接續上一篇整理的開發者年會與 Vibe Coding，這篇整理的是第二天的年會主題。相較於第一天更聚焦在 Agent 如何被開發、驗證、部署與維護，第二天聽起來更像是把視角拉到企業與組織層面：當 Agent 真的進入真實工作之後，公司、產品、流程與人會怎麼改變？
年會主軸：Agent First
AI 從工具，變成組織作業系統。
個人變強已經不夠了。企業真正需要的，是把個人能力放大成組織能力，否則就只是很多人各自用 AI，集體智慧仍然沒有累積。公司內一百個人會用 AI，跟公司會用 AI，其實是不一樣的事情。
所以這次很多講座表面上在談 Agent、平台或案例，但底層其實都在談同一件事：如何累積 context、沉澱 know-how、設計流程、建立把關機制，讓每一次互動都讓組織更聰明。
Context 是新基礎建設
很多講座都在講 context，用不同語言包裝。
從企業場景來看，會議、公司數據、客戶溝通、Line 群、客服紀錄，未來都不只是資料，而是公司可以餵給 AI、讓 AI 判斷、兵推、行動的背景脈絡。模型可以換、引擎可以換，但 context 是企業自己的資產。
不過這裡也有一個很重要的前提：context 不是越多越好。
如果只是把所有資料都丟給 AI，最後很可能不是建立企業記憶，而是製造另一種資訊垃圾場。真正重要的是可用、可信、可更新的 context：資料要有來源，事實跟判斷要分開，權限要清楚，記憶要能更新，也要知道哪些東西不該被記住。
換句話說，企業需要的不是把所有東西都收起來，而是要建立一套能讓 AI 正確使用脈絡的基礎建設。
多數企業用 AI 仍是碎片化的，用了一年集體智慧還是 0。
那再強調三次：
引擎可以換，context 是組織的資產。
引擎可以換，context 是組織的資產。
引擎可以換，context 是組織的資產。
這裡的組織可以是企業，也可以是個人。如果有碰過個人知識管理或人生管理系統，應該會更有感。重點不是筆記越多越好，而是這些筆記能不能被回頭使用、能不能追溯來源、能不能持續整理。把「筆記」代換成「context」，這個概念就一樣成立了。
但資訊囤積症如我，實行起來偏難就是了XD
Agent 是否已被流程接住
Agent 的成熟已經不單單只是全自動，而是 agent 本身是否可被流程接住。
Agent 當然可以代理一些工作，甚至把 skill 封裝成新型態的 application。在真實場景裡，Agent 的價值需要被放進一套能處理安全、責任、審查與使用者差異的系統裡。
像 B2B 場景就反映客戶不一定只想買單純 AI Agent。很多時候，他們付錢不只為了買一個工具，而是要有人負責、有判斷、有交付。也因此，未來可能不是客戶端完全看不到人，而是客戶介面仍然由人承接，後面的執行、分析、整理與初步產出逐漸由 AI 參與。
而 B2C 或個人應用場景也更能看到 agent 落地最麻煩的地方，往往是安全、個資、裝置、使用習慣與責任邊界等等，這些雜七雜八 AI 以外的事物。
AI 導入與團隊管理層面
幾場團隊管理的案例也都指向同一件事：不能只是要求大家用 AI。
AI 導入其實很像產品設計。你要理解使用者是誰、痛點在哪裡、動機是什麼、回饋感從哪裡來，也要知道一開始不要丟最難的事情，而是先做能讓第一線夥伴感受到幫助的事情。
不要為了進化而進化，你跟團隊的需求才是真實存在的。
有些案例透過補助辦法、部署平台、串接規範、1 on 1、每週案例展示，把 AI 從個人技巧慢慢變成組織方法。也有案例把 AI 用在帶新人、維護知識庫、重新定義 schema，讓 AI 成為主動輔助人的角色。
但最後一哩路仍然需要人介入。AI 可以輔助帶人與維護知識庫，但人仍然要在第二線把關。
所以 AI 導入失敗，通常不是因為模型不夠強，而是因為沒有設計動機、回饋、流程與責任。關於管理這一點，也跟上個段落提及的蠻像的。
AI 導入其實是產品設計，不只是教育訓練。
團隊導入 AI 本身就像把產品賣給員工，要站在員工角度理解需求；優先解第一線工作中真的痛的問題，先做簡單但立刻有效的事情。
人類在這幾年扮演的角色呢？
「取代」是 AI 爆發初期最常被提及的，也是目前為止最常作為販賣焦慮的起始點，所以我們還是要回到這個詞，看待實際上真正的問題。
人的價值沒有消失，但位置變了。
AI 可以輔助帶人與維護知識庫，但人仍要在第二線把關。
人類價值會更集中在判斷力。包括看見問題、採集現場、定義邊界、判斷品質、決定不做什麼，以及替 AI 的結果負責。
寫作場次裡提到，很多寫作方法論都可以教給 AI，但「料、創意、觀點、想法」仍然要留給人。尤其最後那 20%，往往是脈絡和主見，那個能夠脫離 AI 平庸，展現多樣的地方。
人要負責的部分，依然和之前 AI 爆發前期所談及的一樣：定義問題、判斷脈絡、選擇邊界。這不論在軟體開發或測試流程中，一樣是所謂的左移，做真正有價值的事。
其實我偷偷覺得，這兩年的 AI 焦慮，多半集中在朝九晚五的典型上班族身上。至於其他非典型上班族，或一般不太被稱為上班族的工作者，例如送貨員、伐木工、攤販、建築工、產線員工、表演藝術工作者等等，我幾乎感受不到太強烈的 AI 焦慮氣息。
世界還是很大，工作類型還是很多的，對吧？
一些非主題的陰影處
因為年會主題就是 AI，因此講者傳達的訊息大多會偏正面，但反面思考講座內容其實也有提及幾個陰影處，雖然非講座主題，我可以作為延伸的點：
首先，review AI 的成本可能被低估了。尤其在 B2B、客戶交付、正式文件、工程流程裡，AI 產出變快，不代表審查成本會自然下降。
再來，context 收集如果沒有考慮權限、安全、版本、來源與更新機制，很容易變成另一種資訊垃圾場。這點其實看看個人筆記也蠻明顯的哈哈。
第三，Skill 化、Agent 化雖然很熱門，但如果沒有明確 owner，最後可能會變成沒有人負責維護的東西。也就是說，如果未來真的出現一些因應 AI 管理、落地與維護而生的職位，短時間內應該不會因為做完導入就消失。
最後，全公司都用 AI 不一定是好事。有些職能不需要硬導入，重點應該是解決真正的問題，而不是為了看起來有跟上趨勢。
留白，將寶貴的力氣花在創造 good vibes
我很喜歡這次年會的收尾。
我們都是試著在 AI 這股浪潮下生存的人，因此多少會對越發瘋狂的現況感到焦慮。或許是為了跟上團隊，或許只是作為個人工作者的適應期。在這個堆疊大於刪減的年代，我們可能都忘了要留白這件事。
最終的主題「Read the Vibes」是一份反生產力宣言。雖然整場年會的主軸是生成式 AI，但它提醒的是另一件事：別忘了減法的重要性。
大部分的人對習以為常的痛點沒有想像力。
我們很容易許願，很容易說出想要什麼；但究竟不要什麼，是否也應該被認真看待？哪些事情不該被自動化？哪些流程不該被加速？哪些問題不該用更多工具去掩蓋？
最近不論在開發、找資料或寫文章上，我也試著保留一部分時間給傳統流程（用傳統這詞其實也不過是三年前而已XD），不要第一時間就回頭找 AI，甚至撥大概 10% 到 30% 的時間，完全離線進行沉浸式生產。而所謂沈浸式生產，除了人工檢視所有的文件外，也盡量用人類特有的交流方式去釐清問題（這裡接近所謂的讀空氣）。
而功效呢？雖然這表示我可能少了大約三成的「生產力」（實際上卻也沒那麼多，畢竟背景還是有東西跑），但執行至此我還算滿意，不論是心理層面或是實際生產品質。
此刻不用抵達未來，但要把架構變成未來能隨時接手的狀態。
有的時候可以讓「時代」去槓桿事情的發生，在這之前我們能先做好準備，不用急著去建造違章建築。
我們可以讓自己看起來很忙著生成，減緩了一部分焦慮，卻也逃避了真正的問題。逃避雖然可恥但卻有用哈哈，忙碌又是最安全的逃避。真正重要的是停下來問：現在到底該面對什麼？
關於瞎忙這一點，相信從古到今都會有，而 AI 正加劇了這個現象。（強調三次，AI 目前是放大器）
組織真正稀缺的是採集、讀空氣、決定不做什麼。
Read the vibes, then create good vibes.
關於採集和讀空氣，我這裡可以分享以前當電話客服的案例。第一年，我一天八小時最多大概只能處理 20 張單；到了第二年，卻可以增加到 40 到 60 張單。
其中一個小技巧是，我幾乎可以在使用者發言的前十秒，靠經驗定位 80% 的問題，進而引導使用者往正確方向描述。相信我，八成的人如果讓他自由發揮，通常都會被拉去錯誤的點。客服單也盡量依照我已經習慣的模板去寫，所以整體速度像是開外掛一樣。
也因為這個經驗，我在作為開發者時，通靈的效能是其他開發者的兩到三倍。
好難過的能力XDD
我喜歡的講座
Peggy 的「我的麻瓜 AI Agent 之路」是我最喜歡的一場。
一方面是因為無障礙與特殊使用者的場景很具體，另一方面也是因為它讓 Agent 從很抽象的技術名詞，回到真正的人與需求。很多時候，AI 能不能幫上忙，是看它能不能處理真實世界裡那些麻煩、零碎、難以標準化，卻對使用者非常重要的事情。
這也呼應周加恩在「AI 電馭寫作」裡提到的話：
寫作，是一門看見的藝術。看見，就是邊界之下的人性。
能不能看見受眾的痛苦，不論現在是在哪個職位、哪個場域，或許都是接下來更重要的能力。
介面的意義是不是正在改變呢？如果未來 Agent 也會替人操作網站，那無障礙網站是否也會變成某種 Agent 無障礙？這個定義或許會慢慢變得不一樣。
Peggy 真的很激勵人心，去年最有印象的也是他的麻瓜之路（所以今年根本不能算麻瓜了吧XD），Peggy 總是能將冷冰冰的技術轉化為溫暖具有人性的解方，身為工程師會很感動於原來打造這件事真的能改變社會一點點，心裡暖洋洋的，投影片也好用心 QQ
兩次都不小心在台下泛淚，到底誰在年會這種場合會哭的好煩XDD
另外一個我很喜歡的講座是吳哲宇的「我的程式碼終於活過來了 — 從演算藝術到數位生命體」。
最讓我驚訝的是，原來他就是 Taiwan.md 的發起者！整個 20 分鐘也相當魔幻，將各種文字檔透過 AI 生成轉化為資訊生命體。演算藝術本身就是很迷人的領域，而數位生命體又把這件事推向更抽象、更有想像力的方向。
老實說，想到用這個網域也不簡單，大概能體會他當時發現沒人註冊過的驚訝XD
後記
這兩年 AI 已經代理了許多數位上的勞動工作，然而心理層面卻沒有因此比較輕鬆。除了整天要被威脅沒工作、被取代外，又因為相關產業都在改變工作流，所以個人方面自然而然也無法置身事外。追東追西、這個月推翻上個月的自己，已經是日常。
這次也有不少公司的領導者或科學家聊到，AI 可能會讓世界走向平均值。若團隊本身是弱勢，那這件事會是一種進步；但若預期要發展為頂尖團隊，那我想這就未必是件好事。平均值可以讓更多人跨過門檻，但真正的差異，仍然來自脈絡、品味、判斷力，以及有沒有能力看見別人沒看見的問題。
所以聽完整場年會後，我的感覺不是更焦慮，反而比較像是又回到一個老問題：AI 可以幫我們做很多事，但我們到底要拿這些能力去做什麼？這大概還是需要人自己回答。
永遠記得 Why、How、What，Why 是最開頭作為北極星的那個。
