第五項論點：將 AI 交到專家手中（Get AI in the hands of experts）
這個論點挑戰了一種傳統的、自上而下的技術導入模式。它主張，與其讓 IT 部門或一個中央集權的 AI 團隊去為整個公司開發通用的、一刀切的解決方案，不如反其道而行：將強大而易用的 AI 工具直接賦能給那些身處業務第一線、最了解實際問題所在的領域專家（domain experts），讓他們自己去創造解決方案。
假設一座大城市遇到了各種各樣的交通問題：市中心塞車嚴重、郊區公車班次太少、火車站出口的計程車調度混亂。
傳統的解決方法是，市政府成立一個「交通改善中央委員會」（這就像是企業的中央 IT 或 AI 團隊）。委員會的專家們會花幾個月時間研究地圖、分析數據，然後提出一個宏大的、統一的「城市交通優化方案」。這個方案可能在理論上很完美，但在實施時卻會遇到各種問題。因為委員會的專家們雖然懂交通規劃，但他們不一定了解市中心某條小巷裡居民的真實出行習慣，也不清楚郊區那個特定社區的媽媽們每天需要在什麼時間接送孩子。他們設計的方案，可能因為不夠「接地氣」而效果打折。
現在，我們來看看「將 AI 交到專家手中」的做法。市政府不再試圖設計一個包羅萬象的方案，而是開發了一個非常簡單易用的「交通流量模擬與調度 App」（這就是像 ChatGPT Enterprise 或 Custom GPTs 這樣的工具）。然後，他們將這個 App 交給了：
- 市中心的社區管理員：他最了解這裡的交通瓶頸在哪裡，他可以用這個 App 模擬調整紅綠燈時長、設置單行道的效果。
- 郊區的公車司機和站長：他們每天都在這條路線上跑，最清楚乘客的乘車高峰。他們可以用 App 快速設計出更符合居民需求的彈性班次表。
- 火車站的計程車隊長：他可以利用 App 結合即時的火車到站資訊，預測人流，提前調度車輛，減少旅客的等待時間。
這些社區管理員、公車司機、計程車隊長，就是各自領域的「專家」。他們可能不懂複雜的演算法，但他們對自己所負責的那個具體問題，有著最深刻的理解。當你給了他們一個強大而簡單的工具後，他們就能將自己的領域知識與 AI 的計算能力結合起來，創造出無數個小而美的、極其實用的解決方案。這些由下而上產生的創新，其總和效果，往往遠超那個由中央委員會設計的宏大方案。
報告中的 BBVA（西班牙對外銀行，全球銀行業巨頭）就是這種模式的典範。 BBVA 有超過 12.5 萬名員工，每個人每天都面臨著獨特的挑戰。他們沒有試圖去建立一個龐大的團隊來為所有人解決問題，而是選擇將 ChatGPT Enterprise 推廣給全體員工，並讓他們能夠輕鬆地創建自己的「客製化 GPTs」（custom GPTs）。
這就像是給了每一位銀行職員一個專屬的、能聽懂銀行業務的智慧助理。結果是爆炸性的：在短短五個月內，員工們自發地創建了超過 2,900 個客製化 GPTs！這些 GPTs 解決的問題五花八門，而且都是從實際痛點出發：
- 信貸風險團隊（The Credit Risk team）：他們創建了一個 GPT，能更快、更準確地評估客戶的信用狀況，將原本可能需要數週的專案縮短到幾小時。
- 法務團隊（The Legal team）：他們創建了一個 GPT，每年能回答超過 40,000 個關於公司政策、合規性的問題，極大地釋放了法務人員的時間。
- 客戶服務團隊（The Customer Service team）：他們創建了一個 GPT，能自動對客戶滿意度調查（NPS surveys）進行情感分析，快速洞察客戶心聲。
BBVA 全球 AI 導入主管 Elena Alfaro 的話一針見血：「在我們這樣的企業裡，通常建立一個原型都需要技術資源和時間。但有了客製化 GPTs，任何人都能創建應用來解決獨特的問題——開始變得非常容易。」
這就是該論點的精髓所在：不要低估你組織內部「非技術人員」的創新潛力。真正的專家，往往是那些每天與問題打交道的人。與其試圖為他們構建解決方案，不如為他們提供強大的工具，並信任他們能夠找到最佳的應用方式。 這種賦權（empowerment）不僅能以更低的成本、更快的速度解決大量實際問題，更能激發整個組織的創造力和主人翁精神，將 AI 的投資轉化為對「人」的投資，從而放大每個人的潛能。
第六項論點：解放你的開發者（Unblock your developers）
如果說第五個論點是關於如何賦能「非技術專家」，那麼這個論點就是關於如何為你組織裡最核心的技術力量——開發者——插上 AI 的翅膀。在許多組織中，開發者資源是創新的主要瓶頸和增長的抑制劑。工程團隊往往被堆積如山的待辦事項淹沒，導致創新速度變慢，許多好的想法因為「沒人手做」而胎死腹中。這個論點提出，AI 可以成為一個強大的「槓桿」，極大地放大開發者的生產力。
讓我們繼續使用費曼學習法。想像一下，你的公司是一個龐大的樂高玩具工廠，而你的開發者們就是那些最有創造力的「樂高大師」。他們能用樂高顆粒拼出任何東西：跑車、城堡、太空船。
然而，在傳統的工作模式下，這些樂高大師的大部分時間並沒有花在「創造」上。他們的時間被大量基礎、重複、繁瑣的工作佔據了：
- 尋找零件：他們需要在庫房裡成千上萬個零件箱中找到特定顏色、特定形狀的顆粒。（這就像開發者尋找和配置合適的 API 、數據庫和服務器）。
- 搭建地基：每拼一個新模型，他們都要從頭開始搭建一個穩固的底座。（這就像為每個新應用編寫底層的框架、安全認證和路由邏輯）。
- 重複拼裝：如果客戶需要 100 輛一模一樣的跑車，他們就需要手動重複拼裝 100 次。（這就像開發者需要為不同平台或客戶群體複製和微調相似的代碼）。
這種工作方式效率極低，也極大地浪費了樂高大師們的創造力。
現在，AI 介入了。工廠引入了一個名為「Verdi」的「智慧開發平台」（這就是報告中 Mercado Libre 的案例）。這個平台本身由 AI 驅動，它為樂高大師們提供了什麼呢？
- 一個智慧化的零件庫：大師們不再需要親自尋找零件。他們只需要用自然語言告訴平台：「我需要 50 個紅色的 2×4 顆粒和 10 個透明的車窗。」平台就會自動將這些零件送到他們手邊。（這就是 Verdi 平台整合了語言模型、 Python 節點和 API，開發者可以用自然語言來調用所需資源）。
- 標準化的智慧底座：平台提供了一系列預製好的、經過安全測試的「模型底座」。大師們可以直接在上面開始創造，無需每次都從零搭建。（這就是 Verdi 平台內置了安全護欄、路由邏輯，確保每個應用都符合公司的標準和安全要求）。
- 自動化的組裝線：當大師設計好一輛跑車的原型後，他可以將設計圖交給平台，平台就能自動化地、快速地、零錯誤地複製出成千上萬輛。（這就是開發者可以快速構建高品質應用，而無需深入原始碼）。
結果是什麼？樂高大師們被從所有繁瑣的重複勞動中「解放」了出來。他們可以將 100% 的精力投入到最具價值的部分——設計出更有創意、更複雜、更好玩的樂高模型。整個工廠的創新速度和產出能力，都發生了指數級的提升。
這正是拉丁美洲最大的電商和金融科技公司 Mercado Libre 所做的。他們有 17,000 名開發者，但依然面臨開發瓶頸。於是他們與 OpenAI 合作，打造了這個名為「Verdi」的 AI 開發平台層。 Verdi 利用 GPT-4o 和 GPT-4o mini 的能力，讓開發者能夠以一種統一、高效的方式，加速 AI 應用的構建。
這個平台的威力體現在各種業務成果上：
- 提升庫存容量：利用 AI 視覺能力自動標記和補全商品信息，讓上架的商品數量增加了 100 倍。
- 偵測欺詐：每天分析數百萬條商品信息，將欺詐檢測的準確率提高到近 99% 。
- 客製化商品描述：自動將商品標題和描述翻譯成符合西班牙語和葡萄牙語不同地區方言習慣的內容。
- 增加訂單：自動生成商品評論摘要，幫助用戶快速了解商品反饋，促進購買決策。
因此，「解放你的開發者」的真正含義是：不要僅僅把 AI 當成開發者需要去「集成」的另一個工具。要思考如何用 AI 來「重塑」開發流程本身。通過打造一個 AI 驅動的開發平台層，將重複性的、標準化的工作自動化，你可以將你最寶貴的技術人才從束縛中釋放出來，讓他們專注於解決最複雜、最具創造性的業務挑戰。 這不僅僅是提升效率，這是從根本上提升整個組織的創新吞吐量。
第七項論點：設定大膽的自動化目標（Set bold automation goals）
這是報告的最後一個論點，也是一個具有戰略高度的思維轉變。它鼓勵企業領導者，不要將 AI 自動化僅僅視為一種修補現有流程、擠牙膏式地提升效率的工具。相反，應該將其視為一個徹底顛覆低效率工作模式、重新定義「什麼是可能」的機會，並為此設定雄心勃勃的目標。
讓我們用費曼學習法來理解。想像你擁有一條古老的河流，人們過去幾個世紀都是靠人力划著小船在河上運輸貨物。這種方式效率低下、辛苦且容易出錯。
現在，你了解到了一種新技術——「蒸汽機」（這就是我們的 AI）。
一種保守的思維方式是：我可以用這個蒸汽機來做什麼？嗯，我可以在每艘小船後面裝一個小型的蒸汽機，這樣划船的人就可以省點力氣。這能讓運輸速度稍微快一點，船夫們也不會那麼累了。這是一種漸進式的改進。你接受了「船」這個基本形態，只是在上面做了一些優化。
而「設定大膽的自動化目標」則是一種完全不同的思維方式。你看到的不再是「如何改進划船」，而是「如何利用蒸汽的力量徹底改變河流運輸」。你的目標不再是「讓船快 10%」，而是「將運輸效率提升 100 倍」。這個大膽的目標會迫使你思考完全不同的解決方案。你可能會想到：
- 我為什麼還需要這些小船？我應該用蒸汽機來驅動巨大的、能裝載百倍貨物的鋼鐵輪船。
- 我甚至不需要船了，我可以在河上架起一座鐵路橋，讓蒸汽火車在上面跑，這比任何船都快。
- 我可以在河流沿岸建立一個由蒸汽驅動的傳送帶網絡，實現貨物的連續、自動化運輸。
看到了嗎？當你設定了一個「大膽」的目標後，你的思維就從「優化現狀」躍遷到了「創造未來」。你不再把現有的低效率流程視為一個既定的、需要慢慢改善的「成本」，而是視為一個可以被徹底消除的「問題」。
報告中以 OpenAI 自己的實踐為例。他們的支援團隊過去被繁瑣的工作流程所困擾：花費大量時間在不同系統之間切換以獲取信息、理解客戶問題的上下文、撰寫回覆，然後手動執行操作（比如更新帳戶）。這就像是在不同的「小船」之間跳來跳去。
如果他們只是設定一個保守的目標，比如「將回覆時間減少 20%」，他們可能會開發一些模板或者腳本來輔助。但他們設定了一個更大膽的目標：從根本上自動化這些重複性工作，加速洞察和行動。
這個大膽的目標催生了一個「內部自動化平台」。這個平台直接疊加在他們現有的工作流（如 Gmail）之上。當一封客戶郵件進來時，平台會：
- 自動化地訪問所有相關系統，獲取客戶數據和知識庫文章。
- 自動化地理解郵件上下文，並生成一份高品質的回覆草稿。
- 自動化地觸發後續動作，比如直接更新客戶帳戶或創建一個支援工單。
這個平台每月處理數十萬個任務，將員工從繁瑣的工作中解放出來，讓他們專注於處理更複雜、更需要人情味的「高影響力工作」。這個系統之所以能夠誕生，正是因為他們從一開始就拒絕接受「低效率流程是做生意的必要成本」這一觀念。
所以，「設定大膽的自動化目標」的深刻啟示是：作為領導者，你的職責不僅僅是引入新技術，更是要為組織設定一個能激發潛能的願景。不要只問「AI 能為我們現在做的事情帶來多大改進？」，而要問「如果有了 AI，我們未來可以做到哪些今天看來完全不可能的事情？」。通過設定一個看似遙不可及但極具吸引力的自動化目標，你可以迫使你的團隊跳出現有的思維框架，去構想和建立真正具有變革性的解決方案，從而帶領企業實現非線性的跨越式發展。