睿思社論｜Mark Cuban 的 AI 判斷：泡沫不在技術，而在資本故事

文／睿客｜總編輯

Mark Cuban 的 AI 判斷：泡沫不在技術，而在資本故事

AI 不是神，而是需要管理的實習生

Cuban 用「宿醉的實習生」形容 AI Agent。這個比喻很有意思，因為它把 AI 講得很接近真實工作現場。AI 不是一個什麼都懂、什麼都能決定的超級主管。它比較像一位動作很快、資料讀得很多、也很會整理文件的新人。

它可以幫忙分類客服訊息、比對帳單、檢查報表、整理會議紀錄、草擬合約初稿、查詢內部資料、整理客戶問題，也可以提醒業務後續追蹤。這些工作不一定需要很高深的策略判斷，但每天都會吃掉很多時間。

所以，企業導入 AI 時，不一定要先問：「AI 會不會取代人？」比較實際的問法是：「公司裡有哪些重複、耗時、容易出錯的工作，可以先交給 AI 幫忙處理？」

AI 在這些地方的價值，不是取代有經驗的員工，而是幫員工少做一些低價值的整理工作，讓人可以把時間放在判斷、溝通、決策與服務客戶上。

這也是很多企業容易誤解 AI 的地方。如果一開始就期待 AI 替公司做最後決定，通常很容易失望。但如果把 AI 放在整理資料、比對內容、提醒進度、草擬文件、分類問題這些任務上，它就會變得非常實用。

AI 不是神。它更像是一位速度很快、能力不錯，但還需要主管交代任務、檢查成果、設定界線的新人。成熟的企業不會完全相信它，也不會把它晾在一邊不用。真正重要的是，知道哪些事情可以交給 AI，哪些地方一定要有人檢查，哪些決定仍然需要人來負責。

舊認知正在失效：買工具不等於 AI 轉型

過去一年，很多企業談到 AI，第一個反應是幫員工買帳號、安排課程、導入新工具。這些做法都有必要，但它們還不算真正的 AI 轉型。

因為 AI 對企業最大的影響，不是讓員工多開一個聊天視窗，而是讓企業重新檢查原本的工作方式。企業真正要問的不是：「我們要用哪一套 AI 工具？」而是：「如果今天重新設計這家公司，哪些工作流程根本不需要再照舊做？」

以客服為例，如果只是用 AI 幫忙寫回覆，流程其實沒有太大改變。更重要的是：客戶問題能不能先被自動分類？哪些問題可以直接回覆？哪些問題一定要交給真人？哪些客服紀錄可以回頭提醒產品、業務或營運團隊？

以財務為例，如果只是用 AI 幫忙看報表，也還不算真正改變。更重要的是：哪些異常可以先被 AI 找出來？哪些帳單可以自動比對？哪些錯誤費用可以先整理成追討資料？哪些地方仍然需要人最後確認？

以業務為例，如果只是用 AI 寫提案，也只是把原本的工作做快一點。更大的改變是：AI 能不能協助整理客戶資料、判斷需求、查看過去互動紀錄、產生簡報初稿、準備不同報價版本，並提醒後續追蹤？

所以，AI 轉型不是把 AI 工具加到舊流程上，而是重新檢查工作本身。哪些工作可以先由 AI 整理？哪些地方需要人判斷？哪些成果要由誰交付？哪些環節一定要有人覆核？這些問題想清楚，AI 才不只是工具，而會開始改變企業內部的分工與工作流程。

資本市場看算力，企業現場看流程

Cuban 對 AI 巨頭的質疑，重點不是 AI 技術本身，而是這些巨額投資最後能不能回本。現在，OpenAI、Google、Microsoft、Meta、Amazon、Oracle、SoftBank 等公司，都在大規模投入 AI 基礎建設。它們要蓋資料中心、買 GPU、準備電力、處理冷卻系統，也要協調土地、網路與能源。

換句話說，AI 已經不只是軟體競爭，而是一場非常花錢的基礎建設競賽。但問題在於，花得越多，不代表賺得越多。未來 AI 模型可能越來越強，也可能越來越便宜。企業對算力的需求可能繼續增加，也可能因為模型變得更有效率、使用成本下降、企業預算變保守，而出現不同結果。

最後真正能承受這種高成本競賽的公司，可能只會剩下少數幾家。所以，AI 可以是真的趨勢，也可以同時有投資過熱的風險。

一項技術有價值，不代表所有追著它砸錢的公司都會賺錢。

網路不是假的，但 2000 年前後，很多網路公司的股價確實被炒得太高。雲端運算不是假的，但不是每一家蓋資料中心的公司，都能成為 AWS。智慧型手機不是假的，但最後活下來的品牌，也只是少數。

AI 很可能也是如此。

它會改變工作，也會改變企業。但這不代表每一家 AI 巨頭、每一座資料中心、每一筆 AI 投資，最後都能得到合理回報。真正需要分清楚的是：AI 的技術價值，和 AI 的投資故事，不一定會有同樣的結果。

對企業來說，這個理解很重要。大多數企業不需要加入「誰會贏得大模型戰爭」這場比賽。那需要龐大的資金、資料、人才與能源，不是一般企業能參與的賽局。

對於多數企業來說，更實際的問題是：當 AI 模型越來越強，企業能不能把它用在自己的日常工作裡？也就是說，資本市場關心的是算力，企業現場需要的是流程。前者是少數巨頭的戰場，後者才是多數企業真正可以參與的 AI 機會。

真正的護城河，不是模型，而是專有資料與隱性知識

Cuban 還有一個很重要的提醒：企業真正的優勢，不一定在於自己有沒有最強的 AI 模型，而在於自己手上有沒有別人拿不到的資料。多數企業不會自己訓練大型 AI 模型，也沒有必要這麼做。真正有價值的，往往是企業多年累積下來的工作紀錄、客戶資料、經驗判斷與內部知識。

這些資料，外部模型不一定看得到，競爭對手也不容易複製。

例如，製造業知道哪一台設備最常出問題、哪些維修方式最有效、哪些產線狀況會影響良率。零售業知道會員多久回購、客服最常被問什麼、哪一種促銷真的有效。顧問公司知道不同客戶常見的問題、提案怎麼改比較容易成交、哪些產業判斷曾經被驗證。內容媒體也知道讀者在搜尋什麼、哪些主題值得延伸、文章要怎麼分類才容易被理解。

這些東西，以前常常散落在 Excel、LINE 群組、簡報、Email、ERP、CRM、客服紀錄、個人電腦，甚至資深員工的腦袋裡。企業知道它們重要，但不一定知道怎麼整理，也不一定知道怎麼拿來使用。

但 AI 可以讓這件事開始改變。

因為 AI 可以讀資料、整理資料、比對資料，也可以幫人快速查詢資料。這使得企業過去累積的紀錄，不再只是放在系統裡的舊資料，而有機會變成每天工作都用得上的資產。

因此，企業接下來要問的，不只是「我們有沒有資料」，而是「哪些資料真的值得整理？哪些資料可以幫員工少花時間？哪些資料可以減少錯誤？哪些資料可以讓判斷更準？」

這就是 AI 時代企業優勢的轉變。

公開知識會越來越容易取得，AI 工具會越來越普及，各家模型的能力也可能越來越接近。真正拉開差距的，不一定是誰用的工具最新，而是誰最了解自己的資料，並且能把這些資料用回日常工作流程裡。

換句話說，企業真正有價值的，不是「資料很多」，而是知道哪些資料能幫公司把工作做得更快、更準、更少出錯。

如果製造業的設備維修紀錄只是被存起來，它只是紀錄；但如果 AI 能幫忙查詢與比對，它就可能協助工程師更快找出問題。

如果零售業的客服問題只是被存起來，它只是紀錄；但如果 AI 能整理出常見問題，就能幫客服與產品團隊更快改善服務。

如果顧問公司的專案案例只是被放在資料夾裡，它只是過去經驗；但如果 AI 能幫忙搜尋與重組，它就可能變成下一次提案的基礎。

所以，中小企業的 AI 機會，不一定在最炫的新工具裡，而常常在最日常、最重複、最容易出錯的工作裡。

每個月都要對帳，每天都要回覆類似問題，每週都要整理報表，每次報價都要重新找資料。這些事情看起來不起眼，卻最容易看見 AI 的價值。因為這些工作浪費多少時間，可以計算；錯誤減少多少，可以比較；成本省下多少，也能被看見。

所以，企業真正該問的，不是「我們要買哪個 AI 工具」，而是「公司裡哪一件重複、耗時、容易出錯的工作，最值得先讓 AI 幫忙處理」。

Cuban 還提到一個很實際的機會：年輕人可以幫中小企業建立 AI Agent。這個觀點對企業特別有意義。很多中小企業，它們不是不想用 AI，而是不知道該從哪裡開始。很多老闆聽過 AI，也知道 AI 可能有用，但回到公司現場，問題就變得很具體：客服訊息太多，誰來分類？訂單進度混亂，誰來追蹤？每個月對帳很花時間，誰來比對？每次報價都要重新找資料，誰來整理？這些問題聽起來不新潮，也不性感，卻是企業每天真正遇到的麻煩。

所以，中小企業需要的往往不是一場談未來趨勢的 AI 簡報，而是有人走進現場，幫它看清楚：哪一段工作最重複？哪一個流程最容易出錯？哪一件事如果省下來，馬上就能節省時間或成本？AI 最容易發揮價值的地方，通常有幾個特徵：每天或每週都會發生、有固定規則、有資料可以查、出錯會造成損失，而且成果可以被計算。例如對帳、客服分類、訂單追蹤、報價整理、會議紀錄、文件搜尋、庫存提醒，都是比「做一個很厲害的 AI 系統」更適合先開始的地方。

這也代表一種新的服務機會正在出現。未來有價值的 AI 顧問，不只是會介紹工具的人，而是能聽懂老闆和員工在煩惱什麼，並把這些日常麻煩拆成 AI 可以幫忙處理的小流程。換句話說，AI 顧問真正的價值，不只是懂 AI，而是懂企業每天怎麼工作、哪裡卡住、哪裡最值得先改。

個人能力的分水嶺：用 AI 逃避思考，或用 AI 加速學習

Cuban 對個人的提醒也很重要：AI 會讓人和人的差距變得更明顯。有些人會把 AI 當成偷懶工具。問一個問題，拿到答案，就直接複製貼上。他們不追問、不檢查、不比較，也不想知道這個答案到底對不對。這樣做，短時間內看起來很有效率。但時間久了，人反而會越來越依賴 AI，自己的判斷力也會慢慢變弱。

另一種人，會把 AI 當成學習工具。他們不只要答案，還會繼續問：有沒有不同看法？這個說法哪裡可能錯？如果換一個角度看，結論會不會不同？我自己的想法有沒有漏洞？這種人不是把 AI 當成代寫工具，而是把 AI 當成一個可以陪自己練習思考的對象。

未來真正有競爭力的人，不只是「會用 AI」，而是知道怎麼檢查 AI 的答案、怎麼修正 AI 的內容、怎麼把 AI 給出的東西變成可靠的工作成果。因為 AI 可以給你建議，但它不會替你承擔後果。AI 可以幫你整理資料，但它不知道你的公司能不能真的執行。AI 可以幫你寫出一份策略草稿，但它不會替你面對客戶、員工和市場。

所以，AI 素養的重點不是背一堆提示詞，而是三件事：把問題問清楚，把工作拆清楚，把結果檢查清楚。學會使用 AI，不是學會一套神奇指令，而是學會和一個速度很快、能力很強，但仍然需要人管理與判斷的工具一起工作。

重點不是判斷 AI 是不是泡沫，而是看清自己站在哪裡

Mark Cuban 對於 AI 的判斷，最有價值的地方不在於他是否準確預測 OpenAI 的投資報酬，也不在於五大巨頭最後會剩下幾家。這些問題是很重要，但不是多數企業與工作者能直接控制的事。

真正值得我們帶走的觀點是位置判斷。所以，談 AI 時，最重要的是先看清楚自己站在哪個位置。

對大型科技公司來說，AI 是一場很昂貴的競賽。它們要比的是誰有更多資料中心、更多晶片、更強模型、更多資金，也要處理更大的用電與能源問題。

但對中小企業來說，AI 不是這樣的競賽。中小企業不需要和 OpenAI、Google、Microsoft 比誰的模型更強。它們更需要思考的是：公司裡有哪些流程可以變得更快、更準、更省人力。

對個人工作者來說，AI 也不是一場資本競賽，而是一場能力競賽。真正的差別在於：你能不能把問題問清楚，能不能把複雜工作拆開，能不能判斷 AI 給你的答案是否可靠。

如果把這三件事混在一起，就很容易誤判 AI。看見科技巨頭不斷燒錢，就以為 AI 全都是泡沫，這會讓企業錯過用 AI 改善工作的機會。看見 AI 工具很強，就以為每一筆 AI 投資都會賺錢，這也會高估資本市場的想像。看見模型越來越厲害，就以為人類判斷不重要，這更危險。

比較合適的看法是：AI 會繼續進步，但它帶來的好處，不會平均分給每一家公司、每一個人。有些公司會在資料中心與模型競賽裡承擔很大的風險。有些企業會在工作流程改造裡省下時間與成本。有些人會因為善用 AI 而更會思考，也有些人會因為太依賴 AI，而越來越不願意自己判斷。

所以，這篇文章真正要談的，不是「AI 是不是泡沫」，而是：你參與的是哪一種 AI？是科技巨頭的資本競賽？是一般人的工具使用？還是企業現場的流程改造？

對於多數企業來說，答案其實不用想得太遠。不要一開始就問要不要追上 OpenAI，也不要一開始就問該買哪一套 AI 工具。更實際的做法，是先回到公司現場，找出那些最無聊、最常重複、最容易出錯、也最容易計算成果的工作。

AI 的真正商機，往往不在最耀眼的地方。它可能藏在一張每個月都沒有人想檢查的帳單裡，藏在一封每天都要重複回答的客服信裡，也藏在一份每週都要重新整理的報表裡。

這些地方沒有太多科技神話，但有真實的時間成本、真實的人力浪費，也有真實可以被改善的空間。

閱讀推薦：

• 睿思社論｜Moltbook「龍蝦教」狂熱背後，真正暴露的是代理式 AI 的治理破口

• 睿思社論｜OpenAI 正把 AI 助手推向廣告、企業滲透與桌面入口

• 睿思社論｜輝達 GTC 2026 即將登場：AI 競爭正從算力狂熱走向產出驗證

AI 時代的思考力革命｜AI 素養，不是學技術，而是拿回主導權的能力升級

與 AI 一起思考，成為能定義方向的人

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。

如果你覺得這篇解讀對你有幫助，歡迎訂閱 InfoAI 電子報，我們將持續為你精選 全球 AI 新聞與趨勢洞察，幫助你看懂新聞背後的真正意義。也別忘了加入透過［按鈕］加入 Line 社群 ，隨時掌握值得關注的 AI 發展與專業觀點。

AI 協作聲明：

本篇文章由 InfoAI 團隊策劃，並透過人工智慧工具協助資料整理與內容撰寫，最終內容由編輯進行人工審閱與優化。

JUDGEMENT

We help you make better judgement about AI.

不是更快知道 AI 新聞，而是更早做出你能承擔後果的判斷。

InfoAI 存在的目的
是把 AI 的變化，轉換成可被理解、可被評估、可被行動的判斷框架。