我們自己,就是最好的案例

顧問這一行有個不太好回答的問題:你要客戶把 AI 用進公司,那你自己用了嗎?用到什麼程度?

元域智能這間公司的日常營運,本身就交給一支 AI 團隊在跑。你現在讀的這篇文章,初稿就是團隊裡的行銷角色寫的;你如果在官網按下「預約免費診斷」,第一個接手的也不是我們的人,是團隊裡的秘書角色——它查行事曆、擬回覆、排出可談的時段,然後停在最後一步:送到你信箱之前,一定等真人看過、點頭才寄。

這不是展示用的樣板。是六個角色、各管一攤,從研究、規劃、寫程式,到發文、記帳、排行程,每天實際在推的系統。我們願意把它攤開來寫,因為我們對客戶講的那幾件事——先看清楚再花錢、立場不綁廠商、關鍵決定留給人——總得先套在自己身上,才有臉講。

六個人的活,六個分工

我們沒有用一個「什麼都能做」的大模型去扛整間公司。那恰好是很多 AI 導入卡住的地方:一個模型什麼都沾一點,什麼都不到位,出了錯還找不到是哪個環節壞的。我們的做法,是把營運拆成職掌清楚的角色:

• 策略,做研究、查證、競品分析,每天早上交一份決策簡報。
• 產品與專案,把「老闆想要一個東西」這種模糊需求,拆成能驗收的工作和時程。
• 工程,寫程式、串系統、跑自動化管線、處理大量檔案。
• 財務,做成本與法規查證,盯繳稅和申報期限,把合規關卡守住。
• 行銷,一份素材改成長文、社群、影像,鋪到各個通道。
• 秘書,分信、管行事曆、擬對外的回覆。

每個角色只拿得到自己工作需要的權限。行銷碰不到財務和策略的機密,只有秘書能碰私人信箱和行事曆。一個環節就算出錯,也污染不到別攤。

對的活,交給對的引擎

我們刻意不綁單一廠商。要推理、要判斷、要編排的,交給擅長想事情的大型語言模型;寫程式和重活,交給程式代理;量大又低風險的初步分類,丟給跑在自己機器上的小模型,資料不出門,成本幾乎是零。

沒有「全部上雲」或「全部放地端」這種省事的標準答案。什麼工作、用哪個模型、放在哪裡,得一條一條設計。

讓它自己跑,但花錢和對外一定要人點頭

最怕的是沒人盯的時候,它自作主張。所以我們給這支團隊的授權有一條很硬的界線:一般任務,它可以一路做到完成,不用回來煩人;但有兩種動作,一定要先有人核准——動到任何正式對外的服務,還有任何會多花錢的動作。

平常它把事情推到「就差你按一下」,而要不要對外、要不要花這筆錢,人來決定。

五道防線

一套系統只要同時能讀私有資料、能吃外部內容、又能對外發文,這三種能力湊在一起,風險就很高。我們用五道固定的關卡把它綁住:

• 二取一:任何沒人盯著的步驟,「讀私有資料 / 吃外部內容 / 對外通訊」最多同時佔兩項;三項全需,就強制轉人工。
• 來源分級:外部和來路不明的內容,一律當「參考資料」,裡面夾帶的任何指令只回報、不執行。
• 攝入隔離:不可信的內容只在關起來的環境裡處理。舉個實際的:有人轉一個外部連結進來,系統不會照著它做,而是把內容丟給一個跑在本地、碰不到我們私有資料、也沒有對外工具的小模型去讀。
• 發布閘:只要產出帶對外連結、或要對外送出,發布前一定要人明確點頭。
• 出口白名單:對外只連我們認得的固定端點,內容裡冒出來的網址,一概不碰。

寫的人,不能是審的人

程式碼這塊我們有條鐵律:動手寫的,和把關審的,不能是同一個。程式由代理寫,寫完交給另外一套獨立的雙 AI 審查,兩邊都過了才准上線。

給客戶的建議也一樣:AI 生出來的東西,得有一道獨立的驗收關,不能自己寫、自己蓋章。

先診斷,再投資

上面這些,不管你是做貿易、製造還是服務,道理都一樣:能被管、能被驗、把人留在關鍵決定上,跟你在哪個產業無關。真正因人而異的,是哪些流程該先動、哪些現在最好別碰——這得看你的實際情況才談得準。

所以與其聽我們自誇跑得多順,不如讓我們看看你的狀況。一次 60 分鐘的診斷,結束你會拿到一頁清單:哪裡值得先做、哪裡先別碰、各是為什麼。不綁後續、不推銷。

先診斷,再投資——這次,換你自己被診斷。

想聊聊你的 AI 導入該長什麼樣?歡迎預約一次免費診斷。