AI開發門檻大降 洪璿岳：企業自動化下一關不在「會不會寫程式」

生成式AI開始協助寫程式、建立介面，No-Code也讓非工程背景者能參與開發，企業取得軟體的門檻正在下降。過去一套內部系統從程式開發到部署維護，都高度仰賴工程人力；如今部分工作已有工具協助完成。當「把系統做出來」愈來愈容易，企業自動化市場也出現新的問題：企業還需要什麼專業服務？

現為FDE（前線部署工程師，Forward Deployed Engineer）、並與墨宇股份有限公司AgentOSS合作企業AI專案的洪璿岳，自2018年投入語言模型研發，之後轉向應用程式開發，協助客戶完成產品開發及App Store、Google Play上架。隨著企業專案增加，他發現客戶委託開發的項目並不全是面向市場的新產品，其中相當一部分來自企業內部管理。訂單、庫存、人事、報表、客戶資料等需求，早在生成式AI出現以前，就已是企業尋求客製化開發的原因。

當時要解決這些問題，企業必須把需求交給工程端實作，從程式撰寫、部署到維護都有一定技術門檻。洪璿岳也曾在專案中遇過部署失敗，需要查看log、除錯並重新處理。對企業而言，這些技術程序也是取得系統必須負擔的開發成本。

No-Code及生成式AI首先改變的正是這一段。原本需要工程師投入的程式與基本功能，現在已有更多工具協助完成，企業建立內部應用所需的時間與人力隨之改變。開發效率提高後，需求是否明確、流程如何設定，以及系統完成後能否符合實際作業，也更直接影響導入成效。

一套內部系統在開發前，仍須確認主管需要哪些資料、部門如何作業、權限如何設定及不同條件採取何種處理方式；完成後，也要驗證功能是否符合需求。這些工作決定的是企業究竟要讓系統處理什麼。需求若定義錯誤，開發速度再快，後續仍可能反覆修改。

當AI逐步降低程式開發門檻，企業自動化服務的專業需求也從技術開發，延伸至需求評估、流程盤點與導入驗證。洪璿岳認為，顧問與陪跑的作用，是在正式開發前協助企業確認適合自動化的工作，將既有作業整理成足以開發與驗證的需求，降低需求落差與後續修改成本。

這項分工也反映在洪璿岳目前與墨宇AgentOSS合作的企業AI專案。專案先確認企業欲改善的工作、現行作業及所需資料，再評估適合的自動化方式；相關知識、工作方法及專業經驗經整理確認後，再透過AgentOSS製作為可重複使用的工具或AI Agent。墨宇近年也從數位學習延伸至企業AI導入、AI Agent部署、人才培訓及顧問陪跑。

從客製化開發、No-Code到生成式AI，十年間改變的是企業取得軟體能力的方式。當「怎麼把系統做出來」所需的技術成本逐漸下降，企業自動化的投入也開始往需求評估與導入品質移動。AI可以縮短開發時間，但如何避免做錯需求、反覆修改，讓降低的開發成本轉為實際效益，也成為工具快速普及後，企業AI顧問與陪跑服務承接的新需求。