大家都叫你經營個人品牌，但沒人告訴你：一個人根本做不完。

發三篇就沒梗了。剪一支影片去掉一個晚上。好不容易有點流量，又不知道怎麼變成生意。

所以多數人的個人 IP，都停在「有在發，但沒有結果」。

問題不在你不夠努力。是你把整條產線都用手做。

明天這場，我們一人講一半

我講前段：內容怎麼用 AI 持續產出

• 選題、腳本、成稿、發佈，怎麼串成一條會自己動的產線

• 一個人怎麼穩定週更日更，而且不燒光自己

Alex 講後段：流量怎麼自動成交

• AI 分身怎麼做、能幫你接住什麼

• 一條龍的個人品牌經營到導購系統

• 用 AI Agent 自動化行銷、客服與營運

一個講前段，一個講後段，剛好把個人 IP 從「被看見」到「自動成交」接起來。

來賓：馬驊 Alex Ma

• 痛點科技 PainPoint AI 創辦人暨 CEO，幫企業打造專屬 AI Agent 團隊，自己公司就跑著 4 隻 Agent

• 蟬說生活創辦人，經營全台 5 座頂級 Glamping 園區

• BNI 華AI 分會副主席，全台第一個 AI 商務引薦分會共同創辦人

他官網上還放著一個會跟訪客聊天的 AI 分身，你可以先去玩玩看。

適合誰

• 想經營個人品牌但一直卡住的人

• 業務、顧問、講師、房仲、保險、教練，靠人成交的工作

• 一人公司、斜槓、創業者

• 已經在發內容，但流量一直沒有變成生意的人

活動資訊

一個人 × AI，也能撐起一間媒體公司？

日期：2026/8/28（五）
時間：晚上 7:30 - 9:00
地點：線上 Google Meet
費用：免費

立即報名 →

報名後我會在明天下午把上線連結寄給你。

全程錄影，事後會整理成文章＋YouTube 回放（含中文字幕），沒空全程參與也沒關係。

黃敬峰（AI峰哥／阿峰老師）
企業 AI 實戰培訓

會用、懂用、好用、每天用。你是機長，AI 是機組人員。

這週如果你滑到「Google AI 高層大地震」這類標題，先不用緊張。

三行講完：

① 誰動了
Jeff Dean 在 Google 待了 27 年後離職，跟老搭檔 Sanjay Ghemawat 一起去開一家叫 Discovery Loop 的新公司。
Demis Hassabis 沒有離開 Google——他卸下 DeepMind 日常營運，轉任 Alphabet 首席科學家，繼續跟執行長 Pichai 一起處理 AGI 這種大方向的事。DeepMind 的日常交給 Koray Kavukcuoglu。

一個走，一個升。 不是兩個都跑了。

② Google 怎麼說
定調是友好分手。Dean 走得體面，Google 甚至會投資他的新公司。

③ 對你有什麼影響
短期沒有。 你的 Gemini 照用，你公司接的 API 照跑，價格也不會因為換了誰管而變動。

那這則新聞真正值得看的是什麼？

不是「誰走了」，是他去做什麼。

Jeff Dean 的新公司要做的事，用他們自己的話說是：把機器學習、科學、工程自動化，藉此加速科學發現。

翻成白話——不是做一個更會聊天的 AI，是做一個會自己做研究的 AI。

一個在 Google 待了 27 年、幾乎參與過所有關鍵基礎建設的人，選擇離開去做這件事。這比「高層異動」本身更值得放在心上。

阿峰老師想提醒的一件事

每隔一陣子就會有一波「某某大廠 AI 出事了」的新聞，然後很多人開始焦慮：我是不是押錯工具了？

阿峰老師的建議一直是同一句：

你賭的不是哪一家公司，是你自己會不會用。

Google 換誰管 DeepMind，不會改變你的簡報要花幾小時做完。真正會改變那件事的，是你有沒有把 AI 接進你每天的流程裡。

新聞看三行就夠了，剩下的時間拿去練工具。

📄 資料來源：CNBC、Axios（2026-08-05）
⚠️ 網路上流傳的「Alphabet 股價跌 5%」阿峰老師沒有從一手報導確認到，這裡就不引用了。

有問題直接問

工具實際用起來卡住的地方，比大廠人事新聞重要得多。

阿峰老師的 AI 學員社群在這裡，有問題直接丟進來：

👉 https://reurl.cc/GGlLNx

— 阿峰老師

📢 下一場：8/28（五）19:30

一個人 × AI，也能撐起一間媒體公司？
AI 新時代網紅學 — 個人 IP 從被看見到自動成交

大廠換誰當家你管不了，但你自己的產線可以自己蓋。

阿峰老師談前段——不靠靈感、不靠意志力，用 AI 把選題、腳本、成稿、發佈變成一條會自己動的產線。
馬驊 Alex Ma 談後段（痛點科技 PainPoint AI 創辦人）——AI 分身、自動化導購，把看過你的人變成問你的人、下單的人。

🗓 8/28（五）19:30–21:00
💻 線上 Google Meet
💰 免費

👉 立即報名

上週四晚上，阿峰老師和 SIRAYA 西拉雅科技的 Kent 做了一場線上分享會，講企業 AI 落地。

一小時裡，最多人有反應的不是哪個模型比較強，而是一個很土的問題：

我到底要讓員工一個一個去訂 ChatGPT、Gemini，還是公司買一包 API 讓大家用？

現場 Kent 講了一個他客戶的真實案例。

那位客戶原本把系統跑在訂閱制上，後來被迫搬到 API——

一天燒了 150 到 200 美金。

一天，就燒掉了原本一個月的訂閱量。他的反應是：立刻把系統關掉。

這件事的重點不是「API 很貴」。

而是：訂閱制的吃到飽，會讓你完全感覺不到自己實際用了多少。等哪天被迫換成按量計費，帳單才會告訴你真相。

那到底該怎麼選？Kent 給的分界線只有一句話——

這個 AI 斷線的時候，會不會有外面的人看到？

會，就走 API。不會，訂閱制先撐著。

分享會裡還有一段更反直覺的：

以前矽谷的說法是「誰的 token 燒得最多，誰就最會用 AI」。現在反過來了——用得多不代表用得好，可能只是很沒效率地在浪費算力。

阿峰老師把整場整理成一篇完整的文章了，包含：

・訂閱制 vs API 的完整判斷準則
・20/80 混合架構怎麼分（哪些丟頂級模型、哪些丟便宜的）
・API key 被盜刷這件事（跟信用卡一樣）
・台灣企業現在能做的四件事

📄 完整文章在這裡（同一頁也有當天的完整回放影片）：
https://autolab.cloud/blog/ai-subscription-vs-api

最後放一句阿峰老師在現場講的話。

Kent 說「AI 就是一張白紙，你想要它做什麼，它就可以做什麼」。阿峰老師想講得更精確一點：

對「會用」AI 的人來說，AI 是一張白紙。
不會用的人，只能用別人已經寫好的那張紙。

— 阿峰老師

📢 下一場：8/28（五）19:30

一個人 × AI，也能撐起一間媒體公司？
AI 新時代網紅學 — 個人 IP 從被看見到自動成交

這一期講的是「AI 幫你省下多少成本」，下一場講的是「怎麼讓它幫你賺錢」。

阿峰老師談前段——不靠靈感、不靠意志力，用 AI 把選題、腳本、成稿、發佈變成一條會自己動的產線。
馬驊 Alex Ma 談後段（痛點科技 PainPoint AI 創辦人）——AI 分身、自動化導購，把看過你的人變成問你的人、下單的人。

🗓 8/28（五）19:30–21:00
💻 線上 Google Meet
💰 免費

👉 立即報名

上課的時候，這題幾乎每一梯都有人問：

「老師，我用 AI 生的圖，可以直接放進公司的提案簡報嗎？客戶會不會告我？」

阿峰老師以前的答案是：「看情況，而且沒有人能給你保證。」

這個答案聽起來很不負責任，但它是誠實的——過去確實沒有一家大廠願意白紙黑字說「出事我扛」。

上週開始，這個答案可以更具體一點了。

Google 把答案寫進官方文件了

Google for Startups 上週出了一份《Generative media》技術指南（35 頁）。裡面第 29 頁，直接回應了這題，給了兩個機制：

① SynthID ＋ C2PA — 內容自己會說它是哪來的

Google 生成的圖片與影片，會嵌入一層看不見的數位簽章。肉眼看不出來、截圖也還在，但可以用工具驗證「這是 AI 生的、來自哪個模型」。

對企業的意義：往後客戶問「這張圖是不是 AI 做的」，你不用嘴巴保證，是可以驗證的。

② 有賠償機制——但沒有那份 PDF 讓你以為的那麼寬

Google Cloud 確實有生成式 AI 的「賠償」（indemnification）機制，涵蓋訓練資料與生成產出兩塊。這是真的。

但阿峰老師去翻了 Google Cloud 的官方條款頁，發現它跟那份 PDF 給人的印象差很多。至少有三道門檻：

門檻一：只有名單上的服務算數

Google 官方列了一份適用清單（最後更新 2026 年 7 月 19 日）：Gemini for Google Cloud、Gemini Enterprise、NotebookLM Enterprise、Gemini in Workspace、Google Vids，以及 Gemini Enterprise Agent Platform API 搭配正式版模型。

全部都是企業付費產品。你手機上那個免費的 Gemini App，不在名單上。

這一條就篩掉大部分人了。

門檻二：原則上只保「沒有再修改過」的輸出

據《未來商務》的整理，這個保障原則上限於未經修改的輸出。如果成立，實務上非常致命——你生完圖幾乎都會再調整、裁切、加字，一改可能就不在保障範圍。

⚠️ 這一條阿峰老師沒有逐字比對 Google 合約原文，寫在這裡是要提醒你去問，不是法律結論。

門檻三：要遵守負責任 AI 規範、且未蓄意侵權

原文寫得很清楚：provided they follow responsible AI practices and not intentionally infringe on IP。

白話講：叫 AI 生「一般的商務簡報插圖」是一回事；叫它生「某個知名卡通角色在開會」是另一回事，後者是蓄意侵權，自己負責。

這件事真正值得學的，其實不是賠償

而是那份 PDF 和實際條款之間的落差。

PDF 是行銷文件，寫得寬鬆好看；真正的限制在條款頁和合約裡。看到 AI 廠商說「我們有法律保障」，要去翻的是合約，不是簡報。

阿峰老師要特別強調這段，是因為市面上很多人講這件事只講前半段，讓人以為「用 Google 生圖就萬事無憂」。不是的。保護傘有邊界，而且邊界不在那份 PDF 裡。

順便講一件有趣的事

同一份文件的第 18 頁，Google 建議：用 GEMINI.md、AGENTS.md、SKILL.md 這類 Markdown 檔案，把品牌風格、語氣規範、創作限制寫進去，讓 AI「變成一個懂你們家媒體的同事，而不是一張白紙」。

上過阿峰老師課的人應該覺得很眼熟——這就是課堂上教的那套做法。

重點不是「你看我早就講了」，而是：這件事現在有官方背書了。 你回公司要推這個做法時，可以直接說「Google 官方指南建議的」。

而且那幾個檔案都是純文字的 Markdown，不是程式。不會寫程式的人也做得出來。

台灣企業現在能做什麼

① 先確認你用的服務到底在不在保障名單上
這是最容易被跳過、但最該先做的一步。如果公司用的是免費版，那前面講的賠償跟你沒關係，要嘛升級、要嘛就當作沒有保障來管理風險。

② 先把「能不能商用」變成公司規定，不要靠個人判斷
寫一頁就好：哪些情境可以用 AI 生圖（簡報配圖、內部文件），哪些不行（客戶 logo、名人肖像、指名模仿某個品牌風格）。沒有這頁，每個員工都在憑感覺賭。

③ 對外交付的素材，記錄它是怎麼生的
用什麼工具、什麼提示詞、哪一天。一個 Google 試算表就夠，三個欄位。真的有爭議時，這份紀錄就是你「非蓄意侵權」的證據——而那正好是賠償條款要求的那個前提。

④ 把公司的品牌規範寫成一個檔案
不用工程師。開一個文字檔，把「我們的顏色是什麼、語氣是什麼、不能出現什麼」寫進去，之後每次叫 AI 做東西都先餵它。這是這份指南裡最好抄、也最快看到效果的一招。

提醒一句

那份《Generative media》是 Google 出的行銷資料，不是中立評測，通篇在推 Google Cloud。上面講的機制是真的，但要記得它服務的是誰——這也正是為什麼阿峰老師會去翻條款頁。

📄 來源：Google for Startups《Generative media》技術指南（2026 年 8 月）／Google Cloud 生成式 AI 賠償服務清單（2026-07-19 更新）／《未來商務》2026-07-28 導讀

有問題直接問

這一期講的東西，實際做起來一定會有卡住的地方。

阿峰老師的 AI 學員社群在這裡，有問題直接丟進來，看到就回：

👉 https://reurl.cc/GGlLNx

— 阿峰老師

📢 下一場：8/28（五）19:30

一個人 × AI，也能撐起一間媒體公司？
AI 新時代網紅學 — 個人 IP 從被看見到自動成交

這一期講的是「你生的圖能不能用」，下一場講的是「生出來之後怎麼變成生意」。

阿峰老師談前段——不靠靈感、不靠意志力，用 AI 把選題、腳本、成稿、發佈變成一條會自己動的產線。
馬驊 Alex Ma 談後段（痛點科技 PainPoint AI 創辦人）——AI 分身、自動化導購，把看過你的人變成問你的人、下單的人。

🗓 8/28（五）19:30–21:00
💻 線上 Google Meet
💰 免費

👉 立即報名

快速提醒——今晚 7 點，企業 AI 落地實戰分享會，線上免費。

還沒報名的把握一下：

🗓 今天 8/6（四）19:00–20:00
💻 線上 Google Meet
💰 免費

👉 報名連結

這一小時，阿峰老師 × Kent（SIRAYA 西拉雅科技 AI 部門負責人）帶你看懂企業 AI 落地的「應用 × 基礎設施」——怎麼讓公司真的把 AI 用起來、怎麼接上模型控好成本。

報名後會收到 Google Meet 連結，晚上線上見。

阿峰老師

最近，兩位高階主管問了阿峰老師同一句話，連用字都差不多：

「老師，現在導入 AI，會不會是買在山頂？」

這封信不會告訴你答案是「會」或「不會」。會告訴你為什麼這題不值得回答，以及力氣該放哪。

📢 就在明天！8/6（四）19:00｜阿峰老師 × Kent：企業 AI 落地實戰分享會
應用 × 基礎設施——阿峰老師講你怎麼把 AI 用起來，Kent 講他怎麼幫企業接上 AI 模型。
線上 Google Meet，免費，目前已有 68 人報名。
👉 立即報名

7 月 22 日那一天，兩則打對台的新聞

說「錢還在進場」的那一則：AMD 宣布與 Anthropic 策略合作，部署最高 2GW 的 Instinct MI450。加上先前的 OpenAI（2025 年 10 月）與 Meta（2026 年 2 月）各 6GW，AMD 對三家前沿 AI 公司的累計承諾來到約 14GW。大廠在用十年為單位下注。

說「這是泡沫」的那一則：同一天，一篇調查報導引述日經的追查——五家超大雲端業者用 SPV 把約 1.65 兆美元的債務挪出資產負債表，比帳面上的還多。帳面漂亮，不代表體質健康。

（來源：AMD 與 Anthropic 合作新聞稿／Futurism 調查報導）

先別急著選邊站。這兩則新聞不是同一件事，但它們問的是同一個問題。

錢，是從哪邊流到哪邊

多數報導只抄了 14GW 這個總數。真正值得看的是錢的流向。

在 AMD 那份宣布 2GW 合作的新聞稿裡，還有另一段：AMD 承諾對 Anthropic 做最高 50 億美元的股權投資——是上限，時程與條件都沒有揭露。

外界普遍質疑的結構是這樣：供應商出錢投資客戶，客戶再拿這筆錢回頭跟供應商下單。

換成你的公司：你投資了一家供應商，那家供應商拿你的錢跟你買貨。兩邊業績都很漂亮——但這筆生意到底是不是真的？

這在會計上完全合法。但它讓一件事變得很難判斷：帳面上的錢，有多少是真的？

那篇講「債務藏在表外」的報導，問的就是這個問題——只是對象是另外五家公司。

而這裡最要命的地方，不是它可能是泡沫。是連華爾街都算不出來。連他們都算不出，你更不可能。

所以，別把公司的 AI 決策押在這題的答案上。

這種事發生過

2000 年的光纖泡沫，公司倒了一票，當年那批被認為嚴重過剩的光纖，後來撐起了整個串流時代。泡沫破掉的是估值，不是基礎建設。

所以「AI 是不是泡沫」這題，答案很可能是：是泡沫，而且該蓋的東西還是會蓋完。 兩件事同時成立。

問題是——這個答案對你完全沒有用。

真正該問的，不是「會不會破」

阿峰老師帶過 400 多家企業做 AI 培訓，看過最常見的一種卡住，就是老闆把兩個完全不同的問題混成同一題：

產業題：AI 產業會不會泡沫化？
答對了沒有獎金。你不是 AMD 的股東，也不是 OpenAI 的債權人。

自己題：我的團隊用不用 AI，一年後差多少？
差距不是一次拉開的，是每天一點點，一年後你才會嚇一跳。

第一題是總體經濟，你影響不了也預測不準。第二題是你手上的方向盤。

你賭的不是產業，是你自己的生產力。 就算明天 AI 公司股價全部腰斬，你的業務用 AI 寫一封開發信的時間也不會變回三十分鐘。能力一旦長出來，不會跟著股價一起蒸發。

一個反方向的證據：工具還在變便宜

如果 AI 產業真的在崩，工具應該愈來愈貴才對。實際發生的是相反的事。七月底 Anthropic 發表 Claude Opus 5，價格維持前一代水準沒漲（$5／$25，跟 Opus 4.8 完全一樣），能力明顯跳升（來源：Anthropic 官方發布）。而公開的評測資料還顯示：把推理檔位開到最高，某些項目分數沒有更好，成本反而更高——日常任務用中等檔位就綽綽有餘（完整解析）。

不管上游那些錢怎麼繞，下游使用者拿到的東西是實實在在變好、變便宜。所以「再等等看」其實是最貴的選項——觀望的成本不是等泡沫破了才一次結算，是每天都在扣。

台灣企業現在能做什麼

不要因為看不懂總體經濟，就把手上能做的事也停掉。下面這三件事，跟 AI 產業的估值一點關係都沒有：

① 先算一題數學，不要先買授權
挑一個團隊裡最常重複的流程——週報、開發信、會議記錄都可以——算清楚現在每週花掉幾個人、幾小時。這件事本身就能丟給 AI：把上個月的週報整批貼進去，叫它列出「每份週報裡重複出現的段落」。跑完你就知道哪些是真的在做事，哪些只是在搬字。

沒有這條基準線，三個月後成效永遠各說各話：老闆覺得沒感覺，員工覺得白忙。

② 把預算放在「會用」，不是「買到」
阿峰老師看過太多企業花二十萬買了整團隊授權，半年後一半的人還在把 AI 當 Google 用——問一句、得一句、關掉。工具不是護城河，你們公司的流程怎麼跟 AI 接起來才是。

③ 從非工程職開始，不是從 IT 開始
104 在 2026 年 6 月的 AI 人才趨勢報告裡，需求成長最猛的不是工程師：專案／產品管理 +263%、業務銷售 +248%、行銷 +165%。AI 落地的主戰場已經從機房移到辦公室——如果你的 AI 專案還掛在資訊部門當技術案子做，方向可能就偏了。

這幾件事，泡沫破了要做，不破也要做。

你的團隊，現在卡在哪一關？

看完上面三件事，如果心裡浮出的是「道理我懂，但不知道從我們公司哪個流程開始」——這是阿峰老師在 400 多家企業裡聽到最多的一句話。

直接回信，回一句話就好：

你的團隊現在最想丟給 AI、但一直沒動手的那件事是什麼？

公司職務有寫更好，沒寫也沒關係。阿峰老師會親自回。下一期會挑幾個最多人卡住的，直接在信裡拆解。

想先看做法，官網有企業內訓的實際案例：www.autolab.cloud

本週文章

📄 提示詞就是交辦單：一個公式讓 AI 一次聽懂你要什麼
角色 ＋ 任務 ＋ 背景 ＋ 格式。把 AI 當成很聰明但完全不認識你公司的新人，交辦單就知道怎麼寫了。
https://www.autolab.cloud/blog/prompt-is-a-work-order

— 阿峰老師

P.S. 這封信之前斷了一個多月。原因很老實：四月的時候阿峰老師想每天「手寫」一封，結果讀者還沒累，自己先陣亡了。

這次不一樣的地方，是把整條產線自動化了——選題、素材、排版都有系統在跑，人只負責最不能外包的那部分：觀點。

節奏定在每週一、三、五早上各一封。上週日那封考 AI 繁體中文的是第一封，這是第二封。

先講痛點。我每篇文章都要一張封面，封面一定要有字。但 AI 生圖一直寫不好中文——你叫它畫一個「導」字，它給你一坨看起來像字、但字典查不到的東西。

所以我的流程一直繞路走：先生一張完全沒有文字的底圖，再用程式把中文標題疊上去。兩道工。

上週 Google 出了一份技術指南，說它的生圖模型能把「準確的多語言文字」直接畫進圖裡。整份 35 頁，一個字都沒提繁體中文。

先講清楚那份文件的立場：它是 Google 自己出的行銷文件，通篇在推自家雲端，不是第三方中立評測。所以裡面每個宣稱，我都當成「待驗證的主張」而不是結論——這也正是我決定自己動手測的原因。

而且「多語言」對台灣人來說差很多。很多模型的預設中文是簡體，丟給你一個「导」、一個「关」，放上封面就出事了。

所以我自己測。四題，由易到難，每題只生一次、不重抽也不挑圖：

・短主標 7 字 → 全對

・主標＋中英數混排 → 全對

・專挑繁簡最容易混的字（體、灣、導、關、鍵、變、數）21 字 → 全對

・多標籤資訊圖 → 出現壞字

第三題全對的時候，我心裡已經在想「那套疊字腳本可以退休了」。

第四題把我打醒。文字一多、字級一小就崩，而且它壞的方式很陰險——不是寫成另一個字，是把字「畫壞」。縮到封面尺寸你覺得還好，投到會議室的投影幕上就被抓包。

規律很清楚：字級越大、字數越少越可靠；一張圖塞越多小字塊，翻車機率越高。

但我還是沒把舊流程砍掉，原因不是品質，是可控性。

AI 畫字等於每次重新賭一次；程式疊字是一次設定、次次一樣。你一篇文章配一張圖，賭一次沒關係。但你要出一百張、每張都要長得像同一個品牌，不可控就是災難。

所以我建議你這樣切：單張、要快、要好看，直接讓 AI 把字畫進去；要量產、要品牌一致、之後還要改，留著程式疊字；圖解、資訊圖、簡報內頁，現階段先別交給 AI 畫字。

真的要開始用，養成一個習慣：發出去之前，把圖放大到 100% 逐字看一遍。特別盯兩個地方——筆畫多的字（辦、變、關、鍵、體、廳），還有字級最小的那一行。我這次的壞字就出現在最小的那行。三十秒的事，能擋掉一次丟臉。

還有一件那份文件沒講的事。

Google 會在生成的圖裡蓋一個加密的「AI 生成」憑證。這是真的，我掃到了，簽發者是 Google。

但我接著做了件每個人都會做的事——用繪圖程式打開、存檔。

憑證不見了。重存、轉檔、裁切，三種後製都會洗掉。

所以兩件事要記住：你以為「有蓋章別人驗得出來」，其實後製第一步就掉了；反過來，別人給你一張沒有憑證的圖，也不能因此斷定它不是 AI 生的。

還有一層，是我去翻合約才發現的。

那份文件說 Google Cloud 有「生成產出的法律賠償」，聽起來很安心。但我查了合約原文，它寫的是 unmodified Generated Output——未經修改的產出。而且排除條款裡明寫，客戶若「修改或繞過 Google 提供的來源標註等工具」，就不在保障範圍。

把兩件事疊起來看，結論有點刺：你為了加標題而疊的那一刀，同時洗掉了憑證，也讓這張圖不再是「未經修改的產出」。最需要法律保障的商用情境——改過、加了字、放進提案裡的那張圖——恰好是保障最薄的地方。

我不是律師，實際適用要看貴公司簽的合約。但通則我很有把握：當 AI 廠商說「有法律保障」，該去翻的是合約條款，不是那份簡報。

先講清楚樣本限制：這是四題、單一模型、單日的測試，不是大規模統計。你自己的題目跑出來可能不一樣，發布前務必自己放大看過。

我常說：你是機長，AI 是機組人員。

機組人員真的變強了——一年前它連「導」字都寫不出來，現在能一次寫對二十一個繁體字。

但那個畫壞的字，模型不會告訴你它畫壞了。它交出來的時候，一樣自信。

機長的工作沒有變少，只是換了位置——從「自己動手做」變成「知道該檢查哪一格」。

完整四題原圖、壞字放大對照、憑證與合約條款實查都在這裡：https://www.autolab.cloud/blog/nano-banana-traditional-chinese

（順帶一提，那篇文章的封面就是 AI 直接把中文字畫進去的，沒有疊字，一次過。）

下週二還有一篇：25 家科技巨頭連署了一封開源權重公開信，但真正的資訊不在誰簽了，在誰沒簽。裡面有一張我在課堂上帶主管做 AI 選型的五維度表。

如果你是主管：AI 生成的內容要不要標示、誰負責校對、什麼能對外發——這些現在多半沒人管。

我的企業內訓有一個模組，專門帶團隊把這條線畫出來，課堂上就產出貴公司自己的版本。有興趣直接回信給我就好。

阿峰

最近超多人問我同一個問題：「短影音這麼紅，我也想做，但每次打開相機就卡住——到底要拍什麼？」

如果你也這樣，這封信看完，7/7 晚上線上見。

我請到一位重量級講師，賴雨群老師，來開一場線上免費分享會。他不是紙上談兵：TikTok 累積 180 萬關注、3 年協助客戶總變現 5 億、合作品牌包含小林髮廊、永慶房屋、賀寶芙。

這一小時，他會帶你看一件事：怎麼用一支手機 + AI，一天就做出你能發布的第一支短影音。

具體會分享：

· 手機就能拍，不用買器材、不用棚

· 90% 用免費 AI 工具

· 選題 → 寫稿 → 配音 → 剪輯 → 發布，一條龍走完

· 怎麼把短影音變成品牌、業務、招募都能重複產出的內容系統

重點不是教你當網紅，是教你把短影音變成「能幫你做事」的工具。就像我常說的——你是機長，AI 是機組人員。工具到位，你只要負責決策跟出鏡。

時間：7/7（二）19:00–20:00｜線上 Google Meet｜免費

立即報名：https://www.autolab.cloud/events/yuqun-ai-short-video

名額有限，想開始做短影音、或想讓團隊會做短影音的，7/7 晚上線上見。

阿峰老師

這週四晚上，先把 90 分鐘留下來。

不是再聽一場 AI 熱鬧，而是把六月的幾個大訊號整理成工作判斷。

哪些要準備？哪些先觀察？哪些可以明天就試？

這 90 分鐘，幫你省掉自己亂追資料的時間。

這場會整理：

- GTC Taipei 有哪些訊號值得注意

- AI Agent 哪些能力已經可以開始試

- 你手上的報告、Email、流程整理，哪一段可以先交給 AI

活動時間：2026/6/18（四）19:00-20:30

報名頁：

https://www.autolab.cloud/events/2026-ai-trend-gtc-taipei-agent-sharing

6/18（四）19:00，我會把這些整理成一場 90 分鐘的線上分享。

這週四晚上，我們一起練習怎麼指揮這組新機組。

阿峰老師

同一波 AI 新聞，不同角色要看的儀表不一樣。

主管看分工，講師看備課與交付，顧問看怎麼變成服務能力。

6/18 這場，我會幫你把「趨勢」翻成你的角色下一步。

你不用在每個 AI 新聞裡迷路。你只要先知道自己的角色，哪一段工作可以先改。

這場會整理：

- 主管：哪些工作可以交辦給 AI，哪些責任還是要留在人身上

- 講師：AI 怎麼幫你備課、整理素材、準備學員互動

- 顧問：AI 怎麼幫你整理客戶資料，讓交付更穩

活動時間：2026/6/18（四）19:00-20:30

報名頁：

https://www.autolab.cloud/events/2026-ai-trend-gtc-taipei-agent-sharing

這不是聽熱鬧，是把 AI 新聞從雜訊變成你週五可以做的一步。

阿峰老師

很多人問我：AI Agent 到底是不是又一個新名詞？

我會先不講定義，直接用工作現場來看。

如果 AI 開始會接任務、拆步驟、查資料、整理結果，再回來等你確認，它就不是聊天工具而已。

我會把 AI Agent 翻成一張派工表：什麼能交、什麼還要自己盯。

6/18 這場分享，我會把 AI Agent 講成你回去能判斷、能開始試的一段流程。

這場會整理：

- 哪些任務適合先交給 AI

- 哪些結果一定要人檢查

- 怎麼從一封信、一份報告、一段資料整理開始試

報名頁：

https://www.autolab.cloud/events/2026-ai-trend-gtc-taipei-agent-sharing

你是機長，AI 是機組人員。這句話真正的意思是：你要開始學會派工。

6/18 晚上，我們一起把這件事講清楚。

阿峰老師

嗨，我是阿峰老師。

這幾天 AI 新聞很多，但你不需要每一條都追完。

你真正需要的是：哪些訊號會影響你接下來的工作？

你不用把 NVIDIA GTC Taipei 每個重點都補完。6/18 我幫你整理成 3 類：該開始試、該先觀察、該不用追。

這場不是新工具介紹。我希望你離開 Meet 的時候，手上有一個明天就能交給 AI 的任務。

6/18（四）晚上 7:00，我會開一場線上分享會，把 AI 新消息翻成工作現場可以用的判斷。

這場會整理：

- NVIDIA GTC Taipei 我認為該帶走的工作訊號

- AI Agent 現在能接哪些任務，哪些還要人盯

- 主管、講師、顧問、個人工作者可以先試的一段流程

報名頁：

https://www.autolab.cloud/events/2026-ai-trend-gtc-taipei-agent-sharing

你是機長，AI 是機組人員。

問題不是 AI 多厲害，而是你能不能把任務交代清楚、分工安排好、最後檢查結果。

我們 6/18 晚上見。

阿峰老師

他的秘密不是比別人聰明，是一套 Claude Code 自動化系統幫他處理了 80% 的重複工作。

日本稅務師畠山謙人，就是這樣做的。阿峰老師看完他的實戰紀錄，覺得每個 Knowledge Worker 都該看一遍。

先講數字，你感受一下

稅務師業界有個不成文的行規：每 10 家客戶，要配 1 名工作人員。

60 家公司，照這個算法要養 6 個人，光人事成本每年就超過 3,000 萬日圓，換算台幣大概 600 萬。

他的人事費用：零。

而且不是「勉強撐著」的那種零。是現在 60 家、綽綽有餘，半年前他還覺得 40 家才是自己的極限

。

他做的事情，其實沒有外星科技

每晚 21 點，系統自動跑 60 家公司的分錄，30-50 分鐘全部處理完。

原本要 5 小時的事情，現在不到 1 小時，而且他不用坐在電腦旁邊。早上起來，昨天的帳已經全部處理好了。

130 張發票，手工輸入要一整天。他現在 15 分鐘轉成可匯入格式。

每個月省 24 小時，一年省 300 小時。這是他實際記錄的數字，不是估計

。

他做對了一件很多人沒做的事

他不是「把所有工作都丟給 AI」。

他設計了排除規則——借款償還、薪資、社會保險、投資這些科目，一律不進自動化流程，必須人工複核。

他說：「重要的是知道應該自動化什麼。能做出這個判斷的，只有每天在現場親手操作的你。」

這句話，阿峰老師在企業培訓現場講了很多次，但聽到一個日本稅務師自己說出來，還是覺得很有力量。

知道「什麼不該自動化」，才是真的懂 AI。

CLAUDE.md：AI 讀得懂的業務手冊

他把十幾年累積的稅務規則，全部寫進一個叫 CLAUDE.md 的設定檔：

餐飲費 1 萬日圓以下歸會議費，1 萬以上歸交際費

海外 SaaS 訂閱費算通訊費

不認識的交易模式，先標記、不亂分類、等確認

這等於是把資深員工腦袋裡的 SOP，翻成 AI 能執行的語言。

他說：「AI 不會因為重複教同一件事不耐煩，也不會忘記。」

AI 最厲害的地方，不是它比人聰明，而是它不累、不忘、不抱怨

。

400+ 家企業的共通觀察

阿峰老師帶過 400+ 家企業的 AI 培訓。每次看到這樣的案例，都更確定一件事：

能把工作拆解清楚、知道哪些環節可以標準化的人，AI 工具在他們手上效果就是比較好。

這不是技術問題，是業務理解的問題。

AI 沒變聰明，是環境變好了。

現在的工具，讓不寫程式的人也能把自己的行業知識翻譯成系統能執行的語言。

你現在工作中，有沒有哪個重複性很高的環節，你知道它「應該可以自動化」，但還不知道從哪裡開始？

完整版（含他完整的 CLAUDE.md 結構）在方格子：

https://vocus.cc/article/69ccc3c1fd897800016ec32c

你的團隊還在「一問一答」用 AI？每天都在燒錢

阿峰老師看過太多企業：花 20 萬買了 ChatGPT Team 授權，半年後一半員工還在把 AI 當 Google 用。

不是 AI 不值錢，是沒人教他們怎麼把 AI 變成工作環境。

阿峰老師的企業 AI 實戰培訓（線上授課為主）

三種方案，總有一種適合你：

方案 A：企業內訓（最熱門）

半天（3 小時）或一天（6 小時）客製化培訓

課程可由企業內部錄製保存，新人訓練、跨部門分享、海外團隊都能回看

一次投資、全公司受惠，均攤下來每人成本很低

過去合作客戶：金融、製造、政府、醫療、電信、科技等 400+ 家企業

方案 B：高階主管 1:1 諮詢

90 分鐘深度對談，幫 CEO / 高階主管釐清「公司該從哪裡導入 AI」

適合正在評估、但怕走錯方向的決策者

本月開放 5 個名額

方案 C：個人線上班

想在自己的專業加掛 AI 能力的工作者

影音課程 + 每月直播答疑

下一步：直接回信聊聊

直接回覆這封信，告訴阿峰老師：

1. 你的公司 / 職務

2. 你團隊最想解決的 AI 問題

老師會親自回信，我們先聊清楚，再決定要不要合作。

或者用以下任一方式：

📧 Email：ai@autolab.cloud

🌐 官網：www.autolab.cloud

📞 電話 / LINE：0976-715-102

💬 LINE 社群：reurl.cc/GGlLNx

越早聯繫越有機會排到 5 月檔期。

— 阿峰老師

「台灣是 AI hardware superpower，美國是 AI software superpower。」

他本來覺得自己在開玩笑，結果美國人聽了一直點頭。因為這是事實。

但台灣不能在軟體缺席。

台灣軟體業最大的病：做 Project 不做 Product

部長舉了一個超好懂的例子。

台大、榮總、長庚、馬偕、成大，五家醫院各找一家軟體公司做 AI 糖尿病檢測系統。五套系統大同小異，五家公司各賺小錢，誰都發不了大財

。

但如果做成一個標準化產品？能賣給一百家醫院，還能賣到日本。

部長開玩笑說：「你可以跟台灣醫院資訊處長喝酒拿案子，但你有辦法飛去東京大學醫院喝酒談 project 嗎？喝到掛都辦不到。」

做 product，產品自己會說話。

政府的五大工具：算力、資料、人才、行銷、資金

數發部不是給補助，而是打造生態系。

30 年前創業只要一台一萬多的電腦。現在 AI 創業要一台 1100 萬的 GPU。數發部免費提供算力讓你實驗，成功了去找投資人，失敗了？

部長的原話是：「更要恭喜你，因為你房子還在。

」

國發會還匡列了 100 億台幣投資 AI 軟體公司。好的軟體公司需要的不是補助，是大量而穩定的訂單。

最讓阿峰老師印象深刻的觀點

部長說台灣面臨兩大問題：

少子化讓工作找不到人

AI 讓人找不到工作

「處理得好，像酸鹼中和，兩個問題都消失。處理不好？工作還是找不到人，人還是找不到工作。

」

這不只是政策問題。每一家企業、每一個工作者，現在都要面對。

對你的意義

不管你是老闆還是員工，這個訊號都很清楚：

如果你是老闆——不要只做客製化 Project，開始想你的 Product。AI 工具現在就是你的槓桿。

如果你是員工——不要等公司教你。現在就學會駕馭 AI，你在組織裡的位置會完全不一樣。

你是機長，AI 是機組人員。現在就是學會駕馭 AI 的最好時機。

完整版在方格子：

https://vocus.cc/article/69cbebc9fd8978000123234a

你的團隊還在「一問一答」用 AI？每天都在燒錢

阿峰老師看過太多企業：花 20 萬買了 ChatGPT Team 授權，半年後一半員工還在把 AI 當 Google 用。

不是 AI 不值錢，是沒人教他們怎麼把 AI 變成工作環境。

阿峰老師的企業 AI 實戰培訓（線上授課為主）

三種方案，總有一種適合你：

方案 A：企業內訓（最熱門）

半天（3 小時）或一天（6 小時）客製化培訓

課程可由企業內部錄製保存，新人訓練、跨部門分享、海外團隊都能回看

一次投資、全公司受惠，均攤下來每人成本很低

過去合作客戶：金融、製造、政府、醫療、電信、科技等 400+ 家企業

方案 B：高階主管 1:1 諮詢

90 分鐘深度對談，幫 CEO / 高階主管釐清「公司該從哪裡導入 AI」

適合正在評估、但怕走錯方向的決策者

本月開放 5 個名額

方案 C：個人線上班

想在自己的專業加掛 AI 能力的工作者

影音課程 + 每月直播答疑

下一步：直接回信聊聊

直接回覆這封信，告訴阿峰老師：

1. 你的公司 / 職務

2. 你團隊最想解決的 AI 問題

老師會親自回信，我們先聊清楚，再決定要不要合作。

或者用以下任一方式：

📧 Email：ai@autolab.cloud

🌐 官網：www.autolab.cloud

📞 電話 / LINE：0976-715-102

💬 LINE 社群：reurl.cc/GGlLNx

越早聯繫越有機會排到 5 月檔期。

— 阿峰老師

你知道北美有 51% 的企業都在用 AI 代理嗎？台灣業務團隊真的還在起跑線上。

今天阿峰老師跟你揭露國外企業玩 AI 的真相。

台灣業務用 AI 的現況

阿峰老師帶過 400+ 個企業做 AI 培訓，看過幾千位業務怎麼用 AI。說實話，大部分人現在的做法就是這樣：寫 Email、整理會議紀錄、產生報告初稿。

對沒錯，這些都有用，但這只是 AI 能做的 10%。

你們都在用「功能性 AI」。會打字的秘書

。

但國外的業務團隊早就進化到「代理級 AI」了。差別在哪？一個是幫你做事，一個是幫你做決策。

國外業務已經用 AI 做的三件事

🔍 第一件：Deal 策略

你有個新案子進來，要報價、要出方案。你不用埋頭翻過去三年的合約，AI 代理直接告訴你：「這類客戶上次成交用過這三份提案，贏率最高的是 A 方案，配搭 B 定價策略。」

成交速度快 20-30%。

🗂 第二件：通話前準備

明天有個 Discovery Call，你問 AI：「我怎麼準備？」AI 根據這個客戶的產業背景、過往互動紀錄、購買意圖數據，給你一份完整的準備清單。

客戶感受到你很專業，成交率上升。

📊 第三件：Pipeline 洞察

你不用每週花兩個小時看 CRM 報表，問 AI：「哪些案子卡住了？」「上個月贏的五個大案子，共通點是什麼？」AI 直接講。

你變成了「數據驅動的業務」。不是靠感覺、靠運氣，而是靠洞察。

AI 代理是整個公司的大腦

國外已經開始讓 AI 代理覆蓋整個 GTM（上市後 Go-To-Market）團隊。

業務主管問：「哪個業務上週漏掉了定價 Sales Play？」AI 給他一份 coaching 清單。

行銷團隊問：「哪個素材直接影響了超過 50 萬美金的訂單？」

Sales Enablement 問：「哪些新人還沒完成訓練？」

Revenue Operations 問：「過去 12 個月，哪個區域搭配哪個銷售手冊的 Win Rate 最高？

」

這已經不是「業務工具」了。這是整個商業組織的共同大腦。

400 多家企業最常問的一個問題

阿峰老師在企業培訓裡帶過台積電、國泰金控、中華電信、聯發科這些大公司。最常被問的問題永遠是：

「老師，AI 到底能幫我部門做什麼？」

有人說是「寫報告寫得快一點」。有人說「整理會議紀錄不用手動打」。

我都說：「不對。」

真正的答案是：「AI 代理可以把你整個組織的資訊流串起來，讓每個人都能做更好的決策。」

你現在是各部門各自為政。但國外公司做的是「全組織 AI 代理」——一個 AI 系統，整個 GTM 共用一個資訊源。

這樣的組織和那樣的組織，效率會差 2-3 倍。

你是機長，AI 是機組人員

阿峰老師一直用這個比喻：「你是機長，AI 是機組人員。」

機組人員不是只幫你端咖啡。他們在看儀表板、監控油量、回報天氣狀況、協調進場。你這個機長做的是最關鍵的決定：該往哪飛、什麼時候轉向。

AI 代理就是這樣。它處理 90% 的資訊蒐集和分析，你專注在 10% 最關鍵的決策

。

你的公司怎麼開始？

很簡單。別急著買工具。先想清楚。

你的工作流程裡，哪些環節是「人在做 AI 該做的事」？

從一個場景開始。不需要一次全部。

舉例，從「通話前準備」開始。一週試一次。看看這個 AI 代理模式對你的成交率有沒有幫助。有幫助，再擴大。

這樣三個月後，你的工作方式會跟現在完全不一樣。

完整版在方格子：

https://vocus.cc/article/69cbec42fd89780001233be0

你的團隊還在「一問一答」用 AI？每天都在燒錢

阿峰老師看過太多企業：花 20 萬買了 ChatGPT Team 授權，半年後一半員工還在把 AI 當 Google 用。

不是 AI 不值錢，是沒人教他們怎麼把 AI 變成工作環境。

阿峰老師的企業 AI 實戰培訓（線上授課為主）

三種方案，總有一種適合你：

方案 A：企業內訓（最熱門）

半天（3 小時）或一天（6 小時）客製化培訓

課程可由企業內部錄製保存，新人訓練、跨部門分享、海外團隊都能回看

一次投資、全公司受惠，均攤下來每人成本很低

過去合作客戶：金融、製造、政府、醫療、電信、科技等 400+ 家企業

方案 B：高階主管 1:1 諮詢

90 分鐘深度對談，幫 CEO / 高階主管釐清「公司該從哪裡導入 AI」

適合正在評估、但怕走錯方向的決策者

本月開放 5 個名額

方案 C：個人線上班

想在自己的專業加掛 AI 能力的工作者

影音課程 + 每月直播答疑

下一步：直接回信聊聊

直接回覆這封信，告訴阿峰老師：

1. 你的公司 / 職務

2. 你團隊最想解決的 AI 問題

老師會親自回信，我們先聊清楚，再決定要不要合作。

或者用以下任一方式：

📧 Email：ai@autolab.cloud

🌐 官網：www.autolab.cloud

📞 電話 / LINE：0976-715-102

💬 LINE 社群：reurl.cc/GGlLNx

越早聯繫越有機會排到 5 月檔期。

— 阿峰老師

不是熬夜，不是生病，是精力被吸乾了

。

Google + Amazon 資歷超過 40 年的老兵 Steve Yegge，把這個現象叫做「AI 吸血鬼」。

而且不只是他，阿峰老師在台灣企業做輔導的時候，也越來越常聽到一樣的狀況。

矽谷老兵也遇到一樣的事

矽谷工程師 Steve Yegge，在 Google 跟 Amazon 加起來做了超過 40 年，最近在部落格寫了一篇文章，把這個現象叫做「AI 吸血鬼」。

他說，自己跟身邊的工程師密集使用 AI 寫程式一段時間之後，都會在白天突然睡著。

不是因為熬夜。是精力被吸乾了。

為什麼 AI 越用，人越累？

認知科學裡有個概念叫「切換代價」——每次你的大腦從一個問題切換到另一個問題，都需要重新載入上下文、重建工作記憶、重新進入狀態。

以前，工程師一天一個核心問題，有進有出，有節奏。

現在，AI 把執行速度拉到十倍，工程師一天切換五六個問題，每個都很快，但腦袋一直在付「切換的入場費」。

更關鍵的是：AI 只管生產，不管判斷。

AI 寫出來的每一行程式碼、每一份內容，最終都要你來審查、驗證、負責。AI 的產出速度是人類的十倍，但審查責任是一比一的，全在你身上

。

你以為在省力，其實是在換一種形式繼續耗力。

不是老闆叫你這樣，是系統讓你這樣

哈佛商業評論去年 2 月追蹤了 200 名科技公司員工，記錄到一個讓人心涼的循環：

AI 讓你更高效 → 主管看到了，期待你做更多 → 你更依賴 AI 完成更多 → 任務範圍繼續擴大 → 認知負荷進一步加劇。

沒有人明著叫你加班。但你自動進入了一個越高效、越忙碌的迴圈。

阿峰老師輔導企業時最常遇到這種情況：老闆看到效率提升，就說「那用省下來的時間多做幾件事吧」。這個邏輯看起來合理，但有個盲點：技術縮短了執行時間，但沒有縮短判斷決策所消耗的精力。

把節省出來的時間全部填滿，等於在同樣的時間裡燒掉更多的認知能量。

Yegge 的解法，比你想的激進

Yegge 現在把有效工作日縮短到三四個小時，下午就關電腦，去跟家人散步。

研究創意工作者的學者也發現，頂尖的作家、設計師、研究員，每天真正高品質的深度工作時間，平均不超過四小時。這不是偷懶，是認知生理的上限。

AI 把執行性的工作自動化了，但留給你的全是高階認知工作——判斷、決策、架構設計。這些工作消耗的精力，比打字、整理資料多得多。

真正的 AI 效益，不是讓你做更多事，是讓你做同樣的事、消耗更少時間，然後認真去休息

。

給你的一個問題

AI 是效率倍增器，不是能量製造機。

當工具不斷告訴你還可以更快的時候，也許更值得問的問題是：我可以更慢嗎？

完整版在方格子：

https://vocus.cc/article/69cc8050fd8978000155b35b

你的團隊還在「一問一答」用 AI？每天都在燒錢

阿峰老師看過太多企業：花 20 萬買了 ChatGPT Team 授權，半年後一半員工還在把 AI 當 Google 用。

不是 AI 不值錢，是沒人教他們怎麼把 AI 變成工作環境。

阿峰老師的企業 AI 實戰培訓（線上授課為主）

三種方案，總有一種適合你：

方案 A：企業內訓（最熱門）

半天（3 小時）或一天（6 小時）客製化培訓

課程可由企業內部錄製保存，新人訓練、跨部門分享、海外團隊都能回看

一次投資、全公司受惠，均攤下來每人成本很低

過去合作客戶：金融、製造、政府、醫療、電信、科技等 400+ 家企業

方案 B：高階主管 1:1 諮詢

90 分鐘深度對談，幫 CEO / 高階主管釐清「公司該從哪裡導入 AI」

適合正在評估、但怕走錯方向的決策者

本月開放 5 個名額

方案 C：個人線上班

想在自己的專業加掛 AI 能力的工作者

影音課程 + 每月直播答疑

下一步：直接回信聊聊

直接回覆這封信，告訴阿峰老師：

1. 你的公司 / 職務

2. 你團隊最想解決的 AI 問題

老師會親自回信，我們先聊清楚，再決定要不要合作。

或者用以下任一方式：

📧 Email：ai@autolab.cloud

🌐 官網：www.autolab.cloud

📞 電話 / LINE：0976-715-102

💬 LINE 社群：reurl.cc/GGlLNx

越早聯繫越有機會排到 5 月檔期。

— 阿峰老師

謝謝你一路讀到這裡——從 4/17 Cowork 五層架構、Sequoia 賣成果、Musk 奈米管理，到日本 7-Eleven 的 AI 落地——14 天，我們一起走完一輪。

收官這篇想留給你一個最重要的訊號：

「你會用 AI 嗎？」已經變成面試必問

你現在找工作，可能會遇到一個從沒見過的問題：「你會用 AI 嗎？」

不是問你學過什麼，也不是看你有什麼證書，就是直白地問「你會不會用 AI」。

韓國已經走到這一步了。根據最新數據，有 69% 的韓國企業把「AI 活用能力」列為核心徵才條件，不只限 AI 部門，行政、行銷、財務全都要。

這不只是科技圈的事

你可能在想：「那是韓國，我們台灣還好吧？」

阿峰老師帶過 400+ 家企業做 AI 培訓，要跟你說實話——台灣企業正在快速往這個方向走。

有些大公司已經開始選擇會用 AI 的求職者，只是還沒有那麼明白地講出來。你有沒有發現，現在很多職位描述都暗示要 AI 相關經驗？看起來無關的工作，但面試時都會被問到 AI 的想法。

韓國現況：69.2% 企業要求 AI 能力，不限職位全面要求，而且 52.4% 企業用 AI 幫忙篩履歷和面試。你的自傳會被 AI 判斷，你的回答會被 AI 篩選，AI 也在面試你

。

更驚人的對比

你可能看過新聞，華航、長榮這些大航空公司禁止員工用 AI 寫履歷。

表面上看起來是「保護真實性」，但實際上呢？這反而顯示出一個問題——那些企業還沒準備好用 AI 時代的新規則去招人，所以就乾脆禁止。

但禁止能改變什麼嗎？改變不了全球的趨勢。

韓國企業的思路完全不同：他們不是禁止 AI，而是「要求你會用 AI，但不被 AI 取代你的真實能力」。

一個是防守，一個是進攻。防守的企業會逐漸落後，進攻的企業會搶走人才

。

你現在的機會

如果你還沒開始用 AI 輔助工作，現在就是臨界點。再等半年、一年，「AI 能力」可能就從「加分項」變成「基本門檻」。

阿峰老師遇過很多企業主說：「我們公司急著要找會用 AI 的人。」但現實是，短期內找不到——因為大多數人還在觀望，還在說「再等等」「等我有空再學」。

結果呢？那些會用 AI 的人，早就被公司搶走了。你還在等，人家已經升遷了。

真實狀況就這樣

→ 會用 AI，找工作會更有競爭力，升遷也更快

→ 不會用 AI，你的「傳統專業」可能逐漸貶值

→ AI 不會取代你，但會用 AI 的人會取代不會用的人

關鍵不在於 AI 本身

很多人問阿峰老師：「學 AI 會不會很難？」

我的答案是：難的不是 AI 本身，難的是改變思維。

會用 AI 和不會用 AI 的人，差別就在於「你敢不敢去試」。一開始都不會，但試過一次、兩次、十次以後，你就變成會的人。

那些已經在用 AI 的員工，他們不是天才，就是比別人早一步開始而已。時間對他們有利，而不是反過來

。

完整版在方格子：

https://vocus.cc/article/69cd1f21fd897800012b9ae7

四月電子報到這裡告一段落

過去 14 天，我們一起走過：

Claude Cowork 五層架構、Sequoia 賣成果不賣工具、GPT-5.4 的真正重點、SaaS 末日、知識工作者 5 個判斷框架、Musk 奈米管理學、Obsidian 第二大腦、Perplexity 逆襲 210 億、生產力差距 32%、日本 AI 落地、韓國徵才新現實。

這 11 封電子報的共同主題是一句話：

問題不在你，問題在工具——你用對了沒有。

你的團隊還在「一問一答」用 AI？每天都在燒錢

阿峰老師看過太多企業：花 20 萬買了 ChatGPT Team 授權，半年後一半員工還在把 AI 當 Google 用。

不是 AI 不值錢，是沒人教他們怎麼把 AI 變成工作環境。

阿峰老師的企業 AI 實戰培訓（線上授課為主）

三種方案，總有一種適合你：

方案 A：企業內訓（最熱門）

半天（3 小時）或一天（6 小時）客製化培訓

課程可由企業內部錄製保存，新人訓練、跨部門分享、海外團隊都能回看

一次投資、全公司受惠，均攤下來每人成本很低

過去合作客戶：金融、製造、政府、醫療、電信、科技等 400+ 家企業

方案 B：高階主管 1:1 諮詢

90 分鐘深度對談，幫 CEO / 高階主管釐清「公司該從哪裡導入 AI」

適合正在評估、但怕走錯方向的決策者

本月開放 5 個名額

方案 C：個人線上班

想在自己的專業加掛 AI 能力的工作者

影音課程 + 每月直播答疑

下一步：直接回信聊聊

如果這 14 天的電子報對你有任何啟發，最好的回饋方式是：

直接回覆這封信，告訴阿峰老師：

1. 你的公司 / 職務

2. 你團隊最想解決的 AI 問題

老師會親自回信，我們先聊清楚，再決定要不要合作。

或者用以下任一方式：

📧 Email：ai@autolab.cloud

🌐 官網：www.autolab.cloud

📞 電話 / LINE：0976-715-102

💬 LINE 社群：reurl.cc/GGlLNx

越早聯繫越有機會排到 5 月檔期。

五月見。

— 阿峰老師

三菱 UFJ 一個月省下 22 萬小時，金融業的文書地獄被 AI 一次救贖。

日本企業已經不在問「該不該用 AI」，而是「怎麼樣才能快一點鋪開」。

零售業的發注革命

阿峰老師帶培訓時常舉便利超商的例子——全國幾千家門店，每週都要根據天氣、節慶、當地口味調整訂單。人工發注不只慢，關鍵是「判斷疲勞」會讓決策品質下降。

7-Eleven 導入 AI 發注系統後，這套流程從 10.5 小時砍到 6.5 小時，直接省掉 40%。

省下來的時間呢？員工現在可以走進賣場，花時間在陳列優化、客戶服務這些「AI 做不了」但「對營收真的有幫助」的事情上。

這就是阿峰老師一直強調的：AI 不是取代人，是解放人去做更有價值的事

。

金融業的效率地震

金融業複雜度更高。三菱 UFJ 統計過，如果全社導入生成式 AI，一個月可以省掉 22 萬小時。

這什麼概念？相當於 100 個人一整年的工時

。

銀行的文書工作有多密集，只有在那個產業待過的人才懂。合約審核、報告撰寫、風險評估、帳單管理——全部都是高重複性、高文書量的工作。AI 最拿手的就是這種活。

阿峰老師帶過 400+ 家企業做 AI 培訓，越來越多金融、保險、大型製造業反映同一個問題：「我們找不到『不能用 AI』的崗位了，問題反而是『怎麼整合這些 AI 工具』」。

日本企業已經進場了

Panasonic Connect 全社導入 AI，連地方自治體都開始——厚木市、別府市都在用。

這表示什麼？日本的 AI 導入已經從 PoC 試驗走進全社鋪開的階段。

沒有人在等「AI 更成熟」了。更成熟也來不及，市場已經開始淘汰那些行動慢的企業。

為什麼台灣企業要注意

日本的零售、金融、製造，跟台灣的產業結構差不多。我們也有 7-Eleven、也有國泰、也有大型製造廠。

日本案例不是「參考用」的，是「已經發生在別人身上，下一個就是你」

。

重點不在技術有多厲害，而在「想清楚要解決哪個痛點」。7-Eleven 選擇發注、三菱 UFJ 選擇文書、Panasonic 選擇全面導入——他們都是先問「現在最浪費時間的是什麼」，然後用 AI 去解決。

如果你的企業還沒開始摸

阿峰老師的建議：不要再問「我們該用什麼 AI」了。先盤點「哪些重複工作浪費了我們最多時間」。

答案出來以後，AI 的使用場景就很清楚了。

然後呢？找個懂企業流程、又懂 AI 落地的人陪你走，比自己闖快得多。

完整版在方格子：

https://vocus.cc/article/69cd1dbffd897800012b3c5b

你的團隊還在「一問一答」用 AI？每天都在燒錢

阿峰老師看過太多企業：花 20 萬買了 ChatGPT Team 授權，半年後一半員工還在把 AI 當 Google 用。

不是 AI 不值錢，是沒人教他們怎麼把 AI 變成工作環境。

阿峰老師的企業 AI 實戰培訓（線上授課為主）

三種方案，總有一種適合你：

方案 A：企業內訓（最熱門）

半天（3 小時）或一天（6 小時）客製化培訓

課程可由企業內部錄製保存，新人訓練、跨部門分享、海外團隊都能回看

一次投資、全公司受惠，均攤下來每人成本很低

過去合作客戶：金融、製造、政府、醫療、電信、科技等 400+ 家企業

方案 B：高階主管 1:1 諮詢

90 分鐘深度對談，幫 CEO / 高階主管釐清「公司該從哪裡導入 AI」

適合正在評估、但怕走錯方向的決策者

本月開放 5 個名額

方案 C：個人線上班

想在自己的專業加掛 AI 能力的工作者

影音課程 + 每月直播答疑

下一步：直接回信聊聊

直接回覆這封信，告訴阿峰老師：

1. 你的公司 / 職務

2. 你團隊最想解決的 AI 問題

老師會親自回信，我們先聊清楚，再決定要不要合作。

或者用以下任一方式：

📧 Email：ai@autolab.cloud

🌐 官網：www.autolab.cloud

📞 電話 / LINE：0976-715-102

💬 LINE 社群：reurl.cc/GGlLNx

越早聯繫越有機會排到 5 月檔期。

— 阿峰老師

最新數據在告訴我們一件事：不學 AI 的人，正在被系統性淘汰。

我們常說「AI 會讓人更有效率」，但具體高多少？Prodoscore 在 300 家企業裡找到了答案，數字比你想的還驚人。

生產力差距有多大？

📊 AI 使用者的生產力高 19%，這已經夠明顯了

📊 但如果你每週用 4 天以上，差距瞬間飆到 32%

📊 每個人每天多出 54 分鐘的「高價值工作時間」

📊 最關鍵：月波動低 31%——不只更快，還更穩定

一個 5 人團隊的產出，等於現在的 6.6 人。主管再也不用猜他們的員工今天是否「有狀態」

。

最有殺傷力的數據

阿峰老師帶過 400+ 家企業做 AI 培訓，用數據說服他們的方法有很多種，但這組是最有說服力的：

💡 差距每月擴大 0.85%

💡 年化約增加 10%

💡 三年後，用 AI 的人能做的事，是不用 AI 的人的 1.33

倍

這不是誇大。這是 25,000 名真實員工的行為數據，不是問卷調查，不是自評。軟體直接記錄打字、點擊、開啟文件的每一個動作。

為什麼「穩定性」比「速度」更重要？

企業管理者最怕什麼？波動。

有一個員工今天超級有效率，明天就廢掉，這比「穩定地普通」更糟糕。用了 AI 的人，月波動低 31%——產出預測性更強，管理更簡單，交付更可靠。

你是要一個「有時狂暴、有時廢掉」的員工，還是要一個「穩定發揮」的員工？

不用 AI 的人正在被拋開

今年差 19% 生產力，明年差 21%，後年差 23%。這不是線性的拉開，是複利式的被甩開。

而且問題不在技術本身有多難，問題在「習慣」。用 AI 用了 3 個月的人，和才開始用的人，中間隔著一道看不見的鴻溝

。

所以，現在該怎麼辦？

首先，別自欺欺人地以為「買了工具就等於擁有」。

其次，認真問自己「我們的團隊真的有每週 4 天深度使用 AI 嗎？」

大多數公司的答案是沒有。他們有 AI，但 AI 沒有融入他們的日常流程。

阿峰老師看過企業花了一年還在「試用」，而對方早就已經用 AI 重新設計了整個工作流。

這就是差距的來源。

如果你的競爭對手已經在每週 4 天深度用 AI，而你還在「考慮要不要」，那數字很簡單：你已經輸了。

不是今年輸，是每個月都在輸。

完整版在方格子：

https://vocus.cc/article/69cd1237fd89780001287297

你的團隊還在「一問一答」用 AI？每天都在燒錢

阿峰老師看過太多企業：花 20 萬買了 ChatGPT Team 授權，半年後一半員工還在把 AI 當 Google 用。

不是 AI 不值錢，是沒人教他們怎麼把 AI 變成工作環境。

阿峰老師的企業 AI 實戰培訓（線上授課為主）

三種方案，總有一種適合你：

方案 A：企業內訓（最熱門）

半天（3 小時）或一天（6 小時）客製化培訓

課程可由企業內部錄製保存，新人訓練、跨部門分享、海外團隊都能回看

一次投資、全公司受惠，均攤下來每人成本很低

過去合作客戶：金融、製造、政府、醫療、電信、科技等 400+ 家企業

方案 B：高階主管 1:1 諮詢

90 分鐘深度對談，幫 CEO / 高階主管釐清「公司該從哪裡導入 AI」

適合正在評估、但怕走錯方向的決策者

本月開放 5 個名額

方案 C：個人線上班

想在自己的專業加掛 AI 能力的工作者

影音課程 + 每月直播答疑

下一步：直接回信聊聊

直接回覆這封信，告訴阿峰老師：

1. 你的公司 / 職務

2. 你團隊最想解決的 AI 問題

老師會親自回信，我們先聊清楚，再決定要不要合作。

或者用以下任一方式：

📧 Email：ai@autolab.cloud

🌐 官網：www.autolab.cloud

📞 電話 / LINE：0976-715-102

💬 LINE 社群：reurl.cc/GGlLNx

越早聯繫越有機會排到 5 月檔期。

— 阿峰老師

每天都在找客戶、寫提案、追進度，忙到很累，但成交還是不穩定嗎？

其實很多人不是不努力，而是還在用「舊的業務方式」在硬幹。

現在已經有一群業務，把這些事全部交給 AI 在跑：

• 找客戶 — AI 幫你篩名單、找線索

• 寫訊息 — 開發信、追蹤信，AI 一次寫好

• 做提案 — 從需求分析到提案簡報，AI 全程協作

效率直接拉開一個世代差。同樣工時，別人一天成交 3 個，你還在手動整理客戶名單。

📅 5/14（四）免費直播

我會直接把「整個流程」完整跑給你看。就算你完全沒用過 AI，也可以當場看懂，回去馬上就能用。

📌 活動資訊

• 日期時間：5/14（四）20:00–21:00

• 形式：線上直播

• 費用：免費

• 名額：有限，額滿為止

這次直播會讓你帶走什麼？

✅ 看懂 AI 如何接管業務流程的每個環節

✅ 實戰示範：AI 找客戶、寫訊息、做提案的完整 SOP

✅ 就算零基礎，回去也能立刻套用

✅ 不用再羨慕別人效率高，你也可以

適合誰參加？

• 業務、BD、客戶經理

• 每天花大量時間找客戶、寫訊息的人

• 想用 AI 提升成交率，但不知道從哪開始的人

• 對 AI 好奇，想看實戰示範的人

👉 馬上報名（免費）

名額有限，先搶先贏，報名連結：https://forms.gle/EYeku1TF7h2TbHvH7

報名完記得把日期標在行事曆上，5/14（四）20:00 線上見！

有任何問題，直接回信問我 💬

5/14 直播見！

阿峰老師 黃敬峰