企業 AI 實踐系列 3 — Agentic AI 的市場爆發前夕與定義
與 LLM 不同，Agentic AI 不只是回答問題，它的核心使命在於解決問題。它不再等待人類一步一步拆解任務，而是 (1). 能夠理解高層次的模糊目標，例如：「幫我規劃下一季的行銷預算，並與供應商確認報價」；(2). 自主拆解步驟、調用工具、在遇到錯誤時自我修正；(3). 最終交付成果。
多家權威機構預測，2026 年就是爆發關鍵，Agentic AI 將從實驗室走進企業的核心業務。
-
-
企業 AI 實踐系列 2 — 從維根斯坦到 Software 3.0 的典範革命
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，本質上都在這兩個世界的碰撞處發生。
-
企業 AI 實踐系列 1 — 轉型中的氛圍感與認知差距
企業推行 AI 有挑戰有盲點，首先要認知到，AI 並非萬能鑰匙。
企業在導入 AI 時的問題，如文化焦慮、認知斷層及執行困難。
許多企業將 AI 視為公關素材而非生產力策略，導致無法成功實施。然而，AI 應被視為工具，需結合企業內部流程和溝通。
未來，企業應推動對 AI 的實踐反思，尋求統一的認知地圖，避免不切實際的幻影。 -
提示詞工程已經過時，可重複使用且已證明有效的提示詞模板登場 (附下載)
MIT 的 David Robertson 教授在文章中指出，提示詞工程已過時，他建議使用可重複的提示模板，這樣更有效率。他強調與其專注於一次性提示，不如建立一套可靠的模板，並提及有 9 大類可供下載的提示模板。AI 時代，這樣的做法會使創新過程更簡便。
-
哲學的層次去思考與設計架構的思考鏈
在 AI 時代，產品和服務設計需深入哲學層面，我結合批判性思考構建了思考鏈圖。對於柯南名言「真相永遠只有一個」，我提出修改，強調事實和競爭性真相之間的差異，並呼籲批判思考過程而非個人。
-
我已達到資訊飽和點？
反思與 AI 進行深度研究的過程，AI 能夠識別資訊飽和點，並開始產出成果。我意識到自己常常陷入收集資料的迷思，反映出對思考能力的缺乏自信，提醒自己應該專注於內容產出。
-
AI 經濟：從自動化、智能化到生成式 AI 的最佳組合
本文探討將《體驗經濟》的結構應用於 AI 經濟的可能性，提出四個層面：自動化提升效率，智能化增強決策，生成式AI促進創新與互動，AI生態系整合資源實現協同創新。這些觀點是基於1998年HBR的體驗經濟概念。
-
LangChaing 創辦人認為建構 AI Agent 的四個素養能力
Agent 時代已然來臨，它只會越來越強大，越來越讓你感到驚艷，沒有回頭路。
如果你是使用者，那就好好培養和它互動的技能。
如果你是開發者，那就好好訓練這四個素養技能：精準的提示詞設計能力 (Prompting)、扎實的工程實作能力 (Engineering)、敏銳的產品思維 (Product) 和 核心的機器學習知識 (Machine Learning)。你不必成為全能選手，但至少要有一個秘技，當作上場比賽的選手吧！ -
兩種專業能力在 AI 時代需要情境規劃 (附下載)
一個值得思考並採取的行動：Adopt scenario-based planning 情境規劃。
從三件事開始做：
1. 以更全面的思維來思考業務
2. 構建未來的各種情境
3. 測試其策略計畫在這些情境下的彈性 -
AI 攝影機幫你在足球賽裡追光頭
上週一個有趣的報導：AI-powered camera used to…
-
【我在引導現場】AI 行業應用的基礎知識
AI 很熱門，但大部分人認為要入門很難，或許是他們都想到 AI Scientist 這角色吧！其實，如果你是 Domain Expert，擁有該領域的專業知識，找到能合作的 AI Scientist 也很不錯。
如果你和我一樣，對於跨技術和商業，為他們搭橋 (Bridge)，那從 AI Facilitator 切入也挺不錯的。
