TL;DR
- Altman 的核心預測（模型持續變強、Agent 開始能用、基礎建設是瓶頸）大致正確，但他選擇不寫的東西才是重點
- AI 這次取代的不是手，是腦——過去「好好念書就能做」的認知工作正在被壓縮，而且看不見等量的新工作被創造
- 台灣辦公室裡已經出現兩個平行世界：用 AI 飛的人 vs 還在觀望的人，企業主夾在中間
- 不需要一夜變成 AI 公司，但這週就該開始：把每個人手上的事攤開看一遍、讓先行者帶路、開始那場不舒服的對話
2024 年 9 月的某個下午，Sam Altman 坐在舊金山的辦公室裡，發表了一篇兩千字的文章。標題很大：《The Intelligence Age》——智能豐足時代。
他寫道，人類正站在一個與農業革命、工業革命同等規模的轉折點。深度學習已經「work」了。超級智慧可能在「幾千天內」到來。未來，每個人都將擁有一個 AI 家教、AI 醫生、AI 財務顧問。智慧將便宜到像自來水一樣——打開水龍頭就有。
那篇文章在矽谷被當成經文傳閱。創投用它來說服 LP，新創用它來寫 pitch deck，媒體用它來下標題。它描繪的世界太美了：技術進步會像潮水一樣，把所有人都抬起來。
十八個月後，潮水確實來了。
但在台灣的辦公室裡，很多企業主發現自己面對的不是被抬起來的感覺，而是一道他們從沒想過要面對的選擇題。
一句每個老闆都說過的話
過去半年，我跟很多台灣的企業主聊過。軟體業的、金融業的、服務業的、電商的。公司規模從幾個人到數百人都有。產業不同、背景不同、脾氣不同，但有一句話幾乎每個人都說過，只是用詞不一樣——
這句話背後的重量，不是 Sam Altman 坐在舊金山寫得出來的。
你很難跟一個矽谷的科技樂觀主義者解釋，在一間十幾二十人的台灣公司裡，老闆和員工之間是什麼關係。那不完全是合約、不完全是友誼，但比兩者都更黏。你叫得出每個人小孩的名字。你知道誰的房貸剛過件、誰的爸媽身體不好。你更難跟他解釋，這個企業主此刻感受到的，根本已經超過「要不要導入 AI」的技術問題。那是一種道德層面的拉扯。
他看到了 AI 能做的事。他不傻。他知道一個人花兩天整理的數據，AI 二十分鐘就能跑完。他知道每天花三小時回的客戶訊息，一套 AI 系統可以吃掉大半。他也知道，如果他不動，同行會動，然後他的成本結構和反應速度，全部都會變成劣勢。
但他同時也看到另一個畫面：早上九點，那個不大的辦公室裡，幾張熟悉的臉。有人從公司草創期就在了，一路從什麼都要扛到現在。有人上個月才跟他說「老闆，今年我們可以拚更大的。」
Altman 說，AI 是每個人能力的放大器。但沒有人告訴這些企業主：當你的放大器裝好了，你怎麼看著那些不再被需要的人 的眼睛？
先把 Altman 說對的還給他
公平地說，Altman 在 2024 年做出的幾個核心判斷，到了 2026 年確實站得住腳。
他說 Scaling Laws 會繼續運作——模型會持續變強。這是對的。從 GPT-4o 到 Claude Opus 4.6，從 Gemini 2.0 到 QWEN 3.5，每一個世代的模型都比前一代更聰明、更快、更便宜。推理 API 的價格在十八個月內掉了將近十倍。一年前要花一百美元跑的任務，現在十幾塊就能搞定。
他說 AI 會從「聊天機器人」進化成「自主代理」。這也正在發生。Agent 這個詞從 PPT 上的 buzzword 變成了真正能跑的東西——AI 開始能自己操作電腦、自己寫程式、自己做研究然後回報結論。它還不完美，大概像一個聰明但粗心的實習生，但它已經在動了。
他說基礎建設是關鍵瓶頸。絕對正確。全球資料中心的電力消耗已經成為一個地緣政治等級的議題。美國在重新討論核電，不是因為突然愛上了環保，是因為 AI 的電實在吃得太兇。台灣對這件事的感受更切身——當你的電網同時要供養台積電和一個正在爆發的 AI 產業，「基礎建設」三個字的重量就完全不同了。
這些，Altman 都看對了。這些他看得很準。
但他漏掉了一整章的考題
Altman 那篇文章寫了很多對的事，但真正讓人在意的是他沒寫到的部分 。
他描繪了一個「智慧變便宜、人人受益」的世界。他用了一個精巧的類比：幾百年前的人如果看到我們今天的生活，會覺得這是魔法。所以，幾十年後的人回頭看我們，也會有同樣的感覺。這個類比很有力，但也跳得太快。它把「長期人類整體進步」和「短期個體命運」混在一起了。
是的，從農業時代到工業時代，人類整體變得更富裕了。但如果你是 1820 年曼徹斯特的手工織布工人，你不會覺得自己活在一個「越來越好的時代」。你只會知道你的手藝突然不值錢了，你的孩子得去工廠做十四小時的工。
Altman 站在歷史的高空往下看。但你和我，得在地面上做決定。
同一間辦公室，兩種工作節奏
我注意到一個現象。在跟企業主聊天的時候，同一間公司裡往往存在兩個幾乎平行的世界。
一邊，是已經在用 AI 的人。他們可能是公司裡那個本來就愛折騰新工具的人，也可能是你最近剛招進來的年輕員工。這些人已經嘗到甜頭了——他們用 AI 寫初稿、跑數據、做會議摘要、回覆客戶訊息的草稿。他們的工作節奏明顯變快，而且有一種「回不去了」的感覺。有個做電商的老闆跟我說，他公司一個人，現在一天能上架的商品數量是過去的五倍，商品描述的品質還更好。「我看著後台數字，有時候會懷疑他到底是一個人還是三個人。」
另一邊，是公司裡那些還在用老方法做事的人。他們不是笨，也不是懶。他們只是已經習慣了一套行之有年的工作方式——打開 Excel、手動整理、寫 email 一字一句敲、開會靠紙本筆記。這套方法在過去這些年都 work，他們沒有理由覺得它會突然失效。
在大企業裡，這兩個世界可以暫時共存，因為體量夠大，效率差異會被組織的慣性吸收掉。但在一間十幾人、幾十人的公司裡，這個落差是肉眼可見的。坐在同一張桌子旁邊，一個人兩小時做完的事，另一個人要做兩天。不需要誰去比較，空氣裡就有那個壓力了。
企業主看在眼裡，心裡比誰都急。
「我不是不想讓大家都用 AI，」一個做 B2B 服務的老闆跟我說，「但我叫他們去試，有些人打開 ChatGPT 玩了十分鐘就說『這東西不準啊，沒有用』，然後就再也不碰了。我能怎樣？強迫嗎？」
不能強迫。但也不能不動。
因為市場不會等你。你的同行不會等你。你那個用 AI 用得虎虎生風的員工，也不會永遠等你——如果他發現整間公司的節奏跟不上他，他會走。然後你同時失去最能適應未來的人 ，和一群還活在過去的團隊。
這就是 2026 年台灣企業主——以及底下每一個白領員工——最真實的處境。不是「要不要用 AI」的問題。是「公司裡有人已經活在未來、有人還活在過去，而你夾在中間」的問題。
需求消失了，而不是被轉移
這裡要說一件 Altman 整篇文章都沒碰的事。
過去每一次重大技術革命，都遵循一個模式：舊工作消失，新工作出現。蒸汽機消滅了手工業，但創造了工廠管理、鐵路工程、機械維修。電腦消滅了打字員，但創造了程式設計師、網路管理員、UX 設計師。每一次，被消滅的是「低認知」的工作，被創造的是「高認知」的工作。社會的回應很簡單：讓更多人受教育，推他們往認知階梯的上方走。
但這一次，AI 消滅的恰好就是認知工作本身 。
它不是來取代你的手，是來取代你的腦。它能寫報告、做分析、寫程式、做翻譯、生成設計、整理財務資料。這些都是過去二十年我們告訴年輕人「好好念書就能做」的白領工作。
而且，和過去不同的是，目前還看不見等量的「新類別工作」被創造出來。
有人會說：「AI 會創造新的職位啊，像是 prompt engineer、AI trainer。」也許吧。但你心裡很清楚——你的公司現在三個人處理的帳務和客服，如果用 AI 輔助，很可能一個人就扛得住。多出來的兩個人，你不是不想留，是留下來要讓他們做什麼？
Altman 說 AI 是「生產力的倍增器」，讓你的每一小時都更值錢。但他沒說的是另一面：當每一小時都變得更值錢，你需要購買的小時數就變少了。
經濟學有一個詞叫做「需求摧毀」（demand destruction）。Altman 的整篇文章裡，這個概念完全不存在。但在 2026 年的台灣辦公室裡，每個企業主都已經感覺到了——只是大部分人還不知道怎麼叫它的名字。
「幾千天」的倒數計時器
Altman 在文章裡丟出了一個驚人的數字：「我們可能在幾千天內擁有超級智慧。」
幾千天。大約三到八年。從 2024 年 9 月起算，到了 2026 年 3 月，我們已經消耗掉大約五百五十天。超級智慧到了嗎？沒有。但發生了一件更值得注意的事——「超級智慧」這個目標本身，開始變得不那麼重要了。
業界已經不太在乎「模型能不能通過博士級的物理考試」了。大家真正想知道的是：AI 能不能在你的公司裡、在你的流程中、用你的資料，可靠地完成工作。一個能寫出完美論文但會隨機編造數據的模型，不如一個能力普通但永遠不胡說的模型有用。
Altman 畫的是一條指向天際的線。但你需要的是一條落地的線。
而落地的瓶頸，往往不是技術。是你的組織。
你公司裡那些還在觀望的員工，不是不相信 AI 厲害——他們是不相信自己能學會，或者更深層地，他們害怕學會之後，發現自己過去累積的經驗和工作方式，突然變得不重要了。
那種恐懼，你沒辦法用一場內訓解決。
Altman 沒告訴你的：AI 市場你有選擇了
2024 年 9 月，Altman 寫那篇文章的時候，OpenAI 還能用一種「我們定義未來」的口氣說話。GPT-4 剛出來一年多，市場上沒有真正意義上的對手。
十八個月後，世界完全不同了。
Anthropic 的 Claude 在企業市場站穩了腳。Google 的 Gemini 靠著搜尋和雲端的生態系統持續吃市場。Meta 把 Llama 開源出來，讓全世界的中小企業突然有了不用付天價的選項。
然後是 DeepSeek。一家中國公司，用了遠低於 OpenAI 的訓練成本，做出了具有競爭力的模型。這件事真正說明的一件事：你不需要是矽谷巨頭才能做好 AI 。
對中小企業主來說，這個變化的意義比什麼都大。兩年前，「導入 AI」聽起來像是大企業才玩得起的遊戲——要花幾百萬找顧問、建系統、訓練模型。現在，一個月幾千塊台幣的訂閱，就能讓你的員工用上世界一流的 AI 工具。門檻已經低到不能再當藉口了。
Altman 寫文章的時候，未來看起來是 OpenAI 說了算。現在不是了。競爭打開了市場，而你這個買家，是最大的受益者。
但前提是，你得先搞清楚自己到底需要什麼。而這件事，你不能外包。
不是你的錯，但是你的題目
我想對每一個讀到這裡的企業主說一件事——
你現在面對的這個局面，不是你造成的。你沒有發明 AI，也沒有辦法讓時間倒流回那個「只要管好營收和人事就好」的年代。
但這個題目，確實落在你的桌上了。
而且，坦白說，你能做的事情比你以為的多。
2024 年就開始動手的企業主，到 2026 年已經累積了兩年的實戰經驗。他們知道 AI 能做什麼、不能做什麼、在哪裡會出錯、在哪裡能省錢。這些東西不是讀幾篇文章就能補上的，它必須從實作中長出來。而這個差距每一天都在擴大——不是因為技術進步讓先行者更強，而是因為實戰經驗有複利效應 。今天踩的坑讓明天的決策更好，更好的決策讓後天的流程更順，更順的流程讓大後天的 AI 用得更深。這個飛輪一旦轉起來，追的人追的就不只是工具，是整個團隊的認知。
但起步永遠不嫌晚，只怕不起步。
三件事，你可以從這週開始做。
第一，盤點你每個人手上的工作，誠實地看一遍。 不需要請顧問，你自己就能做。把團隊裡每個人每天在做的事情攤開來，問自己一個問題：這件事，如果交給 AI 配合一個人，十二個月後能做到什麼程度？如果答案是「大概能搞定八成」，那你就該開始想的不是裁掉那個人，而是把那個人的價值從「執行」推向「判斷」和「把關」。帶著人一起轉，永遠比事後換人便宜。尤其在小公司——每一個人走，都是帶走一整塊你補不回來的脈絡。
第二，讓公司裡那個已經在用 AI 的人，變成所有人的教練。 每間公司都有那麼一兩個人已經在用了。不要壓抑他們，給他們一個角色：讓他們帶其他人。不是辦一場正式的培訓，而是讓他們在日常工作裡，用實際案例示範給其他人看。「你這份報價單的整理，我用 AI 五分鐘就做完了，要不要我教你？」沒有什麼比「隔壁桌的人已經會了」更有說服力。你不需要所有人同時出發——你需要的是火種，然後讓火自己燒起來。
第三，開始那場不舒服但必要的對話。 不是用「AI 會幫我們更有效率」這種安慰劑，而是坐下來跟你的團隊說：「我們的行業正在變，有些事情以後不會再用人去做了，有些角色會長得跟現在不一樣。我不會假裝什麼事都沒發生，但我也不打算丟下任何人。我需要你們跟我一起搞清楚，我們怎麼走過去。」人不怕壞消息。人怕的是安靜——老闆什麼都不說，然後某天突然宣布「組織調整」。提前說，比事後說，代價低太多了。
神話之後
Sam Altman 的《The Intelligence Age》是不是一個神話？某種程度上，是的。它把現實簡化了，把痛苦跳過了。他寫那篇文章的角色和我們不一樣，他看的是大方向，我們踩的是地面。
但神話有它的用處。它給了我們方向感，讓我們知道潮水往哪裡去。
真正的問題是——當你知道潮水的方向之後，你到底是站在岸上等，還是開始動手。
你不需要一夜之間變成一家「AI 公司」。你只需要從這週開始，做一個小的、具體的、可以失敗的嘗試。讓你的團隊摸到 AI 是什麼手感。然後從那個嘗試裡學到一件事，下週再做下一個。
那些跟了你好幾年的人，他們不是你的包袱。他們是最了解你的客戶、你的流程、你的眉角的人。這些東西，AI 學不會。他們缺的不是能力，是一個願意帶他們穿越這段陌生路的人。
那個人，就是你。
Altman 寫了一篇關於未來的文章。但未來不是用寫的。
未來是你跟你的團隊，一起走出來的。
原文參考：Sam Altman,《The Intelligence Age》, 2024 年 9 月，ia.samaltman.com
延伸閱讀：
- 心智的摩托車：Naval 談 AI 與工作的未來 — AI 時代個人該怎麼定位
- AI 創業者的真話 — 矽谷創業者私下在討論什麼
- 當 AI 開始翻你的抽屜 — AI Agent 自主性的另一面
- Abundant Intelligence：當智慧不再稀缺 — 智慧氾濫時代的產品策略