一句話結論
企業導入 AI 最常見的錯誤不是「不懂 AI」,是「叫 IT 部門去推」。
李開復與簡立峰在天下文化《AI未來已來》的對談裡,把這句話講得很直白:這一波的問題不是技術,是誰來驅動。過去開規格的是 IT,這一次要把專業人士腦中的知識挖出來餵給 AI——所以驅動的人必須是 domain expert(領域專家)本人,不是資訊部門。
一、這是什麼對談
| 項目 | 內容 |
|---|---|
| 形式 | 天下文化直播對談,主題為李開復新書《AI未來已來》 |
| 與談人 | 李開復(創新工場創辦人)、簡立峰(前 Google 台灣董事總經理) |
| 談什麼 | 企業面對 AI 浪潮該如何佈局、組織會怎麼變、個人該學什麼 |
| 本文依據 | 影片轉錄內容整理 |
| 限制 | 逐字稿為自動語音辨識,部分人名、數字與專有名詞可能有誤;關鍵數字建議以原始影片與書籍為準 |
二、判斷一:AI 不是泡沫,但三種公司會倒
李開復的立場很清楚:泡沫不在技術,在個別公司。 他點名三種會出事的情況:
| 類型 | 特徵 | 為什麼危險 |
|---|---|---|
| 有技術、沒有商業 | 技術很強,但做了三、四、五年還講不出商業轉化 | 時間到了、交不出考卷,就該退場 |
| 靠槓桿撐成長 | 每年投入是收入的數倍,賭明年成長三倍 | 只要成長從三倍掉到兩倍,財務結構立刻崩 |
| 互相投資造價 | A 投 B、B 投 C、C 再回頭投 A | 這會製造股價泡沫,不是技術泡沫 |
他的原話大意是:「AI 不是泡沫,但各種因素會帶來有泡沫的公司。」
這段話的實用價值在於它給了三個可檢核的問題:你投資或任職的公司,有沒有可指認的商業模式?成長假設是不是靠外部資金撐著?營收裡有多少是「關係人交易」?
三、判斷二:投資回收有兩套完全相反的算法
對談中提到一個很誠實的觀察:關於 AI 的投資報酬,存在兩套互相矛盾的估算——
| 算法 | 結論 |
|---|---|
| A | 現在每投入 1 元,1.5 到 2 年就能回收 |
| B | 一路投入到 2030 年,整體收入都拿不回來 |
兩者都有人主張,而目前並沒有一個公認成立的數學模型。
搭配的兩個數字:
| 來源 | 數字 | 語境 |
|---|---|---|
| 李開復書中引用 | 約 6% | 企業導入 AI 的實際效益比例 |
| 簡立峰引 BCG 資料 | 約 7.5% | 同一指標的另一組估計 |
這個量級的數字才是企業現場的真相:不是「AI 帶來十倍生產力」,而是「多數企業只吃到個位數的效益」。而書與對談給的解釋是:投資很大、期待很快回收,但組織對 AI 的理解不夠、沒把它發揮到最好——所以變成「供需失調」。
四、判斷三:「斷梯」——消失的是執行,不是判斷
這是整場對談最反直覺的一段。
多數人的直覺是「最資淺、最沒經驗的人先被砍」。但李開復提出的「斷梯」講的是另一件事:被抽掉的是「執行層」的工作,不是「資淺的人」。
對談中用律師事務所舉例,這個例子很具體:
| 過去 | 現在 |
|---|---|
| 一個合約從頭到尾每個字都要人敲,一週只能做一個案子 | 重複性工作由 agent 完成,同樣的案子一天可做完 |
| 初階人力負責寫、查、比對 | 初階人力負責監督 agent:確認內容沒幻覺、符合公司利益 |
所以「entry level 沒有消失,是性質改變了」——新的初階職位是「管 agent 的人」(agent manager)。這也帶出一個很少被討論的組織風險:
如果初階工作被 AI 吃掉、而公司又不補人,五年後就沒有「做過初階工作」的中階主管。人才管道會斷。
對談中提到一個處理方式值得記下來:如果流程改造後 4,000 人的組織只需要 3,000 人,正確做法是把 4,000 人都訓練一遍,再從裡面挑最好的 3,000 人留下——而不是直接砍掉 1,000 人。因為被訓練過的人即使離開,到別的公司也還有機會。
五、判斷四:老闆必須自己帶頭,而且理由很現實
對談給了兩個「為什麼必須是老闆」的理由,都不是道德勸說:
| 理由 | 內容 |
|---|---|
| 一、ROI 最明顯的人就是老闆 | 中小企業裡,老闆自己增能的效益通常大於員工增能——他把省下的時間拿去銷售、談案子,效果立即可見 |
| 二、下面的人可能不想轉型 | 對中層與基層來說,AI 轉型是壓力、要學新東西、甚至可能被取代。所以「由上而下」在這種結構下是必要的 |
對談還點出一個台灣特有的現象:台灣大型企業老闆的平均年齡比中國大陸更高,長期習慣「交給下面的部門去推動」。但這一波不同——因為 AI 需要 domain expert 自己 drive(對談中稱為 vibe coding 的氛圍),IT 不再扮演「開規格、導入」的角色。
反過來說,中小企業「靠省人力」的效益其實超級不明顯:如果公司只有一個 HR,HR 增能之後你也不會把他裁掉。所以中小企業該看的不是「省幾個人」,而是「老闆自己多出來的時間能換多少訂單」。
六、判斷五:人才從 T 型變成「兩個專業」
簡立峰用一個很具體的模型描述人才變化:
| 時代 | 模型 |
|---|---|
| 網路時代 | T 型:一個專業往下深,橫槓是軟實力(溝通、說服) |
| AI 時代 | 兩個專業:一個主專業 + 一個次專業,上方橫槓仍是軟實力 |
他的說法是:知識「按鍵盤就有」,所以硬知識的相對比重下降,軟實力(說服、讓人信任)反而更關鍵。
搭配的另一個觀察來自史丹佛的 Andrew Ng:矽谷過去常見「一個產品經理對十幾、二十個工程師」,未來可能變成一比一——產品經理自己把東西做出來,工程師負責部署與安全。
七、四象限生存地圖
對談中李開復用一張四象限圖說明工作類型的分布:
| 象限 | 內容 | 對應策略 |
|---|---|---|
| 左上 | 人機高度重疊的執行工作 | 被壓縮最快,要往上或往旁移動 |
| 左下 | 機器扮演主要角色 | 轉為「管機器的人」 |
| 右上 | 人的軟實力:說服、讓人信任 | 最難被取代 |
| 右下 | 開放型:研究、創作 | 需求反而增加 |
搭配的另一組數字是「AI 使用漏斗」:全球上網人口近 50–60 億,其中約 20 億會用 AI(但只當搜尋引擎問答)、約 2,000 萬人真正用在工作上(當代理)、真正在推進核心技術(如遞歸自我改進 RSI)的人大約只有 5,000 人。
這個漏斗的意義不是「只有 5,000 人懂」,而是「大部分企業與個人都還停在第一層」——這既是風險,也是機會。
八、對台灣企業的五個可執行檢查
把對談的判斷翻成檢查表:
| # | 檢查問題 | 不合格的意思 |
|---|---|---|
| 1 | AI 專案的負責人是「領域專家」還是「IT 部門」? | 若只有 IT 推,大概率只會做出 demo |
| 2 | 老闆本人有沒有在用 AI 做他日常最重要的工作? | 沒有的話,ROI 解釋會永遠說不通 |
| 3 | 導入後有調整「權責」嗎,還是只讓員工「早點下班」? | 只省時間不改流程,效益會停在個位數 |
| 4 | 初階職位是「消失」還是「轉成 agent manager」? | 直接砍 = 五年後人才管道斷層 |
| 5 | 投資假設用的是哪一套回收模型(2 年 or 2030)? | 用錯模型,預算會在第一年就被砍 |
九、需要保留的三個判斷
| 項目 | 保留理由 |
|---|---|
| 6% / 7.5% 的效益數字 | 兩者都是引用值,統計方法與樣本未在對談中說明 |
| 「5,000 人」的漏斗數字 | 出處不明,較適合當修辭而非統計 |
| 三種會倒的公司 | 是歸納而非清單,實際失敗原因常是好幾種同時發生 |
另外要說明:這是新書宣傳場合的對談,兩人都是樂觀派(都主張 AI 是機會),悲觀情境(例如大規模失業、產業空洞化)在對話中著墨較少。讀者宜自行補上反方觀點。
十、站內延伸閱讀
- 2027 最暴利 AI 生意:Dan Koe 說別再做產品,改賣注意力——同一個問題的另一種答案:個人層面的槓桿
- AI 墳場 2026:42% 企業專案被放棄,12 個退場案例——「有技術沒有商業」的具體名單
- Meta 開源 Astryx 設計系統:174 個元件與 AI 代理實測——把規格餵給 coding agent 的實際做法
參考來源
- 天下文化,《AI未來已來》新書對談直播:〈【大師對談】李開復 × 簡立峰:面對 AI 浪潮,企業該如何佈局才不踩雷?〉(YouTube)
- 對談引用之第三方資料:BCG 企業 AI 效益調查、史丹佛 Andrew Ng 對產品經理與工程師比例的觀察
- 李開復,《AI未來已來》(書中引用之企業效益比例與四象限工作地圖)
(本文為影片轉錄內容的整理與分析。逐字稿由自動語音辨識產生,人名、數字與專有名詞可能有誤;關鍵數據請以原始影片與原書為準。本文的檢查表與批判為獨立分析,不代表兩位與談人立場。)
