iT邦幫忙

2026 iThome 鐵人賽

DAY 1
0
AI Engineering

《讓 AI 去扛人類守不住的戰場,而不是取代人:系統整合商 AI 導入實戰(2026)》系列 第 1

《 Day01》開賽序:AI 不取代你,而是去扛人類守不住的戰場——這系列要證明什麼

  • 分享至 

  • xImage
  •  

AI 不取代你,而是去負責人類守不住的戰場——這系列要證明什麼

全世界都在喊「要被 AI 取代了!」,這句話相信你這一兩年沒少聽。

  • 但這 30 天我要給你看相反的東西: AI負責的是人本來就守不住的戰場——它從來沒辦法參加人的戰鬥。

  • 「要被取代了」是媒體、記者和 CEO 賣出來的敘事: 不僅販賣焦慮,還要宣傳企業的財報績效。這個系列會明確地陪你拆解它,並讓你看到: AI 生成能一口氣幫你做一堆事,但事情要往哪走、出了事誰去面對,終究還是你

在這個角度上,企業導入AI最有收益的做法是讓AI去扛人類做不到的事情——效益來自那個扛責任的人終於扛得動,而不是來自少了一個人。

這系列會用實際跑在公司內部的系統證明其實做得到,而不是又一篇要你認同的記者文章。

第一篇D1會先給你整季地圖簡介和三條閱讀路線,讓你事先知道會談什麼內容,你可以只挑跟自己有關的看。

這系列想要證明什麼?

這系列想提出一個主張:AI 取代不了人——它去扛的,是人本來就守不住的戰場。

這個觀點成不成立,我不跟你下結論—— 這 30 天,我用實際從設計到運行最後持續營運的系統一天一天跑給你看。

我甚至先把承諾兌現的頁碼標給你——系列主軸四個部份:

  1. 先把「AI 取代你」這個敘事拆掉(D2–D6):看 AI 到底是什麼、有哪些在寫進系統之前就存在的限制;最後 D6 用 WEBEX 實例讓你看它怎麼自信地講錯話、又怎麼被逼著去讀原始碼自己更正——一個要人盯著才可靠的東西,取代不了誰。
  2. 「給責任的同時要給權力」(D7–D13):責任既然還掛在人身上,就不能讓人空手扛。D7 劃出那條線(什麼該給 AI、什麼留給人、誰有權說不),D9 到 D13 一篇一種——讓抗拒的人參與設計、沒有正式職權怎麼推得動、怎麼留一條退得回去的路。權力就是負責任的能力,這一段講的是組織該給的那一半。
  3. 「AI 去扛人守不住的戰場」(規模、速度、不間斷,也就是標題的前半):D3 先把這片戰場定義清楚,D14–18 交出手法,D19–27 三套系統一套一套實際打給你看。這一段講的是技術該給的那一半——AI 補上人力再怎麼加也追不上的量;而每套系統的第三篇(D21 / D24 / D27)回答標題的後半:那些量被接手之後,扛責任的人實際多了什麼。
  4. 「我建立的是平台,價值的發揮還是要靠你」(D28–D30):D28 是給決策者的那筆帳(值不值得投、要付什麼代價),D29 收「一套 AI 該有多大權限、出錯誰扛」,D30 跟今天這份地圖逐條對帳——然後把這一路跑通的系統價值交到你手上,怎麼發揮由你決定

而在人人都喊著要把 AI 導入企業的此刻,真正卡住的往往不是技術——而是知道從哪開始的人是少數,多數人不清楚 AI 在企業的應用場景,更關鍵的是根本沒有真正落地到日常的機會;就算落地了,也不知道後續要如何發展。

資深同事對 AI 有戒心,有人但不知從何下手,我到底該從哪裡開始?

這系列會帶你從實際的 AI 認知、企業困境、權責怎麼分、思考成形、技術補正、成本規劃,一路走到部署後的維護應用。

實打實地把一個科幻未來幻想,一步步落地成真實應用的過程。

為什麼這系列有意義,而不是又一篇 AI 心得文?

這不是又一篇紙上談兵的文章。支撐整個系列的,是三套在公司內部實際運行的系統:

  • 向原廠下單系統(CCW): 一套會跟原廠系統的 error code 來回問答的下單工具——一句沒指定型號的需求,被推理成一組彼此相容的設備清單。
  • 每日 CVE 通報: 每天報導全球漏洞、再生成一份維運同事早上掃一眼就能決定。
  • 設備運作分析: 把一台設備吐出的幾萬行狀態檔(人讀不完、看不懂)隨選判讀成一份掃一眼就懂的報告——例如從端口流量認出設備異常。

它們每一套,都在敘述同一件事: 人力再怎麼加也追不上的規模與速度

系列每一篇我都會提一個主題式問題,引導你思考出答案後,我再用實際案例交出我的答卷——而不是「一般來說會…」,是「我實際做了什麼,給你看效果」。

提前劇透幾個後面會拆解的畫面:
開工單機器人:客戶用自然語言描述問題,AI 自動整理成結構化工程單,人回覆「確認」才派送
把「機房交換機晚上會唱歌、還出現人影」這種亂七八糟的描述,變成一張規規矩矩的工單——AI 負責整理,人按下「確認」才送出。

逼 AI 查證 Webex API:AI 先前編造了不存在的欄位,被要求去讀原始碼後自己更正並給出結論表
同一個 AI,被逼著去讀原始碼之前給的是錯答案、之後才給對。它為什麼會自信地錯、又怎麼逼它查證,Day 6 完整演一遍。

CCW 自動報價:AI 把「50 人辦公室網路」的自然語言需求,先反問產品線與埠數需求,再用真實 PID 查候選、經 getItems 驗證 orderable 與即時價,最後生成一張 Cisco Catalyst 9300/9120AX/9800 的結構化報價單
把「幫我擬一份 50 人辦公室的網路報價」這種沒指定型號的需求,AI 反問幾個關鍵維度後,用真實 PID 搜尋、經 getItems 確認可下單與即時單價——幾秒生成一張報價單。這套向原廠下單系統怎麼做到的,留到 Day 25–27。

我該從哪邊開始讀?

這系列刻意設計為三類人準備, 全篇互相呼應,但你不必讀完 30 篇,挑自己舒適的路線走就好:

  • 🟢 新手線:D1、D2、D3、D5、D6、D7、D14–D18、D30(先把 AI 是什麼、限制在哪看清楚,再用 D14–D18 的基礎應用五篇從 0 開始動手——tool call、MCP、記憶、工具分派、任務拆解與成本追蹤,這五篇不需要你先懂三套系統)
  • 🟠 決策者線:D2、D5、D10–D13、D28–D30(先認清 AI 究竟是什麼、寫進系統前就存在的限制在哪,再看為什麼多數企業導入最後只剩口號、沒職權怎麼推、怎麼讓組織開始想像 AI、最後是值不值得投、權限該給到哪、系統該怎麼持續發展下去)
  • 🔵 工程師線:D6、D7、D14–D27、D29(從 AI 為什麼不可靠開始,一路走完基礎應用與三系統火力展示;D7 與 D29 是設計系統時那條「什麼該給 AI、出錯誰扛」的線)——只想看動手內容?直接從 D6 進來。

三幕怎麼分、每一幕在做什麼?

天數 篇數 佔比 這一幕的任務
幕一 · 認知 / 拆解敘事(對 AI) D1–D6 6 20% 撥開媒體敘事,把 AI 本身與「要解的問題」看清楚
幕二 · 導入為何失敗 + 職場倫理(對同事、組織、部門/團隊) D7–D13 7 23% 為什麼企業導入 AI 寸步難行——D7 鉸鏈 + 三對,每對 2 篇
幕三 · 做給你看 / 實作 D14–D30 17 57% 火力展示主秀: 基礎(5)+ 三系統三部曲(9)+ 收束(3)
合計 30 100%

這 30 天會講什麼?

為了照顧三類讀者,這系列會先同步對整季的認知、補足必要的知識節點,再逐步鋪陳、引導你思考。

其中前兩週會各有一篇純 code 的硬實例(D6、D14),與主打的三系統是不同的內容——用來提早讓你看到真的跑得起來的東西。

整季依三幕推進,逐日排程如下:

幕一 · 認知 / 拆解敘事(D1–D6,對 AI)

6 篇 · 佔 20% · 收於 D6 | 撥開媒體敘事,把 AI 本身與「要解的問題」看清楚

Day 標題 性質 階段
1 開賽序: AI 不取代你,而是去扛人類守不住的戰場——這系列要證明什麼 ①認知 認知
2 AI 之於你會是什麼: 去除華爾街記者、媒體與企業 CEO 敘事後,它究竟是什麼 ①認知 認知
3 台灣系統整合商的真實處境:要解的是規模、速度、不間斷三道人力牆 ②思考(定義問題) 思考
4 為什麼「再請一個人」救不了這行?型號 × 漏洞 × 設備數的組合爆炸(線性 vs 指數) ②思考 思考
5 把 AI 寫進系統前的四道開發限制: context window、prompt、法規、模型/思考深度設定 ②思考 思考
6 為什麼 AI 不可靠?WEBEX 實例——用提示逼 AI 讀原始碼、自己抓出幻覺 💻code/示範 實作錨點 實現

幕二 · 導入為何失敗 + 職場倫理(D7–D13,對同事、組織、部門/團隊)

7 篇 · 佔 23% · 開往 D14 | 為什麼企業導入 AI 卡住——D7 鉸鏈 + 三對(同事/組織/部門團隊,每對 2 篇)

Day 標題 性質 階段
7 怎麼判斷一件事該給 AI 還是該留給人: 設計新系統與流程時,怎麼把既有同事的工作納入考量 鉸鏈 思考
8 導入最難的不是技術: 同事把自動化當威脅、世代抗拒改變、對未來無心力想像 同事(抗拒) 思考
9 怎麼讓抗拒的同事開始願意用: 自願者、參與設計、看得到的好處 同事(化解) 思考
10 為什麼企業 AI 導入最後都淪為口號?——喊的人多,誰該做卻沒人真的接 組織(診斷) 🔭鋪陳
11 沒有正式職權,一套 AI 系統怎麼在公司推得動 組織(解方) 🔭鋪陳
12 第一步棋不是挑最難的,是讓組織「開始想像」——你的工具與分析報告怎麼當想像力的種子 部門團隊(拉新) 🔭鋪陳
13 AB 平行導入: 讓既有 ERP 長出 AI,不打掉重練、不加成本 部門團隊(護舊) 🔭鋪陳

幕三 · 做給你看 / 實作(D14–D30)

17 篇 · 佔 57% · 開於 D14 | 火力展示主秀——基礎(5)+ 三系統三部曲(9)+ 收束(3)

Day 標題 性質 階段
14 【AI 基礎應用 ①】從 0 開始:用 Azure AI Foundry 入門 + 第一個 tool call 💻code/示範 ⑤實作 實現
15 【AI 基礎應用 ②】MCP(Model Context Protocol):自己產一個 MCP 工具,把工具標準化 💻code ⑤實作 實現
16 【AI 基礎應用 ③】AI 記憶的原理與實作:memory + tool_call、Azure Redis 存工作階段 💻code ⑤實作 實現
17 【AI 基礎應用 ④】分裂操作(上)·多工具 tool routing:讓 AI 挑對工具、只帶必要脈絡、換對口吻 💻code ⑤實作 實現
18 【AI 基礎應用 ④】分裂操作(下)·任務拆解 + 成本追蹤:一個任務拆成幾十次呼叫、算得清帳 💻code ⑤實作 實現
19 【設備分析 ①】定期巡檢的極限:一台設備的完整狀態,人為什麼看不完、也看不懂 ⑤實作 實現
20 【設備分析 ②】實作:一份 28K 行的設備狀態檔怎麼被拆成規模化多階段分析——事實靠程式、判讀靠 AI ⑤實作 實現
21 【設備分析 ③】後續實際引用:分析結果實際觸發了哪些處置、如何變成團隊例行的判斷依據 ⑤實作 實現
22 【CVE 通報 ①】沒人能每天讀完全球漏洞:規模與時效的人力極限 ⑤實作 實現
23 【CVE 通報 ②】實作:把全球 CVE 洪流用 LLM 生成每日通報——事實靠程式、行文靠 AI ⑤實作 實現
24 【CVE 通報 ③】後續實際引用:通報怎麼變成客戶資安認證的一環、還成了主動接觸的話題 ⑤實作 實現
25 【向原廠下單系統 ①】人工組報價單的規模極限:型號、相容、折扣的組合爆炸,為什麼非自動不可 ⑤實作 實現
26 【向原廠下單系統 ②】實作:用 CCW GraphQL introspection 自己問出 schema + 自動 SKU/配件查詢 ⑤實作 實現
27 【向原廠下單系統 ③】後續實際引用:業務/售前現在怎麼用它出報價、省下多少時間、人改去做什麼 ⑤實作 實現
28 這套 AI 值不值得導入?給決策者的判斷基準:ROI、痛點、導入風險、訓練成本、維護 TCO + 功能成本換算比 ⑥收尾 收尾
29 導入 AI 的責任與邊界:AI 角色光譜、權責設計、失誤控制 + 招牌案例「新系統取代舊場景,怎麼不讓舊團隊被架空、部門對立」 ⑥收尾 收尾
30 完賽總結:與學習契約逐條對帳,並把跑通的系統價值交到你手上——換你去發揮 ⑥收尾 收尾

完賽後這個系列的意義是什麼?

這個系列是特意留在這裡讓未來的人能夠往前搜尋的,我知道很多人對於一開始起步會不知道從哪裡開始,希望這篇能讓你找到能夠發力的重心。

並且讓三類人各自帶走能互相呼應、又各取所需的東西:

🟢 新鮮人 / 轉職工程師: 不再因為 AI 焦慮,而是知道 AI 能替你扛起哪一段——以及在瞭解之後讓你多出了可以發展的路線。

🟠 企業管理者: 就算不懂技術,也知道第一步從哪下手、後面的步驟怎麼走; 更重要的是提前認清 AI 的侷限與過度敘事造成的風險, 讓你對導入 AI 後「哪些事該重新分配、對應的資源該放到哪」有不一樣的 「算」法

🔵 工程師: 我知道你只是來逛逛,順便看能撈到什麼 (?) —— 從第一個 tool call 到三套上線系統的架構與取捨,外加 D7、D29 那條沒人教你的線。

總而言之,讓 AI 去處理人守不住的戰場,真正有意義的事情是—— 「給責任的同時,要給能力」。 這篇不會只是簡單的說一句「把判斷留給人」,這句話的暗示性用語是 「原本你的任務被取代了」。

而那雙手接下來要伸向哪裡,這 30 天你會慢慢有自己的答案。

不過在證明之前,得先把「AI 之於你到底是什麼」講清楚——那是明天 D2 的事。


系列文
《讓 AI 去扛人類守不住的戰場,而不是取代人:系統整合商 AI 導入實戰(2026)》1
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言