「AI 本質上就是電腦 2.0！」在百億 CEO 班的 AI 系列彩蛋課程中，講師李慕約分享企業導入 AI 的實務案例時，特別引用了簡立峰老師的這句話作為破題，引導大家重新理解 AI 的角色與影響力。他接著解釋，電腦1.0其實只是「計算機」，有了AI，才真正稱得上有「腦」。今天我們在微軟辦公軟體上完成的工作，都會出現一個更聰明、更省力的 AI 版本。
李慕約是台灣最大 AI 學習社群—「生成式AI年會」的策展人，在生成式 AI 的實戰與教育領域深耕多年，2025的年會吸引超過800人參與，反映了台灣當下的AI熱潮。在這堂「企業導入AI應用的基本認知」課堂上，李慕約明確指出企業導入AI的三個關鍵環節：系統、使用、資料，並將痛點逐一拆解。
痛點１：如何組裝「新電腦」？
許多企業卡在第一哩路：要自建，還是直接採用雲端服務？這不只是技術問題，更牽涉到員工或客戶的實際使用場景，以及資安與權限規範。
以監管較嚴的金融業為例，玉山銀行選擇自建內部入口 GENIE：把專有知識與公司產品整合進平台，員工能查詢行內知識、理解業務脈絡，同時也能完成信件潤飾、翻譯、摘要等通用生產力任務。
李慕約指出，自建時常見兩條路：
1. RAG（檢索增強生成）：像考試時open book，模型每次回答都去翻公司的「教科書」，成本較低、更新快，但回答時相對稍慢，適合經常變動的資訊（如「現在的市長是誰」）。企業約投入50萬元就可以開始用；
2. Fine-tuning（微調）：則像考前苦讀，把企業知識、思考方式甚至語氣「學進模型」，讓模型「根本性變聰明」。回答時風格穩、速度快，適合提供長期不變的資訊。但企業要準備250萬起跳的建置成本。
李慕約補充，若非監管或客製化需求強，也可直接採用成熟的雲端 AI。關鍵不是迷信哪個模型，而是選擇最貼近企業需求與資料治理的組合。
痛點２：導入了，卻沒有人用
真正的難點不在「買到 AI」，而在讓人願意、且持續使用。李慕約以玉山銀行的經驗舉例，玉山花了12個月建系統，系統上線第一個月，只使用一次的員工僅有17％，每天使用的更只有2％；理由各式各樣：不知道有AI服務、知道但不會用、會用卻不想用、想用但功能不對…。
於是玉山把問題列出來，一一改進。包括辦黑客松、每個單位設種子人員、主管帶頭使用、設服務專線、儀表板追蹤、按月優化等等。整體使用量才開始以每個月約 20% 的幅度穩步成長，最終花了近1年時間才把使用率拉上來。
「就算買了AI，你大概會需要花很長的時間，還要有專責單位，在內部一直推、一直推，這是一件很難、非常痛苦且漫長的過程。」李慕約強調。
說穿了，導入 AI 就是改變習慣：定規則、教到會、用成日常，少一樣都不行。
痛點３：沒有資料，AI 就沒有「脈絡」
即使平台與採用都就緒，若沒有乾淨、可控、可檢索的文本資料，AI 仍無法理解你的企業。李慕約稱這段功夫為 Context Engineering（脈絡工程）：先文本化、再結構化、最後治理化。
玉山銀行把語音、影像與各式表單逐步轉成「純文字」，再結構化歸檔、權限分層清楚，累積成可被檢索與引用的知識庫。從客服通話、會議記錄到票據、財報、合約，都可輸入(部分先透過OCR轉為文字)到對應的模板與欄位，讓 AI 真正「找得到、用得對、回得準」。這段工程只有企業自己做得起來；越晚開始，轉換成本越重。
結語：越早與 AI 協作，越早脫離陣痛期
李慕約給在場 CEO 的建議很直白：企業越早把可預期、可標準化的工作自動化（如文件處理、報表彙整、會議摘要、客服輔助），越早享受到穩定的效率紅利。
AI 每年都會更聰明，而且它不會離職；相反地，人員流動可能帶走經驗與方法。若等到同業都跑起來你才啟動，面對的將是技術債、資料債、文化債齊發的翻修工程，轉型成本只會加倍。
身為經營者，現在就該啟動與 AI 的協作：把「電腦 2.0」先組好、讓人願意用、把資料餵對。當基礎打穩，真正的競爭力，才會在自動化中被持續放大。
