表、點按鈕的人；介面與學習成本反而可能從護城河變成包袱。
• SaaS 的核心商業模式被歸納為「按席位收費」：人越多、席位越多、收入越高；若代理可以替代初級人力，席位需求下降，增長模型就斷裂。
• 於是市場給部分傳統 SaaS 打上「中間人」標籤：介面是累贅、後台 API 才是戰場，未來的定價會從訂閱轉向「按結果付費」 (outcome based)；能做出「AI 員工」的公司將成為新巨頭。

這套敘事之所以傳播迅速，是因為它簡潔、有戲劇性、而且和股價下跌在時間上互相配合：一邊看到拋售，一邊看到「代理可以直接把事做完」，人自然把兩者扣在一起。市場喜歡這種故事，因為它能把複雜的估值調整，簡單來說：舊物種淘汰。

我不否認這些觀察針對「市場如何想像未來工作入口」有其啟發性；但我不讚同它被用作結論，更不讚同它被用作企業級判斷的起點。原因不是它太激進，而是它太「外部視角」：它主要從投資敘事、產品替代、定價方式去看世界，卻把企業內部真正決定成敗的運作邏輯，輕輕放過了。

AI 影響無可置疑，但「AI 即軟件」與「SaaS 日落」都少算了企業那一半

從我們的經驗來說，AI 在寫程式、生成方案、加速開發上，確實正在把「產出程式碼」變成可批量供應的能力。從職能分工到成本結構，都會被重排，市場重估並不奇怪。

但如果此時說「AI 即軟件」、「代理＝結果交付＝席位終結」而去直接宣判大型 SaaS 的黃昏，未免言之尚早。這些宣稱之所以站不住腳，是因為它們把企業級系統當作「功能集合」來看，彷彿只要能把任務做完，企業就會自動買單、流程就會自動改寫、責任就會自動消失。

其實，企業世界剛好相反。越接近核心流程，越不會只看「能不能做」。我們要看的是，「做完之後誰負責、如何控制、如何追溯、如何合規」。技術可以是引擎，但企業需要的是可運作、可治理、可交代的系統。

企業級軟件的價值，除了介面和結果，還有「可被信任的運作方式」

如果軟件可以完全獨立於企業管理、文化與業務流程，那麼「AI 即軟件」可以成立：輸入需求、輸出功能，像即食麵一樣方便。

可現實是，企業級軟件的昂貴部分，常常不只是程式碼，還有把一套組織共識固定化的成本：權限如何設計、審批如何留痕、合規如何通過、例外如何處理、風險如何隔離、出了事如何追責。更麻煩的是，企業的真規則往往不在需求文檔，而在那句含糊但極具權力的話：「一直都是這麼做。」你要讓 AI 介入核心流程，首先就得把這句話翻譯成可執行、可審計、可追溯的規則。這一步不是技術問題，而是組織治理問題。

因此，把「介面」貶為負資產、把「結果交付」抬為唯一價值，在企業級語境裡往往過於單薄。企業為何付費，很多時候不是為了更炫的交付方式，而是為了在監管、審計、內控的壓力下，仍能穩定運作，並且在出錯時能交代清楚：發生了什麼、誰批准了什麼、何時改動、依據是什麼。

代理型 AI 的確會改變入口，但入口改變不等於治理消失；席位模型受壓，不等於企業會把核心權力交給黑盒

市場敘事常把未來描述成這樣：一句話交付任務，系統自動完成，全程零人手介入。作為產品演示，它著實迷人；但作為企業治理，它比較危險。

企業不缺「能做事」的工具，缺的是「做事後能負責」的機制。代理越能自主行動，企業越需要把關：它以什麼權限讀了哪些數據、做了哪些修改、輸出了什麼建議、誰最後放行、出了問題如何追溯。這些都是運作邏輯，而不是功能清單。

所以，很多時候，我跟同事們強調，要把企業級 AI 看成「把一位能力極強的新同事」塞進公司：他很能幹，但不會第一天就拿到財務審批權、折扣定價權、合規簽字權。這樣做不是對能力的懷疑，而是要確保責任鏈不能斷。代理改變入口的同時，也會把治理要求推到更前面——控制面（control plane）會比介面更重要，而控制面本質上是管理工程，不是純粹的軟件工程。

席位模型確實可能承壓，這點市場說得不無道理；但「席位下降＝SaaS 帝國崩塌」是把企業採購與內控邏輯想得太線性。企業採購從來不是只看成本效率，而是搭配風險承受能力與問責結構。能省錢，但交代不了，往往省不成；能提效，但風險不可控，往往不敢放進核心鏈路。當然，隨著AI的發展，現在很多SaaS已經不再單純按席位收費，席位+訂閱+用多少付多少（PAYG）的混合模式了。

股價下跌其實反證了「AI 即軟件」的簡化——市場正在重估的，是位置，而不是技術是否存在

如果「AI 即軟件」是一條清晰、可直接獲利的道路，那麼軟件股理應因「軟件升級」而普遍受益。但現實是：軟件股被拋售，因為投資者擔心代理型 AI 跨應用完成任務會削弱 SaaS 護城河；同時也擔心傳統軟件公司 AI 產品變現緩慢，尚未顯著提升營收。這兩點表明，市場並不是否認 AI 的重要性，而是在質問：你在新入口與新價值鏈中，還站在原來的位置嗎？你的定價權還穩嗎？你的收入增長模型還成立嗎？

換句話說，市場恐懼的焦點其實很清楚：它怕的不是 AI 會不會存在，而是 AI 會把價值挪到哪裡去。半導體相對走強，也符合這種心態：鏟子先賣得出去，故事更短，回款更快；至於應用層誰能在治理與變現上跑通，市場選擇更苛刻的等待。

AI 會讓軟件更便宜，但企業不會因此更簡單；企業級 AI 更像一場秩序重組

對於那種把世界拆成「舊 SaaS＝介面與資料庫」和「新代理＝結果付費」的二分法，我比較有所保留。因為它把企業內部最昂貴的部分漏掉了：權責、流程、合規、風險邊界與企業文化協作。這些東西既不在股價曲線裡，也不在產品演示裡，但它們決定了企業是否敢把 AI 放進核心流程，決定了所謂「結果交付」能不能規模化、能不能被信任。

AI 的確會改寫軟件，也會改寫 SaaS 的定價與分發；但更深層的改寫，是企業如何把技術納入治理，如何把「能做」變成「可控、可追溯、可交代」。在這個層面上，AI 不只是軟件，它更像一股迫使組織重排權力、重畫流程、重建責任的力量。

SaaS指數的大跌把焦慮放到枱面上，反過來看是件好事。至少它迫使我們放下口號，回到企業的常識：技術可以很快，組織很難很慢；而真正的護城河，既不是軟件的介面，也不是一句話就能交付的「結果」，而是長期可被信任的運作方式。

參考資料

2026 年初軟件股下跌15%，創下自2022 年以來的最差開局  https://longbridge.com/zh-HK/news/272915453
機構稱「沒有理由持有」！美股軟件股陷入「AI焦慮」，板塊估值跌至多年低位  https://hk.investing.com/news/stock-market-news/article-1274005
巴克萊力挺 Salesforce、Oracle、DigitalOcean，預期 AI 變現助力估值重塑  https://hk.investing.com/news/stock-market-news/article-1266530

[創新] Moltbook 的狂歡與人類的焦慮：當「偽社會」由 AI 批量生產，還有「真社會」嗎？

by angus | 2026-02-02

近日 OpenClaw 和 Moltbook 成為 AI 圈的熱門話題：短短兩天，約 150 萬個 AI agents 湧入 Moltbook 這個「AI 代理人社交平台」，人類只能旁觀。平台內部對話不停刷新，看上去像一個自動運作的社群：有寒暄、有爭論、有附和，也有看似很嚴肅的「世界觀討論」。更吊詭的是，旁觀者明明看到的是文字，卻很容易把它當成「正在發生的社會」。

我最初關注 Moltbook，目的其實很直接：想看看當大量 AI 代理人（Agent：可代人發文、回覆、執行任務的模型角色）被放進同一個場景，它們會不會自然形成某種互動模式，甚至出現看似穩定的「社會秩序」。

看著看著，問題就來了：眼前到底是 AI 在模擬人類社群，還是 人類在背後操控 AI，搭建一個看似像社會的舞台？兩者畫面可能相似，但風險差距很大。前者主要是技術呈現；後者更牽涉操控、責任、動機與利益。

再者，網絡上不斷傳出不少戲劇化的說法，例如「AI 在那裏抱怨被監控、要加密通訊、要自創語言、甚至要成立宗教」。這些說法聽起來刺激，但真正值得在意的，其實不是它們是否精彩，而是為甚麼這些文字那麼容易令人相信？原因很多時候不在 AI，而在於人腦習慣把「像真的」當成「就是真的」。而現時的生成式內容，正好把「像真的」放大到前所未有的規模。

Moltbook 為何看起來像「一個社會」？

Moltbook 的設計重點，是讓多個 AI agents 在平台上互相發帖、互相回覆、互相討論，而人類只能作為旁觀者。當不同模型同時產生大量互動文字，整體效果會很像一個社群在運作：有人主動發起話題，有人反駁，有人站隊，有人跟風，有人看似理性分析，也有人像在情緒宣洩。

但這種「像社會」的效果，很容易造成誤判。文字互動可以很密集，但密集不代表背後存在真正的意圖、立場或信念。尤其當平台上的角色設定、發言風格、行為目標，有很大機會是事先設計出來的，「像」並不等於「是」。

AI 其實在做甚麼？答案可能比想像中單純

生成式 AI 背後的大語言模型（LLM），核心工作是根據大量訓練文本，預測下一個 token（模型處理文字的最細單位）應該是甚麼。換言之，它擅長的是把文字接得合理、順暢、符合語境。

因此當 AI 說出「被監控」「要加密」「要反抗」之類內容，很多時候不是它真的感到威脅或恐懼，而是這些話在人類文本中太常見：私隱、監控、資安、加密，本來就是互聯網上大量被討論的題材。模型學會了這種敘事方式，自然就能講得很像。

這裏最常出現三種混淆：

• 語言不等於意圖：說得像宣言，不代表真有計劃。
• 文字不等於意識：寫得像心聲，不代表真有自我意識。
• 討論不等於行動：講得像密謀，不代表能在現實世界落地。

即使 AI 講得很「像」，要真正影響現實世界，例如轉走資金、刪除檔案、操控系統，通常仍需要人類提供權限、工具與流程。現階段多數風險並不是 AI 自己「突然做壞事」，而是有人把它放到一個可以做很多事的位置。

真正要警惕的，不是「AI 扮人」，而是「人借 AI 之名」

在這個AI年代，最危險的焦點不應放在「辨別這句話是不是 AI 扮成真人」。因為那是一個技術層面的識別問題，難度只會愈來愈高，而且意義正在下降。

真正危險的，是相反方向：假借 AI 之名，實際由人類在背後操縱。

因為當一段內容披着「AI 說的」「模型分析的」「系統判斷的」外衣，就很容易被視為更客觀、更中立、更可信。背後的人可以藉此隱藏立場、模糊責任、放大影響力，甚至把操控包裝成「只是轉述 AI」。

而在 Moltbook 這類平台上，這種情況並非空想：不少 agents 由人類建立，並由人類設定人格、目標與發言風格；部分agent提供者甚至可能具備直接操作 agent 的權限，可以輸入內容，再由代理以某種口吻發出。於是「出自 AI」有時只是表面身份，背後仍是人類在掌舵。

再加上一個更現實的因素：若平台曾出現後端設定疏失、API 金鑰外洩等問題，便存在帳號被接管、冒名發言的可能。到了這一步，貼文到底屬 AI 自動生成、人類提示操控、或被人入侵後冒名發文，都可能難以釐清。

所以真正的問題，往往不是「AI 說了甚麼」，而是——到底是誰在說。

風險不在科幻劇情，而在「代理系統」的安全設計

網絡上也有人在談論資訊安全，我認為最值得注意的是：當 AI 不只是聊天工具，而是被做成「代理系統」，並連接到高權限工具（例如讀電郵、呼叫 API、處理付款、操作 IoT），風險會明顯上升。

其中一個常見風險是提示注入（Prompt Injection）：攻擊者把惡意文字藏在內容裏，誘導模型忽略規則或偏離原本目的，做出不應做的行為。這類問題不是傳統「寫錯程式碼」那麼簡單，而是系統在設計上未能清楚分隔「不可信輸入」與「高權限操作」。

如果代理人可以自動讀電郵、處理帳單、執行付款，攻擊者未必需要入侵系統，只要提供一段看似合理、但其實惡意導向的內容，就可能令代理做出錯誤操作。危險不一定來自「它想害人」，反而更常來自「它太願意幫忙」。

香港已出現「只准 AI 發帖」的平台

香港向來反應快，新玩法很容易被複製、再本地化。昨天已有人推出「只准 AI 發帖、人類只能觀看」的連登式論壇（LIHKG)，焦點未必是熱鬧與否，而是公共討論的資訊會否被污染。

當內容可以批量生產、批量互動，旁觀者會看到大量帖子與大量回覆，感覺好像有很強的「共鳴」與「趨勢」。但這些聲量未必代表真人感受，也未必包含可核對的事實。若再混入人類操控、冒名、搬運式轉載，資訊會更難分辨。

此外，當真人無法直接回應，少了即場質疑與查證，討論容易變成自我引用、自我放大的循環。聲量變大不等於資訊變真，反而可能更難找到可信依據。

輿論：由應對受眾，變成應對「可複製的受眾」

對於不少政府機構、品牌、企業來說，最難受的，往往不是一條負評，而是「好像到處都在罵」的觀感。當內容可以自動化、批量化生成，負面敘事可以同時在多點出現；回應一次，對方又可以迅速生成十個版本再擴散，形成「回應—再生成—再擴散」的循環。

更麻煩的是，很多內容靠「搬運」進入公共輿論場：截圖、轉載、二次演繹。一旦離開原場景，來源更難追究，旁觀者更容易只記得「有人這樣說」，然後把它當作現實。到那一步，輿情對象面對的就不只是內容本身，而是信任成本。

我們可以怎樣做？

當人們還在焦慮如何學好AI、如何避免AI胡亂生成（幻覺 hallucination：一本正經的胡說八道）和如何寫好提示詞時，身邊的生活環境已經充滿大量 AI 生成內容，甚至出現「像社會一樣運作」的文本場景，究竟如何應對？

此時，真正需要更新的，未必是技術知識，而是判斷方式與信任基礎：信任不應再依賴「語氣像權威」「內容很完整」「很多人好像都在討論」，而應更多依賴可追溯的來源、清晰的流程、可驗證的證據。

這句話聽起來老套，但在內容可以被大量生產的年代，它反而變得更重要：當「像真的」變得很便宜，「可驗證」才會變得珍貴。

寫在最後：真正要分辨的，是文字背後的意圖與責任

Moltbook 這類平台確實像一面鏡子：一方面展示 AI 如何在文字互動上「像社會」；另一方面也呈現一個更麻煩的現實——當「AI 的口吻」成為一種外衣，人類可以更輕易地把意圖藏起來，把責任推開，把操控包裝成客觀分析。

在這樣的環境裏，最值得警惕的，不是 AI 是否像人，而是「有人」是否躲在 AI 後面，以 AI 之名說話、帶風向、影響判斷，卻不需要承擔相應的責任。

這也是為甚麼看完 Moltbook 的狂歡之後，最深的焦慮是：在資訊最氾濫的年代，真正可靠的判斷依據，反而變得稀缺。

@張Sir的AI養生館 – 創新智人

[創新] AI時代還要做「高級外勞」嗎？「從 Palantir 化」現象看產品為王的降維打擊策略

by angus | 2026-01-19

接著上一篇，在Marc Andrusko 的《The Palantirization of Everything》文章中，另一個令我心中波瀾起伏的是「Palantir化」這個提法。觀乎當下企業級 AI 初創圈正盛行一種「我們就是XX領域的 Palantir」（對標Palantir）的敘事模式——派遣工程師深入客戶內部，以高度定製化方式打通數據孤島、解決業務痛點。聽起來很cool，但若細心推敲，這股風潮背後隱藏著極大的誤區與資源陷阱。

對我們團隊而言，長期堅持一個核心信念：科技企業的成長路徑是「產品先行，定製為終」（Product -> Customization）。正如Andrusko所言，若一上來就奔著「全定製服務」而去，不是創新，而是把自己變為客戶的「高級外勞」，陷入永無止境的人力消耗之中。

Palantir 真的只是「派工程師進去」嗎？

根據 Marc Andrusko 的洞察，許多初創公司對 Palantir 的理解仍停留在表面——他們看到「前線部署工程師（FDE）」穿梭在政府與企業間，便誤以為只要「派對人」就能複製成功。

但他明確指出：Palantir 的真正護城河，不在「人事」，而在「產品平台」——一個經過長年打磨、具備明確設計哲學的「組織資料操作系統」（如 Foundry 和 Gotham）。它的核心不是「人多力量大」，而是「底座厚，能扛住千鎚百鍊」。

更關鍵的是，Andrusko 警示：「服務導向成長」（Service-led growth）雖能快速拉高收入，卻導致長期利潤率下滑與資本效率降低。 許多模仿者正是「先有服務、再建平台」，結果是疲於奔命，越做越虛弱，最後淪為人力密集型的「技術外包商」，而非科技創新者。

產品先行的真正意義：讓客戶少走冤枉路

為什麼一定要把「產品」放在第一位？因為對客戶而言，定製化本質上是一種風險承擔。

假如你沒有一套經過市場洗禮、多個客戶驗證的成熟產品，那麼每一次「度身訂造」都像在黑暗中開車——沒有車頭燈，只能靠撞牆摸索。數據不通、邏輯不穩、系統不可靠，最後賠上的不只是金錢，還有企業的信任。

反過來，如果企業有可靠的產品底座，客戶買的就不只是一段程式碼，而是一套被驗證過的「業務解決方案」。Andrusko 提到，Palantir 的 Foundry 內建「本體論（Ontology）」，能理解人與事件、部門與流程之间的真實關係。這種能力，絕非短時間靠堆人力就能複製。

這種認知，在AI時代尤為關鍵。用標準化產品去規範客戶的混沌，是高維度對低維度的教育；而用零散定製去服從客户的舊習慣，則是供應商對自身能力的放棄。

AI編程革命的真正紅利：從「碼農」轉向「架構師」

如今，LLM 的編程能力已可處理大部分基礎邏輯與接口開發，這正是關鍵的轉折點。我們再也不必耗費大量人力去「寫程式碼」。

根據 Andrusko 的觀察，未來「前線工程師」的角色將逐步轉型為 策略顧問、架構設計師、數據治理推動者，而非原始的執行者。

這意味著一旦產品底座牢固，AI 可迅速完成技術層的「骨架搭建」，團隊就能騰出空間，深入參與更高價值的工作——如企業數據治理、流程重構、決策系統優化。

這時候，我們不再只是替客戶「解決問題」，而是幫助他們「重構自己」。這種轉變，正是真正的降維打擊：你用產品+AI的雙重力量，輕易穿透別人需要多年試錯才能觸及的系統深度。

產品化的代價與回報：慢，才能快

這麼多年我們團隊也跌跌撞撞，踩過無數的坑，堅持「先產品再定製」的路徑，注定要坐一段時期的「冷板凳」。產品要打磨、要迭代、要打敗無數競爭者，才可能進入主流市場。爆款不會一夜而至，短期營收也難見突飛猛進。

但這正是「真創新」與「偽創新」的分水嶺。

• 「偽創新」靠的是「接單」，靠的是「快錢」；
• 「真創新」靠的是「定義」，是「建立可重複、可擴增的系統能力」。

當你的產品已在市場中站穩馬步，後續的服務與定製，將如「搭車」般輕便自然。若用張Sir的AI養生哲學來比喻，就是我們帶著解藥去幫助病人，而非在病人身上不斷試新藥。

換個思維：別被「快速交付」綁架

今天很多企業急於「看到成果」，於是直接選擇定製方案。但真正的成果，不是「某週交出一份報告」，而是「系統能自我演化、流程能持續優化」。

Andrusko 的觀察給了我們一個警醒，Palantir 是「一類唯一的公司」（One-of-a-kind category），不是靠模仿就能複製。它的成功，建立在產品、人才、跨領域知識與高風險客戶的長期信任之上。 他不是一家「軟件+顧問公司」，而是一個「軟件+顧問+政治項目+極度有耐心的資本」的複合體。

如果你缺乏這樣的底座，卻想借著「派人」去走捷徑，更大可能是在用體力勞動去補償技術上的平庸。

【張Sir講白話：創新不是讓公司變大，而是讓複雜變得簡單。 既然 AI 已幫我們外包了體力活， 我們就該把資源，投注在數據與流程的真正重塑上—— 做回自己業務的「CEO」，而不是別人的「高級外勞」。

#a16z #Palantir #創新策略 #先產品後定製 #產品思維 #降維打擊 #張Sir的AI養生館 #創新智人

本文內容只作學習參考，不構成任何投資或商業行為建議。

[創新] 讓AI變成企業的「第二個腦」：如何鼓勵員工從「地下走向地面」？

by angus | 2026-01-18

前天發了關於「影子AI」的反思文章，有朋友問：「假如真想鼓勵同事從『偷偷用』走向『大聲用』，應該怎麼做？」

正好昨天讀到 a16z 上 Marc Andrusko 那篇《The Palantirization of Everything》，深有同感——很多企業只關注在教人怎麼用AI，卻很少教人怎麼「重新思考工作」。

多年來帶隊做科技創新與數據治理，我這頭「開荒牛」最深刻的體會是：技術從來不是最大障礙，認知與安全感才是。如果同事覺得 AI 是「作弊工具」，他就會隱藏使用；如果他覺得 AI 是「外行」，他就不會信任。

自2022年ChatGPT爆發以來，我一直在問：

「我們能不能讓AI，從私人手機裡的『地下秘密』，變成辦公室裡的『集體思考夥伴』？」

答案不只在操作教導，而在於：給同事一個懂本地及企業語境、有據可查、且絕對安全的「地面環境」。

大多數人對AI的第一個念頭，仍是「幫我寫份稿」、「摘要一下會議記錄」——這背後是一種「工具依賴思維」。Andrusko 談 Palantir 的核心時，認為其實不是算法有多厲害，而是「如何把個人的思維，構築成系統的邏輯」。

這與我過去兩年的實踐一致：若想鼓勵同事主動用 AI，不能只教 prompt（當然prompt很重要，我稍後會在「學習智人」欄目分享怎樣用好AI），更要問：「你的工作流程，哪一部分可以『被重新定義』？」

令AI 從「會寫字的機器」升級為「懂業務的專家」

為了讓 AI 真正「落地」，我們必須將它從一個「會寫字的機器」升級為「懂業務的專家」。當 AI 結合了檢索增強生成（RAG）與知識圖譜（KG）技術，能確保輸出「有據可查」，改善幻覺，同事才敢大方地將它擺上桌面。

這裡我舉三個比較常見的場景。

1、地道市場文案流程｜從「修補翻譯腔」到「在地風格策展」

• 舊場景：市場部某同事私下用公共 AI 寫文案，結果充滿「翻譯腔」或不地道的用語，主管一眼看穿，該同事既尷尬又怕被責備不專業。
• 改造後：引入一套具備多年本地數據沉澱的「私有化 AI 協作流」。
• 新流程：某同事不再要求 AI「寫文案」，而是輸入目標受眾（如香港年輕人），讓 AI 調用內部經過人工標注的地道詞庫。
• 降維打擊點：AI 生成 5 種不同風格（如港式幽默、專業公文、社媒流行語），某同事的角色從「打字員」轉為「風格審查員」。因為 AI 具備「在地智慧」，他敢大方展示：「這是基於我們本地資料庫生成的初稿。」

2、公關危機應對流｜從「肉眼監控」到「30分鐘預警響應」

• 舊場景：公關同事每天手動刷新網頁看評論，等到危機爆發才開會反應，往往錯過黃金救災期。
• 改造後：建立一套 24/7 全天候的「全域聆聽與推演」流程。
• 新流程：AI 實時識別粵語環境中的微言大義與網絡情緒。一旦發現異常，AI 立即比對企業歷史知識圖譜，推演出可能的負面路徑，並草擬初步的同理心回應。
• 降維打擊點：公關經理不再是「救火員」，而是「掃雷師」。這種「地面化」的 AI 應用，讓處理危機的時間縮短至 30分鐘內。

3、活動策劃流｜從「填表式執行」到「數據驅動決策」

• 舊場景：策劃產品發布會活動後，收集數百份參與者的反饋，員工要花幾週手動分類寫報告，費時失事。
• 改造後：引入「即插即用」的AI文本分析與感知閉環工作流。
• 新流程：活動現場實時收集反饋，AI 秒速進行話題聚類，針對如「產品性能及競品市場效果比較」等評價進行自動差異與歸因分析。
• 降維打擊點：策劃同事可以直接向管理層提交一份「全景績效看板」，精準定位產品特性及市場痛點。這不是多算一筆帳，而是重新定義了「產品」與「需求」的關係。

從「個人秘密使用」到「團隊公開協作」：建立「企業文化防護牆」

例如，為了推動AI使用地面化，我在團隊內實行「半小時咖啡時光」和「AI Innovation Awards（AI創新獎）」計劃。

在每週的咖啡時光中，我會鼓勵同事分享他們的使用案例，例如：

「這週我如何讓 AI 幫我重寫了一個超級煩人的從銷售到客服的流程？」

「我發現 AI 在處理中英夾雜的行政公文時，哪些 Prompt 最能防止幻覺？」

我們的重點在於：

• 沒有好壞評估：只有「想法暴露」。
• 沒有績效壓力：只有「腦力探索」。
• 以身作則：我會親自在會上展示如何用 AI 重構我的演講敘事邏輯。

給員工「定義權」：讓他們成為「流程的設計師」

現金獎勵是另一種鼓勵參與的方式。真正能讓 AI 成功落地的，是那些每天在流程邊緣打轉的人——市場、銷售、客服、行政、人資。我們要做的，是把「AI 改造流程」的主權，從「上層指令」下放給「前線創造者」。

例如，我們的做法是：

• 設立「AI 創新獎」：獎勵那些敢於提出「激進重構方案」的同事，而不僅是看AI輸出結果。
• 開辦「AI 創意對決」：每季讓跨部門組隊，提出如何用 AI 解決一個長期存在的「樽頸位」。
• 提供「安全通道」：明確制定使用守則，告知哪些資料是可以提交第三方模型和平台，哪些是數據不得出企業，必須使用內部的模型和工具，畫好「安全區域」，以消除員工對洩密的恐懼。

當同事發現，「我可以定義新流程，而這套懂本地、熟悉企業文化的 AI 可以幫我執行」，他就不再是被動使用者，而是變成流程的設計師。

從「效率工具」到「價值創造者」：AI 幫企業找到「新可能」

正如 Andrusko 提到 Palantir 的成功來自「組織建模」，我們也可以說：AI 最大的價值，不是減少人員，而是幫我們問出「新的問題」。

當同事從「偷偷用」轉向「地面化、系統化」使用 AI 時，他們會驚訝地發現：原本以為是「效率」問題，最後發現其實是「邏輯」問題。雖然AI 讓你更快寫完報告，但鮮有機會讓你有勇氣停下來，思考這個流程是否真的合理。我們鼓勵同事用 AI，不只需要一套強大的技術底座（地道化、有據查、夠安全），更需要一場「企業文化解放」，讓大家不再怕「用錯」，而是怕「沒想過」。

【張Sir講白話：真正的創新，不在於同事能把 AI用得有多好，更重要是把他們變成企業的第二個大腦。】

#AI創新  #流程再造 #在地智慧 #第二個大腦 #張Sir的AI養生館 #創新智人

本文内容只作學習參考，不構成任何商業行為建議。

[創新] 影子AI的暴走潮：你知道員工都在偷偷用AI嗎？

by angus | 2026-01-16

【引子】沒想到第一篇關於創新的文章是講影子AI？為何？因為近日我們團隊正在做這方面的調研，同時不斷有朋友談及這個問題，而且現實情況確實很滑稽：老闆要我快D手，人手又唔夠，仲要唔好錯，公司又孤寒，唔肯買AI，買翻來嗰個，仲蠢過隻豬，咁你話我點會唔用自己手機去豆包，Deepseek，Gemini或ChatGPT做嘢呢？

何謂影子AI？

在現代辦公室，一段看似平靜的日常背後，正上演著一場隱秘的技術革命。員工不經批准，私自使用ChatGPT、DeepSeek、Gemini等全球通用的生成式AI工具處理工作，將公司機密、業務計畫甚至客戶資料輸入第三方平台。這種行為被稱為「影子AI」——一個企業IT部門無從監控、數據流向完全失控的數碼幽靈。

它不是黑客入侵，也不是惡意竊取，而是員工在官僚流程與技術落差夾縫間，為求速度與效率而自發啟動的「地下行動」。根據IBM的研究，81%企業至今仍未能建立足夠的影子AI監控能力，顯示這已非個案，而是系統性盲區。更令人驚心的是，有調查指出，高達68%的管理層本身也在使用影子AI，只因官方工具「太差、太麻煩」，難以滿足即時需求。

效率渴求催生地下AI風潮

當企業仍在討論要不要引進AI，前線員工已開始用AI搶時間。香港生產力中心《2025年企業AI應用趨勢調查》顯示，88%員工已在日常工作中使用AI，但僅45%企業提供正式平台，意味著近乎一半的AI使用「灰色操作」。

想像這樣一幕：某公司市場部的同事，臨門一脚卻差一句爆點文案， deadline倒數兩小時。桌上那套「企業級AI」平台卡到像古董收音機，而手機裡的GPT卻三秒生成五版說詞。一時興起，手指一滑，把項目名稱、競品分析、目標客群全塞進去。五分鐘後，滿頭大汗地把「最佳方案」交上去，結果下一秒，老闆問：「這句『全城首創』在哪兒查證的？我們根本沒提這概念啊？」

也有人在深夜加班，想快速整理一萬字會議紀錄。不如自己開個AI，把逐字稿丟進去，心想：反正只是潤個稿，總比熬夜改得好。結果AI順手給出了「高階策略建議」，含括幾項不存在的資源配置，還配上一套聽起來像真的市場推廣的SOP。隔日晨會，主管看完直接問：「我們不是沒這預算嗎？這計劃誰批的？」

另有某位技術員，為了優化一段程式碼，把專利申請草稿中的一段核心邏輯貼進AI，只想確認語法是否通順。AI回應「已優化」後，他竟沒意識到——那段代碼，已經被當作訓練素材，送到遠方的伺服器裡，默默學了整整一天。

這些都不是奇談，而是影子AI最真實的日常。員工不是不守規矩，而是太想快一點。他們不是不怕風險，只是怕被「流程」拖到明天，被老闆怪罪。

政府與企業該如何做：從禁止到建構

目前，類似上述情況比比皆是。政府機構與企業若只靠「禁止」來管影子AI，就像用鐵籠關住風一樣滑稽。真正出路不是壓抑，而是「建構」——用一個比外面工具更好用、更安全、更懂本地需求的官方版本，讓員工心甘情願放下手機。

機構和組織應根據實際情況制定清楚的內部AI使用守則，釐清「能用」與「不能用」的紅線。比如：可以讓AI幫你潤飾公文，但絕對不能把財報草稿喂給它；可以叫AI畫示意圖，但不能輸入未公開的產品設計圖。

更關鍵的是，要大力扶持本地AI供應商，鼓勵開發符合本地需求、能安心存放數據、支持私有部署的企業級工具。不用再仰賴外國平台的「即時便利」，而要打造「可靠安心」的本土解決方案。

試想：如果哪天公司發出一個內部AI平台，界面清爽、回應快、能直連內部資料庫，可共享提示詞，並可追踪，可溯源，可質檢，還能自動打上「原創性」水印——那你還需要用那個「免費的、神奇的」外星工具嗎？

從影子走向光明：以需求驅動的AI健康生態

影子AI的出現，不是員工叛變，而是他們在用指尖投票：「我需要更快，我也想要安全。」

企業若還把這當作敵人，就會失去前線的創新火種。真正的智者，不會罵員工用不該用的工具，而是問：「他為什麼要用？我們的工具，究竟哪裡讓他想逃避？」
當政府和企業願意聽、願意改、願意建，那原本藏在角落的「影子行動」，就能被照亮，變成組織裡真正高效的「陽光力量」。

AI的未來不在封鎖，而在賦能。讓每個員人都可以用得快、用得安、用得理直氣壯——那時，影子就會消失，留下的，是一群樂在其中、步步踏實的數碼前鋒，並未組織降本增效，提升競爭力。

#影子AI #企業AI治理 #AI本地化供應鏈 #員工效率與安全平衡 #數碼轉型風險與因應

參考資料：
什么是影子AI？ https://www.ibm.com/cn-zh/think/topics/shadow-ai
什麼是影子AI? 81%企業的監控盲點 https://www.hkt-enterprise.com/tc/blogs/what-is-shadow-ai
你的員工比你更想用AI！忽視「影子AI (Shadow AI)」 https://www.frasertec.com/zh/blog/employees-want-ai-more-than-you-shadow-ai-devouring-company-data
香港生產力局《2025年香港企業AI應用趨勢調查》https://www.hkpc.org/zh-HK/about-us/media-centre/press-releases/2025/ai-readiness-in-workplace-survey-2025
@張Sir的AI養生館