【企業 AI 實踐系列】有 8 篇文章，預計從企業現象出發，透過冷靜觀察，深入哲學底層，揭示「本體論」的重要性，最後回歸實務工程路徑，期盼為焦躁的企業管理者們打開一條思考路徑。
為什麼技術無法治癒「聽不懂人話」？
在上一篇中，我觀察到企業在 AI 轉型過程中的各種組織亂象，從戰略泡沫破滅到執行斷層，再一路延伸到第一線員工當起 AI 保母的疲勞。如果要從根本理解這些問題，必須承認一個長期被忽略的對立：系統裡的「地圖世界」和商業現場的「地面世界」。前者是邏輯嚴謹、邊界清晰的抽象模型；後者則是充滿例外、情緒與臨場變化的真實場域。AI 的所有誤解與幻覺，本質上都發生在這兩個世界的碰撞處。
Software 1.0 與早期維根斯坦：邏輯的「地圖世界」
企業的資訊系統長期活在「地圖世界」裡，資料庫欄位、API 規格、流程圖與權限表，共同構成了一張張看似完整的業務地圖。這個世界的核心追求，是「沒有歧義」。
- 技術典範：Software 1.0 (符號主義)
在 Software 1.0 時代，人類工程師逐行撰寫 if-then 規則，試圖把企業的組織行為拆解為一套可被完全列舉的邏輯。這種寫程式的方式，假設只要規則寫得夠多、夠細，系統就能掌握全局。 - 哲學對映：維根斯坦的《邏輯哲學論》(Tractatus)
早期維根斯坦認為，語言是「現實的圖像」：一句話的價值，取決於能否準確對應世界的某種狀態。於是語句被分為：- 真命題：精確對映現實 (例如：訂單數量為 10)。
- 假命題：在邏輯上可表達，但事實上並不存在。
- 核心矛盾：
問題不在於邏輯不嚴謹，而在於地圖被誤認成了全部的地面。Software 1.0 生產出來的是一張非常光滑、非常好計算的世界的版本，但真實的商業現場到處都是模糊地帶。
當管理者只信任「系統顯示」與「報表指標」，而忽略一線人員的情境回饋時，企業就會陷入一種典型困境：指標沒有壞掉，現場卻早已燒起來。
Software 2.0 與後期維根斯坦：語言在「地面世界」裡活著
與地圖世界相比，企業真正運作的是處在一個充滿噪音與不確定性的「地面世界」。會議上的不經意的一句話、客戶細微的情緒變化、跨部門的潛規則，全部都不會老老實實地長在資料庫欄位裡。
- 技術典範：Software 2.0 (連結主義)
Software 2.0 不再要求人類寫規則，而是透過神經網路從大量資料中「模仿學樣」。它學的是語言的口氣、常見反應、過往輸入與輸出之間的關聯，看起來比傳統系統更像人。 - 哲學對映：維根斯坦的《哲學研究》(Language Games)
後期維根斯坦不再把語言視為靜態的世界鏡像，而提出「語言遊戲」的概念，一句話的意義，來自於它在具體情境中的使用方式，而不是字典裡的定義。
在企業裡，「品牌年輕化」、「提升體驗」、「深度互動」這些熟悉的詞，往往只是語言遊戲中的招式，也就是，每個人都會講，真正實施的時候卻做出完全不同的行為。 - 「偽命題」與 AI 打滑：
對缺乏結構約束的模型來說，這些華麗但未被具體定義的口號，就是一種偽命題。模型可以模仿這種語氣、寫出漂亮的簡報文案，卻不真正知道要在「地面世界」做出什麼改變。
於是，AI 很容易出現一種熟悉的狀況：文案寫得頭頭是道，實際決策與行動卻完全沒有被推動。從外觀看，一切很「懂人話」；從業績看，什麼也沒發生。
Software 3.0 與救贖：本體論引導的「雙語智能」
2025 年，我們進入了 Software 3.0 時代。真正關鍵的，不是模型參數變大，而是出現了一種有機會同時說「地圖語言」和「地面語言」的混合智能。
- 定義：Software 3.0 = LLM (2.0 的語感與直覺) + 本體工程 (1.0 的結構與邏輯)
LLM 的出現，讓兩種世界的語言第一次被裝進同一顆「大腦」裡。
一方面，它能理解人類在會議裡怎麼講話、在簡報裡怎麼包裝，模仿「地面世界」的語言遊戲；另一方面，它也能操作結構化的資料、API 規格與業務規則，跟「地圖世界」的形式語言打交道。 - 非對稱溝通：從「要它懂」到「讓它演」
這個轉折在於：我們其實不需要、也無法讓模型真的「理解企業」，反而比較像是在做一個「舞台建構師」。
透過提示詞 (Prompt) 與本體工程 (Ontology Engineering)，我們為模型搭起一個暫時的世界觀：什麼詞代表什麼決策、哪些資訊可以用、哪些規則不可破。名詞←→動詞←→名詞。
在這個舞台上，模型負責演出「一個看起來懂業務的人」，輸出符合企業語境的內容與建議。
換句話說，Software 3.0 的革命，不在於出現了會自己思考的 AI，而是人類終於有能力，把企業的「地圖」與「地面」暫時對齊在同一個對話空間裡。
我們需要一張「對得上現場」的地圖
即便如此，Software 3.0 依然不是萬靈藥。若企業沒有一套清楚的世界模型，AI 再聰明，也只是在不同語氣之間換皮表演。
真正的關鍵，是打造一張能「對得上現場」的地圖。一方面，它要有足夠結構性，讓系統與模型有東西可以依據 — 這就是本體論 (Ontology) 的角色；另一方面，它也要能隨業務更新而變化，而不是被供奉在知識庫裡生灰塵 — 也就是要具備新陳代謝的有機能力。
當企業擁有這樣一張活的地圖，AI 才能不只是生成漂亮的句子，而是參與具體決策與流程；也才有機會，從一次次的對話中，逐步讓地圖與地面彼此校正。
下一篇，我將從最小單位開始試做，畫出第一版「企業世界觀」，並引入新陳代謝，把它養成一套可用的本體工程路徑。
