從龍蝦到Gemma4：AI不只生成內容，而是開始接手企業運作

作者／資策會MIC產業顧問朱師右

生成式AI正快速跨越「工具」與「勞動力」之間的界線。從Gemma4等開源模型，到能直接操作電腦的OpenClaw（龍蝦），再到Hermes Agent與強調任務編排的Harness Engineering，AI的角色已不再只是生成內容，而是開始承接實際工作。

這樣的變化正在改寫企業運作的基本邏輯。過去數位工具的價值，在於協助人員更快做出決策，但當AI能理解任務、串接系統並完成流程，企業不再只是「使用工具」，而是開始與AI分工。流程設計的出發點，也逐漸從以人為中心，轉向以任務與結果為核心。

這不只是效率提升，而是一場營運模式的重構。當AI逐步進入核心流程，系統架構、組織分工，甚至競爭基礎都將被重新定義。對經營者而言，關鍵已經不是要不要導入AI，而是要讓AI參與到什麼程度。

觀察一：AI不再只提供答案，而是開始接手流程

過去兩年，生成式AI多半用於內容產出與輔助決策，例如客服回覆、文件撰寫或資料整理。這些應用確實提升效率，但本質仍是「幫助人完成工作」。但現在情況開始改變，隨著AI Agent架構逐漸成熟，像OpenClaw與Hermes Agent這類系統，已能操作電腦、呼叫工具，甚至依據目標自動規劃步驟並完成任務。

AI不再只是提供建議，而是開始直接執行。這樣的轉變，也已反映在國際廠商的最新布局。Anthropic推出的Claude Cowork與Dispatch，讓AI不再只是對話介面，而是能以「數位同事」的形式參與企業流程，在不同系統之間切換並完成任務。這使AI逐漸具備協作與調度能力，也進一步模糊了「人操作系統」與「AI執行任務」之間的界線。

當資料蒐集、分析判斷到後續操作，都可以由AI串接完成時，企業自然會重新檢視既有流程。許多原本為了人員分工而設計的步驟，開始顯得多餘。這也是為什麼近期企業導入AI，不再只是局部優化，而是進一步思考流程如何重設。

觀察二：從模型競賽走向落地能力，AI應用進入工程時代

另一個明顯轉變，是AI發展的重心正從模型能力轉向落地能力。過去市場關注的是模型誰更強，但對企業來說，真正重要的是能否實際運作。隨著Gemma4等開源模型逐漸成熟，企業可以在本地部署AI系統，在成本、彈性與資料安全之間取得平衡，這也降低了導入門檻。

同時，AI應用方式也在改變。早期的Prompt Engineering，著重於讓模型產出更好的回應；但當AI需要執行任務，企業更關心的是流程是否穩定、結果是否可控。這也讓Harness Engineering逐漸受到重視，其核心在於將任務拆解、流程串接，讓AI能在實際環境中持續運作。

換句話說，AI的價值，正在從「生成內容」轉向「完成任務」。

觀察三：當AI能操作系統，企業IT架構被迫重寫

當AI開始接手任務，企業既有系統的角色也隨之改變。過去ERP、CRM等系統，主要是提供人員查詢與輸入資料，但在AI Agent環境下，這些系統逐漸轉為AI執行任務的基礎。與其說系統被取代，不如說其用途被重新定義。

關鍵在於系統是否能被AI調用。當AI需要跨系統完成任務時，資料是否結構化、API是否開放、流程是否標準化，都會直接影響執行效果。許多企業目前面臨的問題，不是沒有系統，而是系統彼此分散，資料難以串接。

未來企業IT的競爭，不再只是功能多寡，而是整體架構是否能支撐AI運作。這將成為影響企業轉型速度的重要因素。

觀察四：當流程被AI整合，組織分工開始失去意義

這使組織內部的協調成本下降，結構逐漸扁平化，決策與執行之間的距離也隨之縮短。更重要的是，管理的重心開始改變，企業不再只是配置人力，而是需要設計流程、定義任務，並確保AI的行為可被監控與追溯。長期來看，企業競爭將不再只是人力效率的比較，而是任務設計能力的差異。

觀察五：臺灣優勢仍在，但AI轉型門檻正在快速提高

從臺灣產業來看，這一波變化既帶來機會也帶來壓力。臺灣在製造、半導體與金融等領域，長期累積了豐富的流程經驗與營運數據，這些都是發展AI Agent的重要基礎。例如在製造業中，AI可整合排程與供應鏈資訊；在金融業，可應用於風險控管與智慧客服，以提升服務效率。

以製造業為例，過去生產排程往往仰賴經驗豐富的人員，綜合訂單變動、庫存狀況與設備負載進行調整。當AI Agent導入後，這類決策流程有機會被重新整合。AI不僅能即時讀取訂單與庫存資料，還能在不同系統間自動調整排程，甚至直接觸發採購或生產指令，使原本需要多部門協調的流程，轉為單一任務的連續執行。

在金融業中，類似的轉變也逐漸出現。例如在授信審核或客戶服務場景，AI不再只是提供建議，而是能串接內部風控系統與外部資料來源，自動完成初步評估與回應。原本分散於客服、風控與後台作業的流程有機會被整合，進一步縮短決策時間並降低人為誤差。這些變化顯示AI的導入已不只是提升單一環節效率，而是開始重組整體營運流程。

此外，開源模型的興起也讓企業在導入AI時有更多彈性。本地部署不僅有助於控制成本，也能兼顧資料安全，對於重視法規與資安的產業尤為重要。但另一方面，轉型門檻也在提高。許多企業的流程仍依賴人員經驗，資料未結構化，系統彼此分散。當AI需要跨系統運作時，這些問題將成為實際障礙。未來企業之間的差距，很可能取決於是否具備讓AI落地的能力。

當AI開始接手工作，企業競爭將重新洗牌

從開源模型、AI Agent到Harness Engineering，AI的發展已從「會說話」走向「會做事」，其影響也從工具層延伸到營運核心。未來企業將逐漸分化。一類企業會將AI納入核心流程，重新設計營運模式與組織架構；另一類仍停留在工具應用層次，只能在局部提升效率。兩者之間的差距，將隨時間持續擴大。

對經營者而言，關鍵早已不是要不要導入AI，而是是否讓AI真正進入核心流程。當AI開始接手工作，企業競爭的衡量標準，也將從規模與人數，轉向任務完成的能力。這不只是一次升級，也是企業運作方式的全面改寫。

【未經MIC許可，不得轉載與作其他用途使用】