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:
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。
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:
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:
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。

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。

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。
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:
| 幕 | 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% |
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:
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 |
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 |
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 |
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。