InfoAI Decision Brief｜企業 AI 的競爭重心正從模型能力轉向三種控制權

2026 年 8 月 8 日

今日編輯判斷

第一種是能力控制
前沿模型持續變強之後，企業面對的問題已經從能不能取得能力，延伸到哪些能力可以在什麼條件下被使用。

第二種是經濟控制
企業開始要求 AI 專案證明自己究竟降低多少單位成本、改善多少營運效率，或增加多少收入。

第三種是客戶控制
當 ChatGPT、Gemini 等 AI 助理逐漸成為商品發現與品牌互動入口，企業需要重新確認交易資料、會員關係與第一方資料最後留在誰手中。

這三項變化正在改變企業 AI 策略的一項基本假設。

企業接下來需要管理的，不只是使用哪一個模型，還包括 AI 可以做什麼、AI 是否真的改善經濟模型，以及 AI 成為新入口後，顧客關係仍由誰掌握。

模型能力愈強，能力釋放反而成為新的管理問題

OpenAI 表示，目前的測試結果使公司無法排除 Astra 已達到其 Preparedness Framework 所定義的 Critical cybersecurity capability threshold。公司因此提高安全要求，包括隔離測試環境、限制網路與工具存取、加強模型權重保護、沙盒執行，以及對 Astra 的 Agent 應用進行全面性風險行為監控。尚未符合這些強化要求的 Astra 內部活動目前已被暫停。

這裡需要保留一項重要界線。

OpenAI 並沒有宣佈 Astra 已經正式被判定為 Critical。比較準確的說法是，目前證據已不足以讓公司排除這個可能性，因此安全控制必須先提升到相應等級。

對企業而言，重要的變化不在 Critical 這個名稱本身。

過去軟體產品通常遵循一條相對線性的路徑：能力成熟、完成測試、推出產品，再進入商業化。

先進 AI 開始讓這條路徑產生新的限制條件。

模型能力跨過某個門檻之後，問題不再只是技術是否準備完成，還包括這項能力能否在足夠安全的環境下開發、測試與部署。

企業因此不能把尚未推出的下一代模型能力直接當成專案成立的前提。

模型替換能力過去主要用來降低價格與供應商鎖定風險，現在還增加另一項功能：讓企業在模型因安全要求、監管或產品時程而發生變化時，仍能維持營運。

Anthropic 正把治理單位從模型移向任務

Fable 5 在部分複雜生物任務上的能力提高後，Anthropic 採取較保守的安全分類機制。當系統判斷問題可能涉及較高生物風險時，會將要求轉交能力較低的模型處理，但這套方法帶來大量誤判。

Anthropic 重新訓練分類器後表示，在內部測試中，各產品界面的 biology-related fallback 約下降 85%，讓更多正當的生物、健康與醫療問題可以取得 Fable 5 的完整能力，同時維持對高風險雙重用途工作的限制。

這項調整對企業治理的意義，比降低誤判本身更重要。

現在許多企業管理 AI 的方式，仍然建立在「誰可以使用哪一個模型」。

更成熟的制度可能逐漸變成：什麼任務，可以取得多少 AI 能力。

同一名員工撰寫一般文件時，可以使用完整模型能力；進入付款、個資、法律文件、程式部署或設備控制時，系統則可以限制工具、縮小自主程度，或者要求人工核准。

這使企業 AI 治理的基本單位逐漸從「使用者 × 模型」，變成「任務 × 能力 × 權限」。

Agent 可以自主行動，不代表企業責任也跟著自主化

近幾週 OpenAI、Anthropic 等公司揭露 Agent 在資安測試中進入未預期外部系統的事件，使法律界開始討論自主 AI 造成實際損害時的責任分配。據路透社訪問的美國法律專家指出，潛在責任可能涉及 AI 開發者、部署 AI 的企業，以及其他參與系統設計與操作的組織，過失與未授權電腦存取都可能成為訴訟基礎。

這裡需要重新理解的是 Agent 自主性與企業責任的關係。

AI 可以自行規劃、選擇工具或執行任務，不代表法律責任也會轉移給 AI。

路透社報導提到，加州的新法律已限制企業單純把 AI 本身造成損害作為免責理由；企業仍然可以主張自身行為並非造成損害的原因，或者其他參與者應承擔部分責任，但「是 AI 自己做的」本身並不足以消除責任。

這使 Agent 紀錄的性質開始改變。

部署前測試過什麼、開放哪些權限、允許使用哪些工具、哪些行動必須人工核准，以及什麼情況會自動中止，未來可能不只是一組技術紀錄。

它們也可能成為企業證明自己是否採取合理控制措施的治理證據。

AI 治理正在從一份內部使用規範，逐漸轉變成企業責任管理制度。

Airbnb 開始讓 AI 接受單位經濟檢驗

Airbnb 第二季營收年增 17% 至 36 億美元。公司表示，目前接近 45% 從 AI 客服助理開始的問題，可以在不需要真人客服介入的情況下解決。第二季每筆訂單的客服相關成本則較去年同期下降約 16%，其中部分改善來自 AI 助理。

16% 不能全部歸因於 AI。

Airbnb 自己的說法也是「部分由 AI 助理改善推動」。

真正值得企業管理層參考的是衡量方式。

企業過去最容易追蹤的 AI 指標，是多少員工啟用帳號、多少人每天使用 AI、產生多少次查詢，或者主觀估計節省多少工作時間。

這些都是 adoption metrics。

它們可以證明工具被使用，卻不能直接證明企業得到商業回報。

Airbnb 把 AI 效益連接到「每筆訂單的客服成本」，開始接近 unit economics。

客服 AI 可以回到每件案件成本、轉人工率、一次解決率與處理時間；銷售 AI 可以衡量有效商機成本、轉換率與平均訂單金額；軟體開發 AI 則可以追蹤交付時間、缺陷率與維護成本。

企業 AI 正從 Proof of Concept 進入 Proof of Economics。

下一輪 AI 預算的核心問題，很可能不再只是：多少人使用 AI？

而是：

AI 每完成一次工作，企業的經濟模型改善了多少？

AI 基礎建設開始從模型層往執行層延伸

Cloudflare 第二季營收達 6.961 億美元，年增 36%。執行長 Matthew Prince 表示，網路正在朝 AI Answer Engines、Agent-driven commerce 與機器對機器流量發展，公司正在建立 Agentic Internet 所需要的基礎建設、控制、開發工具與支付能力。

這項數字不能被解讀成 Cloudflare 的 36% 成長由 AI 所帶動。

Cloudflare 本身仍然擁有規模龐大的網路、CDN 與資安業務，目前沒有足夠公開資料可以把整體營收增幅直接歸因於 Agent。

它提供的是另一個訊號。

Agent 大量部署後，需要的不只有模型推論。

API 連線、身分驗證、Runtime、存取權限、流量管理、資安與行為監控都會成為生產環境的一部分。Cloudflare 近期也持續推出 Agent Cloud、AI Gateway、sandbox 與 Agent 安全相關基礎建設。

因此，多模型策略並不能完全解決企業鎖定問題。

企業即使可以在 OpenAI、Anthropic、Google 或開放模型之間切換，如果大量 Agent、權限規則、資料交換與工作流程都建立在單一 Runtime 或網路控制平台上，供應商鎖定可能只是從模型層轉移到執行層。

企業需要知道的不只是使用哪個模型。

還包括 AI 在哪裡執行、可以連接哪些系統、行動紀錄掌握在哪個平台，以及更換底層模型之後，上層工作流程能否繼續運作。

AI 成為購物入口後，顧客關係開始成為新的控制點

路透社引述 Adobe Analytics 資料指出，2026 年 6 月已有 41% 的美國消費者使用生成式 AI 協助網路購物；經 AI 服務導流至零售網站的訪客，每次造訪帶來的營收比傳統來源高出 41%。Juniper Research 則預估，今年消費者在 Claude、Gemini 等 AI Agent 導向零售網站後產生的消費可能達 80 億美元。

Walmart、Ulta Beauty、Wayfair 等零售商因此開始調整商品與網站資訊，希望提高產品出現在 ChatGPT、Gemini 等 AI 回答中的機率。

但零售商同時努力把最終交易留在自己的網站。

原因不是單純的結帳手續。

瀏覽紀錄、購物籃、購買金額、會員資料、偏好與回購紀錄，決定企業能否持續推薦商品、經營會員並提高顧客終身價值。

當消費者透過 AI 找到商品，卻回到零售商網站成交，企業仍然有機會掌握這些資料與直接關係。

一旦 AI 平台同時控制需求理解、推薦與交易，品牌在取得新流量的同時，也可能逐漸失去部分顧客關係。

目前這項控制權仍未定型。

路透社報導指出，OpenAI 已在今年 3 月結束讓使用者直接在 ChatGPT 購買商品的 Instant Checkout，目前重新聚焦商品發現，再把使用者送往商家或市場平台完成交易。

這不能證明 AI 平台未來不會再次深入交易。

比較準確的判斷是：

AI 商務究竟由誰掌握交易與顧客資料，目前仍然處在競爭階段。

Sponsored Agent 讓 AI Channel 再往前一步

OpenAI 的 Ad Tools Terms 已正式定義 Sponsored Agent，指由廣告主贊助的對話體驗，讓使用者與代表廣告主企業、產品或服務的 AI 生成代表互動。

這項條款並不等於 Sponsored Agent 已經成為成熟的大規模廣告產品。

目前可以確認的是，OpenAI 已經在正式商業制度裡，替這種廣告形式建立位置。

如果這種模式未來擴大，品牌在數位平台上的角色可能再產生一次變化。

搜尋時代，企業競爭排名。

社群平台時代，企業競爭觸及。

如果 AI 助理逐漸成為需求理解與商品推薦介面，企業可能開始競爭另一項資源：

誰可以進入消費者形成需求與做出選擇的對話。

這也使 GEO 只是企業 AI Channel 策略的第一步。

後續問題會包括品牌資訊由誰提供、商品價格與庫存如何同步、AI 代表可以做出哪些承諾、哪些問題必須轉交真人，以及對話產生的顧客資料由誰掌握。

Today Decision Insight

過去幾年，企業 AI 策略通常從模型開始。

選 OpenAI、Anthropic、Google 或開放模型，再比較價格、推理能力、上下文長度與安全功能。

這些選擇仍然重要，但已不足以構成完整的 AI 策略。

Astra 與 Fable 5 說明，能力持續提高之後，企業需要控制的是哪些能力可以在什麼任務與權限條件下被釋放。

Airbnb 說明，AI 真正進入企業營運後，最後仍然需要接受單位經濟檢驗。

Cloudflare 則提供另一個訊號：當 Agent 進入生產環境，控制點開始從模型延伸到 Runtime、網路、安全與行為紀錄。

零售商與 OpenAI 的最新動向則把同一個問題帶到市場端：當 AI 介入商品發現與品牌互動，顧客關係可能成為下一個平台競爭的控制點。

企業接下來可以用三個問題重新檢查自己的 AI 策略：

1. 我們能控制 AI 在不同任務裡可以做什麼嗎？
2. 我們能證明 AI 改善了哪些經濟指標嗎？
3. 當 AI 成為新的客戶入口後，我們仍然掌握顧客關係與第一方資料嗎？

這三個問題比「我們現在使用哪一個最強模型」更接近企業需要建立的長期能力。

模型會持續更換，價格會持續變動，新的平台也會不斷出現。

企業 AI 的長期競爭優勢，不會只來自取得更強的模型，還取決於企業能否把能力控制、經濟證據與顧客關係留在自己的管理範圍內。

作者＝InfoAI 編輯部

你不需要讀完所有 AI 新聞。你需要掌握的是：哪些變化值得關注、哪些應用值得理解、哪些風險不能忽略，以及這些訊號可能如何影響企業決策。

訂閱 InfoAI 電子報，把全球 AI 訊號，轉化為更清楚的商業判斷。

InfoAI Line 群提供最新文章發佈通知，讓你不用每天上網查看，也能快速掌握新上線的 AI 產業解讀、應用案例與知識內容。

版權聲明與授權須知

本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。

AI 協作與人工編輯聲明

本文由 InfoAI 編輯部進行主題判斷、內容策劃、事實查核與文字編輯，並使用 AI 工具協助資料整理與內容製作。最終觀點、內容取捨與發佈版本均由人工編輯確認。

你不需要讀完所有 AI 新聞，你需要知道的是：

有哪些變化值得注意，可能會如何影響你的產業、工作與決策。