將 AI 導入企業並非像安裝一套新軟體或部署雲端應用那樣簡單，它更像是一場思維模式的革命。成功的企業往往將 AI 視為一個全新的範式（paradigm），抱持著實驗精神，透過不斷迭代、從實際應用中學習，從而更快地實現價值，並獲得使用者與利害關係人的廣泛支持。
AI 能在三個主要方面為企業帶來顯著且可衡量的改進：
- 提升員工績效（Workforce performance）：幫助員工在更短的時間內產出更高品質的工作成果。
- 自動化日常營運（Automating routine operations）：將人們從重複性的瑣碎任務中解放出來，讓他們能專注於更具附加價值的工作。
- 驅動產品創新（Powering products）：提供更具關聯性、反應更即時的客戶體驗，從而賦能產品本身。
從評估開始（Start with evals）
這份報告最基礎的論點，就是「從評估開始」。這句話聽起來很簡單，但其背後的涵義卻是企業導入 AI 是否成功的關鍵基石。
想像一下，你是一家餐廳的老闆，聽說現在有一種很厲害的「全能料理機器人」（這就是我們的 AI 模型，比如 GPT-4）。這個機器人的廣告宣稱它能做出世界上所有的菜餚，效率極高。你很心動，想把它引進你的餐廳來解決人手不足的問題。
這時候，你會怎麼做？你會不會直接花大錢買下它，然後第一天就讓它負責你餐廳所有的菜單，從開胃菜到甜點？你大概不會這麼做，因為風險太大了。萬一它做的菜不符合你餐廳的風味？萬一它對「微辣」的理解和你的顧客不一樣？萬一它在處理昂貴食材時出錯了呢？
一個理智的餐廳老闆會做的，就是進行「評估」（evals）。這個評估不是隨便試試，而是一個嚴謹、有結構的過程。你可能會這樣做：
- 設定具體的測試任務（Define Use Cases）：你不會讓它「隨便做點什麼」，而是會給它具體的任務。例如：「請製作我們的招牌菜——紅燒獅子頭。」、「請為一位對麩質過敏的客人客製化一份義大利麵。」這些具體的應用場景，就是報告裡所說的「use cases」。
- 建立衡量標準（Establish Benchmarks）：光是做出菜還不夠，你得有標準來判斷做得好不好。這個標準就是「benchmarks」。你的標準可能包括：味道是否跟你的主廚做的一樣？外觀是否美觀？成本是否控制在預算內？準備時間是否夠快？甚至，你會不會請你的老顧客來試吃，看看他們的反應如何？
- 進行對比測試（Comparative Analysis）：你會把機器人做的紅燒獅子頭，和你餐廳最有經驗的主廚做的版本放在一起比較。你會請專家（你的主廚團隊）和終端使用者（你的顧客）來評分。這就是報告中摩根史坦利（Morgan Stanley）案例裡提到的「Human trainers」——讓人類專家來評估 AI 的產出。
這個完整的測試流程，就是「eval」。它不是一次性的，而是一個持續的過程。你可能會發現，這個機器人做中餐很厲害，但做法式甜點就不行。或者它能完美複製食譜，但無法進行任何創意發揮。透過這個過程，你才能真正了解這個 AI 模型的強項、弱點，以及它最適合用在你餐廳的哪個環節。
報告中以全球金融服務巨頭摩根史坦利為例，完美詮釋了這一點。金融業是一個高度講求信任、個人化且極度敏感的行業。任何一個微小的錯誤都可能導致巨大的損失和信譽危機。因此，當他們考慮導入 AI 時，內部的質疑聲浪可想而知。他們的解決方案，就是為每一個打算引進 AI 的應用場景，都設計了密集的評估流程。
他們的目標是讓財務顧問更有效率。他們設計了三個核心的評估模型：
- 語言翻譯（Language translation）：評估 AI 翻譯金融文件的準確度和品質。
- 摘要（Summarization）：評估 AI 總結長篇研究報告的準確性、關聯性和連貫性。這不只是縮短文字，而是要確保核心觀點不失真。
- 人類培訓師（Human trainers）：將 AI 生成的投資建議或客戶回覆，與經驗豐富的財務顧問寫的內容進行直接比較，由專家來評分。
只有在 AI 的表現在這些嚴格的評估中達到甚至超越了預設的標準後，摩根史坦利才充滿信心地將這些功能推向實際應用。結果是驚人的：如今 98% 的財務顧問每天都在使用 OpenAI 技術，他們存取文件的範圍從過去的 20% 躍升至 80%，搜尋時間大幅縮短，讓他們有更多時間與客戶建立關係。這種成功，完全建立在最初那堅實、嚴謹的「評估」基礎之上。
所以，「從評估開始」的真正意義是：在將 AI 全面整合到你的核心業務之前，你必須像一位嚴格的考官，為它設計一套針對你特定需求的、可量化的、可比較的考試。這個過程不僅是為了測試 AI 的能力，更是為了建立組織內部對 AI 的信任，降低未知的風險，並找到 AI 能夠發揮最大價值的最佳切入點。 這不是一個選項，而是一個紀律。沒有這個紀律，企業的 AI 之路很可能會充滿挫折，甚至以失敗告終。
將 AI 嵌入您的產品中（Embed AI into your products）
如果說「評估」是打地基，那麼第二個論點「將 AI 嵌入產品」就是決定你究竟要蓋一棟什麼樣的建築。這個論點的核心思想是，AI 的最大潛力，並非作為一個獨立、外掛的工具存在，而是當它被無縫地、深度地整合進你的核心產品或服務中，去創造一種前所未有的、更人性化的體驗時，才能真正被釋放。
讓我們再次使用費曼學習法來理解。想像一下你的智慧型手機。在早期，如果你想導航，你可能需要打開一個獨立的「地圖 App」。這個 App 很有用，但它和你的手機其他功能是割裂的。現在，想像一下 AI 被「嵌入」後的體驗：
當你在行事曆上設定了一個會議地點，你的手機會在你需要出發時自動提醒你，並根據即時路況規劃好最佳路線。當你開車時，導航語音會在你收到來電時自動降低音量。當你快到目的地時，它可能會提醒你附近有停車場，並詢問是否需要幫你支付停車費。
看到了嗎？AI 不再是一個你必須主動去「打開」的獨立應用程式。它像空氣一樣，融入了你手機的整個生態系統，默默地、智慧地串連起不同的功能，預測你的需求，為主動你提供服務。這就是「嵌入式 AI」的力量。它不是在產品「旁邊」加了一個新功能，而是讓產品的「核心」變得更聰明、更貼心。
報告中以全球最大的求職網站 Indeed 為例，這是一個絕佳的示範。 Indeed 的核心產品是「媒合求職者與工作」。一個傳統的、非嵌入式的 AI 應用可能是，在網站旁邊放一個聊天機器人，讓求職者可以問「有沒有數據分析師的職缺？」之類的問題。
但 Indeed 做的遠不止於此。他們將 GPT-4o mini 模型「嵌入」到他們最核心的媒合引擎中。現在，當 Indeed 向求職者推薦一個職位時，它不僅僅是基於履歷上的關鍵字匹配。 AI 會深入分析求職者的背景、經歷和技能，然後生成一段個人化的「為什麼」（the power of why）的說明。例如，它會告訴你：「我們推薦這個專案經理的職位給你，因為你在上一份工作中成功領導了跨國團隊的經驗，與這個職位所要求的『全球協作能力』高度契合。」
這種體驗上的轉變是巨大的。它將一次冰冷的、由演算法驅動的媒合，轉化為一次溫暖的、彷彿來自專業獵頭的個人化建議。這就是報告中所說的「創造感覺更人性化的客戶體驗（create customer experiences that feel more human）」。因為 AI 處理了海量數據，反而能夠提供比以往任何時候都更具關聯性和個人化的互動。
這種深度嵌入帶來了實質的商業回報。 Indeed 發現，採用這種新方式後，求職申請的發起率增加了 20%，而更關鍵的「下游成功率」（downstream success，也就是求職者不僅申請了，還最終被雇主聘用）提升了 13% 。這證明了嵌入式 AI 不僅僅是提升了用戶體驗，更是實實在在地提升了產品的核心價值——成功地為人們找到合適的工作。
此外，這個案例還帶出一個重點：規模化。 Indeed 每月要發送超過 2000 萬則訊息，要讓這種嵌入式 AI 在如此大的規模下運行，成本和效率至關重要。因此，他們與 OpenAI 合作，對一個較小的 GPT 模型進行微調（fine-tune），使其在消耗減少 60% token 的情況下，依然能達到相似的卓越效果。
總結來說，「將 AI 嵌入您的產品中」的真正意涵是：不要只把 AI 當成一個外掛的輔助工具。要思考如何將 AI 的能力，如自然語言理解、數據分析、個人化生成等，像神經系統一樣植入你產品和服務的 DNA 中。目標是重新定義你的核心用戶體驗，使其變得更智慧、更無縫、更個人化，從而建立起他人難以模仿的護城河。 這種做法，是從「使用 AI」到「成為 AI 驅動型企業」的關鍵躍遷。