文 / Google Cloud 台灣技術總經理 林書平
根據 Google Cloud 內部調查，台灣導入生成式 AI 的企業中，有 78% 表示正在採用 AI 代理。這個比例已顯著高於亞太地區的平均值 64%，但我們發現許多企業仍在導入過程中感受到阻力。
可以理解的是，我們正在經歷軟體史上最劇烈的一次變革交鋒。這源於過去五十年來，企業習慣以「確定性模型」（deterministic model）為基礎打造軟體和業務，從客戶關係管理（CRM）系統到試算表，都是受規則約束且不容出錯的軟體。尤其台灣有龐大的精密製造業及多種受高度監管的產業，因此從品質控管到合規性，企業的核心目標都是消除不確定性。
然而，過去三年備受全球矚目的生成式 AI 打破了這項規則。它是一個具備「機率性」（Probabilistic）、創造力，且高度依賴情境脈絡（Context）的推理引擎，而非輸入 A 加 B 永遠等於 C 的計算機。它能處理確定性系統無法回答的問題，例如分析關稅或模擬地緣政治對營收表現與大宗產品定價的影響，為企業決策者提供重要參考資訊。
企業目前在營運模式中感受到的摩擦，正是因為過往建置系統的初衷是為了追蹤與消除不確定性。然而，我們無法將機率性引擎硬塞進確定性的營運模式中。要徹底發揮生成式 AI 的潛力，企業領導者必須停止把 AI 當作「速度更快的試算表」來對待。
在這個新時代能脫穎而出的贏家，將是那些不再嘗試壓制不確定性，而是將它轉化為運作常態的企業。以下是為了重塑企業營運、充分掌握 AI 未來，所必須經歷的三大轉變。
轉變一：從評估「效率」轉向衡量「自主性」
過去，軟體被視為放大人類工作能力的工具，其價值取決於存取權及效率，例如提供多少授權席位、加快員工多少作業速度。
生成式 AI 徹底翻轉了這個模式：我們正從「軟體即服務」（SaaS）轉向「服務即軟體」（Service-as-Software）。其價值在於最終成果，而非工具本身。當 AI 代理解決了一張客戶需求單，衡量標準不再是幫員工節省多少時間，而是人類是否需要參與其中。換言之，我們的目標不再是打造動作更快的勞動力，而是建立可無限擴展的團隊。
這代表我們需要新的指標。企業應該停止衡量員工投入的工作量，轉為關注 AI 自主性：這包含了 AI 代理是否提供正確事實？能否縮短決策時間？任務完成率如何？考量到人類未來已可從「人機迴圈」（human-in-the-loop）中移除，因此企業擴大獲利空間最重要的指標之一將會是：AI 代理是否能在無人類介入下獨立解決問題。
轉變二：面對 AI 不確定性，著重控管而非消除
許多企業試圖將機率性的 AI，塞進追求確定性、強調規則的營運模式中，但這往往行不通。傳統領導者看到 AI 產生幻覺便感到恐慌，並想將其關閉，直到它達到 100% 準確才能啟用。然而，絕對準確是確定性思維的幻想，更加正確的作法應該是設定「防護欄」來管理機率性引擎的不確定性。
在 Google ，我們探討可驗證來源（Grounding）與信心分數（Confidence Scores）。領導團隊應將重心從詢問「這個答案對嗎？」，轉為檢視「我對這項輸出有多少信心？」。在 Google，我們教導員工，AI 代理的設計初衷是生成推理，並非產出答案。
因此，我們應該建立這樣的系統：信心分數高時由 AI 自主運作，信心水準下降時，系統能平穩地交給人類專家進行審查。如同 Google DeepMind 開發的一款預測模型 AlphaFold 為蛋白質結構預測提供信心水準，企業級 AI 也需要提供領導者一個可據以決策的分數，並讓人類的介入成為持續訓練模型、持續優化的回饋循環（Feedback Loop）。
轉變三：轉化數據為回饋，以判斷力重新定義人才
隨著 AI 能迅速生成草稿、原始程式碼與基礎分析，人類與 AI 協作的角色正在演變。起初，一些任務由人類執行、AI 輔助；接著轉變為 AI 處理、人類監督，並在必要時介入；最終則走向 AI 獨立自主運作，人類僅需定期稽核。
AI 不會取代人類，但會使人類的核心職能從「執行」轉變為「專業判斷力」，引發人才轉型。我們不再需要只會執行的員工，因為 AI 瞬間就能生成及格的作品，我們需要的是具備專業知識與優異眼光的人才，能在幾秒鐘內分辨 AI 的產出品質，審視 AI 輸出的結果，並一眼分辨出「看似合理」與「精闢入裡」的差異。
依賴勞力換取經驗的人才培養制度已經結束，我們必須建立以「判斷力」為核心的新體系。同時，我們必須避免雜亂的數據養成無能的數位勞動力。有了生成式 AI，數據不再只是用於事後的分析報告，而是即時的回饋與行動，並可以用來訓練能自主運作的 AI 代理團隊。
突破火車軌道限制，用 AI 打造能馭風的帆船
過去幾十年，我們就像一直在建造跑得更快的火車，運行在名為「規則」的鐵軌上，效率高且可預測。現在，我們正在運用 AI 打造帆船，它將依賴名為「機率性數據」的風，能帶我們抵達鐵軌到不了的地方，但如果沒有舵（防護欄）和羅盤（基礎事實），這艘船便會翻覆。
要求百分之百確定性的領導者就像在一個即將過時的模式中追求極致效率。面對未來，我相信競爭優勢屬於那些為了追求指數級成長，願意擁抱機率性、駕馭不確定的領航者。
【推薦閱讀】
◆ AI 下一個 10 億用戶怎麼來？a16z 點「信任牆」命題，解析中介時代的三大結構轉變
＊本文由作者授權刊登，並同意 TechOrange 編寫導讀與修訂標題。首圖來源：由 Gemini 生成。
（責任編輯：廖紹伶）
