【數位關鍵字】EP246.先蒸餾自己,再蒸餾同事!AI native 組織怎麼長出來

數位時代Official · 發布於 2026/06/27 上午08:00 · 更新於 2026/06/30 上午03:55 · 台北時間 · 本頁的資料來源與計算方式 ⓘ

觀看數
123次
喜歡
6次
YouTube 留言總數
0則
長度
—
字幕狀態未確認

觀看數觀測

目前僅一筆觀測 ·
123次

共同標籤

這支影片尚未比對共同詞彙

比對版本

youtube-quality-20261017-a

影片說明

矽谷創投圈最近流傳一篇文章,Foundation Capital 的 Jaya Gupta 看過上百家新創後直言:在 AI 的世界裡,模型、介面、流程乃至募資簡報都能被抄,一家公司真正抄不走的,只剩下「公司的形狀」。麥肯錫 2025 年的 AI 報告也呼應這個觀察:真正動手重新設計過工作流程的公司不到兩成,其餘八成只是把 AI 疊在原本的流程上面。數位時代創新長黃亮崢 James 邀請 USpace 共同創辦人王佑哲 Eugene,從第一線導入經驗出發,聊聊一家 AI native 公司到底長什麼樣子、既有公司又該怎麼把自己重新長成那個形狀。 聽完這集你可以學到: 1. AI native 的硬定義:它不是公司成立後才喊的口號,而是 from day one 就讓每一個工作產出優先用 AI/agent 完成,再去兜流程、把人放進去。關鍵從來不是追最新工具,而是先想清楚你要的成果與流程節點是什麼。 2. 先蒸餾自己,再蒸餾同事:把一份工作拆成可重複呼叫的 skill:讀票、寫 prompt、開 PR、自動 review 分級全部串起來。Eugene 甚至把整套 skill 交給 PM,讓自己「幾乎沒有存在的必要」,工作量直接少掉七成以上。 3. PM 與品味為何難取代:工程師像把規格翻成程式碼的翻譯,相對容易被取代;PM 難取代的是「品味」——理解公司怎麼賺錢、不同 TA 要什麼。就像好廚師不管到哪個國家,都能用當地食材做出對的味道。 4. 責任要綁在流程,不是怪一個人:Claude Code 曾不小心被開源,當事人卻沒有被開除,因為那是流程設計出錯、不是人的本意。機器做錯,等於設計機器時出錯;組織能不能容許員工這樣做,正是形狀難以改變的關鍵。 5. 兩種人才都要,還要重設獎勵:公司同時需要「設計 SOP」與「執行 SOP」兩種人。要把那些在執行中發現流程可以改的人挖出來,重新授權並設計獎勵,讓他從「為回覆量負責」,變成「為他修好的流程負責」。 6. 既有公司怎麼轉:先裝葉克膜、別想著砍掉重練。比較可行的是「AI 的 BPO」:把流程一條一條拉到體外,用 agent 重新打造、像葉克膜先撐住,再回頭取代舊流程,繞過組織內部龐大的政治與摩擦力。 7. 該先從哪個流程下手:挑同時滿足三個條件的流程先做:高頻(每天都在發生)、成果容易被驗證(對錯一眼看得出來)、低摩擦(經過的人和部門越少越好)。最理想是一個人就能完成、卻又天天發生的關鍵工作。 被問到三五年後什麼公司會被證明「做對了」,Eugene 給的不是預測,而是他自己若再創業想成立的公司樣貌。第一,這間公司任何有產出的內容,他都一定先用 AI 或 agent 做出來,這樣才有機會摸清楚 AI 的邊際與極限在哪裡。第二,他相信產業與公司的邊界都會慢慢鬆動,因為太多不同產業的老闆找他聊,他發現很多產業本來的流程,其實都有機會被重新翻轉。所以他心中最厲害的 AI 公司,是那種重新定義了產業與流程、用非常絲滑的方式把人放在正確位置的公司:人不用多,但能控制大量 agent、完成產業改造,而人只負責做最關鍵的價值觀決策。他也強調,他並不相信「一人公司」,因為人跟人之間仍然需要互相 inspire、需要合作關係:這份信任,才是真正抄不走的東西。 延伸閱讀》 Jaya Gupta(Foundation Capital)〈AI 時代的下一條護城河〉原文:https://x.com/JayaGup10/status/2052870394093408558 王佑哲 Eugene〈未來公司真正的護城河,是公司本身的形狀〉:https://www.facebook.com/euwang/posts/pfbid0LpM2WDiUrHW6QG5r8xbRkxqjAfD4E4L8aY7M2VnpzGbAMXiZxsfuyJghi3iKLUQZl Cat Wu(Anthropic)上 Lenny's Podcast:https://www.youtube.com/watch?v=PplmzlgE0kg

本頁的資料來源與計算方式

影片的數字

公開統計
觀看、喜歡與留言總數是取得當時的 YouTube 公開統計,不是即時數值;各項統計的觀測時間可能不同。「資料最後記錄」是影片資料的記錄時間,不代表觀看、喜歡或留言都在那時重新觀測。
觀看歷史
圖上每個點是實際儲存的觀測,連線只為方便閱讀,不代表中間時間的測量值;沒有歷史觀測時不建立時間序列。
喜歡占互動
喜歡 ÷(喜歡+不喜歡+顯示留言),任一來源缺值時不估算。
字幕
只記錄來源是否提供字幕,尚未擷取逐字稿,因此字幕不列入標籤比對。
觀測分析
直播逐時/逐日最高同時在線取自所讀直播紀錄;讀取上限、略過與解析失敗的筆數列在「資料涵蓋範圍與解析限制」。

共同標籤

標籤來源:新文易數(tag.observe.tw)。共同標籤以文字比對影片標題與說明,不是 AI 判讀;命中不代表事件歸屬或立場,與頻道分類分開。標題或說明出現標籤,不代表影片主題;可能來自固定宣傳或版權文字。字幕尚未取得,不列入比對。

比對範圍
僅列出目前詞彙版本與影片標題、說明仍相符的比對結果;待比對或來源文字已變動的影片不列入,數量見「收錄與比對範圍」。
期間
「往前 N 日」包含今天與前 N 天,共 N+1 個台北日曆日(往前 7 日為 8 個日曆日);指定起訖日期時以實際起訖日為準。日數、日期與小時條件同時套用。
命中片段
每支影片最多顯示 3 段,標示來自標題、說明或字幕;沒有片段時顯示「沒有命中片段」,來源文字缺漏時顯示「來源文字未提供」,不另行補寫。完整比對依據在影片頁的「共同標籤與比對依據」。
顯示排除
符合標籤顯示規則的詞(上游排除詞、雜訊、純數字或日期、長度不符,以及核定的來源或平台名稱、雙字通用詞、國家城市政黨詞、少數 YouTube 平台或宣傳用語)整詞不列入排行,但仍保留在原始詞彙池與比對證據中;原始詞彙池列出排除原因。雙字通用詞只依核定清單判定,包含它們的人名、事件或具體議題不會因此被排除。管理員也可以在排行上直接排除個別標籤,同樣只影響排行顯示,每次排除與恢復都留有紀錄。
說明欄樣板
同一頻道說明欄反覆出現的宣傳段落不列入比對。「24小時」這類詞只在這種重複宣傳段落中略過,出現在一般新聞內容時照常計入;這不同於整詞的顯示排除。
示例
列表與片段只是符合條件的影片例子,不能用來推算整體比例或全站失真程度;有效比對的影片比例只代表比對完成度。
觀看
累計觀看是取得當時的公開觀測值,不是期間增量;無觀看值的影片不當作 0。

本頁資料範圍

觀看數與互動數為取得當時的公開觀測值。

時間序列只有一筆有效觀測時,只列出該值與觀測時間,不畫走勢圖;累積兩筆以上才畫圖。

資料來源

本站以納入名單的 YouTube 頻道與影片為範圍(名單見頻道觀測),數據來自 YouTube 公開資料與定時觀測:直播約每分鐘輪詢一次,頻道統計、新影片與影片統計則分批輪流更新,所以同一頁的數字不一定在同一時間取得。不涵蓋全 YouTube;缺漏、尚未收錄或資料服務中斷都不等於零,尚未取得的數值顯示「—」。

頁面使用台北時間(UTC+8)。「更新於」是來源已記錄的觀測時間;來源沒有記錄時顯示「未記錄」,不以開啟網頁的時間代替。

共同標籤詞彙的標籤來源:新文易數(tag.observe.tw),保留來源、版本與比對依據;本站的頻道分類沿用有影儀表板的來源組織方式,與內容標籤是不同維度。影片數、觀看數與直播同時在線人數分開計算,不代表 YouTube 全站流量,也不表示因果關係。

完整的資料來源與計算方式 →