別讓「導入 AI」變成目的本身

2026-02-01 5 min

TL;DR: 糾結「哪個 AI 工具最好」是問錯問題。真正該問的是：現在效率卡在哪裡？如果人員訓練和流程數位化都還沒到位，換再強的 model 也只是多花錢。先用再說，需求自然會浮現。

在比較 AI 工具的時候，就已經問錯問題了

我弟是一間食品公司的開發經理，最近他跟我聊到他們在 survey 要導入 AI 來輔助做研究，但是研究了很久不知道到底要選哪一套工具。

我問他們在比較什麼，他說他們在比較各家 model 有沒有特別對食品研究領域做 finetune。

聽到這個，我第一個反應是：其實 general model（像 Opus、GPT 5.2）應該就很夠用了。需要的不是更厲害的 model，而是足夠的 context——論文、他們的食品原料來源、實驗數據、客戶對食品的感想這些東西。

我直接跟他說了這個想法。他的反應是：「可是工具好不好應該還是很重要的吧？」

但說實話，糾結哪個 model 比較好，本身就已經是問錯問題了。

我跟他說，選一套先用就好。用一段時間之後，自然會發現問題根本就不是在 AI 工具，而是這兩件事：第一，要怎麼教現有的人員更有效率地使用 AI；第二，做研究所需要的各種配套——論文搜尋、研究數據、實驗設備的紀錄、研究文件、甚至流程本身——已經充分數位化跟標準化了嗎？可以讓 AI 去存取嗎？

如果這兩個問題沒有好的解答，那就算用上 GPT-6（假設存在的話）加上 OpenAI 內部做 Research 專用的 Agent，對他們來說也只是多花錢而已。

我問他這些東西數位化了嗎，他想了一下說：「當然沒有。」

這讓我想到幾年前做顧問的經驗。

當時我的客戶是一間傳統出版公司，他們在煩惱怎麼讓整間公司更數位化。他們做了一件事：把過去二三十年出版過的內容全部轉成 PDF。結果轉完之後發現這個「數位化」根本沒有意義——因為無法被搜尋，也無法再利用。

後來就沒有然後了。這就是把手段當目的的代價。

這兩個故事背後的問題是一樣的：只想著要「數位化」或「導入 AI」，但沒有進一步想這背後的目的是什麼。把導入本身當成了目標，而不是手段。

我問我弟：「你們導入 AI 真正想達成的效果是什麼？」他想了一下，說：「希望大家做研究、開發的效率可以更高。」

那問題就變成：現在效率卡在哪裡？是因為沒有好的 AI 工具，還是有更基本的東西還沒到位？

我的建議很簡單：先從最基本的 Gemini、ChatGPT、Claude 開始用。等大家都熟練使用 AI 之後，自然會冒出像「AI 可不可以搜尋我們內部資料庫」這種需求。到時候再一步一步把這些流程串進去。

我們自己團隊導入 AI coding agent 也是這樣——先用，需求自然會浮現。

導入任何技術或流程之前，先問自己：我背後具體想達成什麼？如果答案是「效率更高」，那下一個問題是：現在效率卡在哪裡？

當「導入 AI」變成目的本身，真正該解的問題反而被忽略了。

Q.導入 AI 之前應該先問什麼問題？

A.先問「我背後具體想達成什麼」，如果答案是效率更高，下一個問題是「現在效率卡在哪裡」。

Q.對一般產業來說，General model 夠用嗎？還是需要 finetune 過的專用 model？

A.大多數情況 general model（如 Opus、GPT）就夠用了。需要的不是更厲害的 model，而是足夠的 context——內部資料、文件、數據。

Q.導入 AI 最常見的錯誤是什麼？

A.把「導入 AI」本身當成目標，而不是手段。結果真正該解的問題（人員訓練、流程數位化）反而被忽略了。