逆分工︰AI 時代的生產力革命，重構組織、市場到經濟的生存新賽局

作者序
AI 生產力革命，台灣下一個大機遇
林之晨

從1994 年瀏覽器帶來全球網際網路、再到2007 年智慧手機帶動它加速普及以來，數位轉型一直是企業最重要的成長命題。建網站、做App、經營粉絲團、累積會員、導入CRM、上雲端、建立數據池、商情儀表板，這些數位策略為成功執行的企業帶來一波波的紅利。電商、社群、數位廣告、訂閱、平台、行動支付、OMO，也確實帶動了產業的新成長。

數位轉型後，新的成長典範
但走到今天，我們必須誠實面對一件事：
數位產業的大潮早已退去，剩下的企業，卻還是要穿好數位化的泳褲。
數位化仍然重要，但它現在只是入場券，而不是決勝點。
幸好老天爺關上一扇門的同時，總是為我們再打開另一扇，數位後的新大浪，就是AI。
不過AI 升級，不是訂幾套Copilot、讓員工學會下prompt，用生成式AI 把投影片做得更漂亮，就算成功導入。
AI 這個巨型典範轉移真正帶來的，是底層的生產方式重組。
過去，數位轉型主要是讓資訊流動得更快、在快速成長的線上通路迎戰商機、讓商模的疊代更敏捷、管理更透明有效率。
但AI 時代改變的不只是接單、營運模式，更是生產方式本身的直接改變。
AI 能設計網站、做App、分析資料、生成影音、投放廣告、優化策略、直接服務客戶、決策、交易、執行任務，企業面對的不是「要不要」的問題，而是落後部署將帶來的競爭力危機。
企業如何用AI 重構生產體系？這正是《逆分工》這本書想回答的問題。
站在企業經營者的位置，我每天最關心的，不是最新的AI模型有多強，而是它能不能進一步升級我的生產體系。
過去的企業成長，靠的是增加人力、增加部門、增加流程、增加管理，但同時也帶來巨大的切割損。
會議愈來愈多、簽核愈來愈長、穀倉愈來愈高、小齒輪愈來愈不了解大機器。
每個人都很忙，但客戶問題不一定更快被解決；每個部門都完成自己的KPI，但整個組織的韌性更差、更脆弱。
AI 的到來，讓我們第一次有機會反問：這些工作需要分到這麼多人、這麼多部門去完成嗎？如果今天從零開始設計一家AI 原生企業，我們還會這樣分工嗎？
《逆分工》最重要的洞察，就在這裡。
當AI 讓各種領域的專業能力，可以快速用自然語言、被單一工作者調用，一個人就能完成過去多個職能接力才能完成的任務，企業的生產體系該如何重構。
未來最有競爭力的企業，勢必是圍繞著AI 重新分工的。

台灣不能只停在硬體紅利
站在台灣的角度，這場AI 生產體系重構尤其重要。
AI 第一波帶動的是半導體、伺服器、記憶體、散熱、電源、網通、資料中心等基礎建設需求。這一波商機，台灣毫無疑問是全球最大受惠者。
這是台灣厚積薄發、累積半世紀的「亞洲瓦甘達」優勢，一次性大噴發。但令人擔心的是，台灣重蹈九零年代末期「達康四騎士」的覆轍。當年網路經濟發展初期，最受惠的是思科、昇陽、網景、甲骨文等「鏟子供應商」，但當基礎建設到位、用戶跨越關鍵規模，激發上層Google、Amazon、Apple、Meta 等殺手應用高速發展時，四騎士卻完全沒有參與到這些十倍、百倍成長的機會，最終跌下神壇、黯淡無光，昇陽、網景甚至賤賣收場。
因此，台灣下一步真正關鍵的是：如何把AI 硬體紅利，進一步投入到AI 生產體系重構，再從中孕育出新的應用。
台灣有半導體、有伺服器、有通訊、有精密製造，也有電信、零售、醫療、金融、物流、長照、政府服務等真實場域，同時又面對日益嚴重的少子化與缺工問題。
這些場域如果超前部署AI 升級，除了能把「亞洲瓦甘達」帶到全新高度，也會成為全球追逐AI 過程中，可以輸出的應用方案。

新創、企業與政府，都要重新定位
作為台灣大哥大的總經理，我每天都在思考，如何在AI 升級的道路上維持領先。
作為AppWorks 合夥人，過去十年陪伴上百家AI 新創，讓我看到許多希望，也看到這個新典範的最前緣，正在如何發展。
而作為台灣APEC 商務諮詢委員會代表，每年四次與來自21 個經濟體的企業領袖、政府官員交流，更讓我深刻感受，大家都非常焦慮：
AI 會把世界變成什麼模樣？成長機會在哪裡？
我目前看到的前方是，機會無比巨大，但高下將會拉開大幅差距。
企業、新創、政府的領導人，都必須在此刻，真正從第一性原理去認識AI，再基於這個根本的認識加速佈局，也因此，我們花了很大力氣，為各位整理出《逆分工》。

這不是工具書，而是戰略地圖
《逆分工》不是一本AI 入門手冊，我們真正想做到的，是幫你看見AI 背後更大的生產體系重構。
AI 的西部大拓荒時代，已經開跑，規則還沒寫死、新神尚未登基、人的新角色，也還沒有被定義。
我們一起積極參與、塑造、建設，讓這場生產革命，為台灣與全人類帶來最終的豐饒。

（本文作者為台灣大哥大總經理／AppWorks 董事長暨合夥人）

作者序
我們極可能正身處一個
自己還沒有看懂的大時代
蔡祈岩

人類身處巨大轉折時，往往有一個共同盲點：當下的人，很難知道自己正置身於大時代中。後人回看文藝復興、印刷術、工業革命、電力革命與網際網路革命，總覺得歷史路徑清晰可辨；但對身在其中的人而言，革命通常先以新工具、日常焦慮與秩序混亂的形式出現。直到它改變了足夠多人的工作、學習與生產方式，我們才恍然大悟：原來那就是轉折點！
今天的AI，很可能就是這樣的時刻。舉個例子，蘇格拉底身處希臘文字興起的時代，卻反對書寫。他擔心文字使人記憶退化，並產生理解的幻覺，因為閱讀不像對話那樣能被追問、辯論與澄清。今天回頭看，這些擔心似是而非。文字不但沒有摧毀思想，反而讓知識突破個體壽命與面對面傳承的限制，成為科學、法律、教育與現代文明的基礎。蘇格拉底這樣的大師，也落入了「只見存量、未見增量」的靜態思維陷阱：他把文字視為讓人遺忘的外包記憶，卻沒有看見文字作為「知識增量發動機」的力量。閱讀不是思考的終點，而是新思想、新論證與二次創造的起點；低摩擦的知識傳播，讓無數後代得以站在巨人的肩膀上。
AI 也是一樣，如果我們只問人類會失去什麼，就可能忽略新的能力系統正在形成。文字讓知識跨越時間，印刷術讓知識大量複製，網際網路讓資訊即時流動；AI 則讓知識、推理、生成與判斷能力，開始被即時調用、組合與放大。這也是我和Jamie寫《逆分工》時，最想處理的核心問題。

從《AI 的它時代》到《逆分工》
兩年前，我們在《AI 的它時代》提出幾個高價值洞見：資訊科技以五個約二十年的大週期推進，AI 是第五個週期；企業應用AI，必須從提高員工生產力、串接數位平台、連結AI 生態圈、建立企業專屬模型，到AI 倫理與風險，形成五個維度的完整戰略；AI 轉型應從客服、企業模型、員工超級助理與金牌教練等低垂果實開始；而「智力」與「自我意識」是兩個獨立維度，AI 變聰明，不等於它必然產生自我意識。
那本書回答的是：AI 時代為什麼到來、企業如何開始。《逆分工》則進一步追問：當AI 開始承擔任務、重組專業能力、改變組織與交易，甚至走進物理世界，人類的工作、企業的競爭與整個生產力結構，將如何被改寫？

逆分工，將再次大幅提高人類生產力
過去一萬年，人類靠分工提升效率，這套系統曾經有效，卻也逐漸製造了龐大的協作成本。現在，更細的分工帶來的效率提升，已經被更重的協作成本抵銷，這套分工策略已經走到盡頭。
AI 讓我們看到新的道路，當它打包了人類全部的知識並融會貫通，成為每個員工的隨身助理時，專業分工的高牆就能被打通，人類就能從專才逆向演化回通才，企業組織也可以隨之精簡、重新設計。
這將是企業未來十年競爭勝敗的關鍵，因為企業間的競爭，歸根究柢，永遠是生產效率的競爭。誰能用同樣的人力創造更多產出，以更少摩擦完成更複雜的任務，更快回應市場、服務客戶、把想法變成產品，誰就會勝出。

真正照顧員工，是讓員工站上新的生產力曲線
企業經理人如果真的在乎員工，就不能把延後導入AI 誤認為是保護員工的工作權。當競爭對手已經用AI 提高產出、降低摩擦，而自己的企業仍以舊方法運作時，短期看似保住了原有職位，長期卻可能讓整家公司失去競爭力；企業失去競爭力，才是員工最大的風險。
只有企業持續創造價值、獲利與成長，才有能力保障、投資與培養員工。因此，真正照顧員工的唯一可持續方法，是盡快且有系統地導入AI，同時讓員工在真實工作中建立新職能：定義問題、拆解任務、調用AI、判斷結果、修正方向並完成閉環。
企業愈早行動，員工愈早站上新的生產力曲線；越晚行動，員工失去的就不只是一份舊工作，而是升級到新工作世界的時間。

50 年後回望現在
50 年後，人們回看今天，極可能會說：「這是人類萬年以來最大的變革時代。」AI 讓人類接上可以調用、複製與代理的「智力」，這不只是工具換代，而是文明底層生產方式的改變。
在這樣的時代裡，質疑與恐懼一定存在，有些擔憂提醒我們建立治理、責任與邊界；但如果企業、組織、國家或個人只停留在觀望，沒有把新技術轉化成新能力，那些聲音終究只是時代洪流旁的雜音。
歷史一次又一次告訴我們，能在大變局中勝出的，是那些最快消除內部摩擦、重組能力、接上新生產力的人。工業革命時，勝出的是裝上蒸汽機、接上電力並重設工廠的人；熱武器改變戰爭時，勝出的是重新組織軍隊、訓練與後勤的人。AI 時代也一樣，這次，它會以生產力革命的形式Rock the World ！
所以，我們極可能正身處一個自己還沒有看懂的大時代，順之者昌。

（本文作者為台灣大哥大資訊長／IMA 資訊經理人協會理事長／開源基金會董事長）

Chapter 2
逆分工的技術引擎：AI 如何打破專業壁壘

既然分工早就開始出問題了，為什麼我們以前不談逆分工？為什麼個人電腦和網路都發明了，人類也登上月球了，公司裡的分工卻還是愈切愈細？
原因很簡單：過去做不到。
過去所有科技發明，像是電腦、網路、雲端、協作軟體，其實大多只是延伸了我們的手腳、記憶或通訊能力。它們幫我們算得更快、存得更多、傳得更遠，但它們沒有真正擴展我們的大腦容量。
你的大腦裝不下所有知識，一個人不可能精通所有專業。所以，隨著人類知識體系愈來愈大、每個學科愈來愈深，每個人從求學到職場，只能愈來愈專；公司的部門也只能愈來愈多，職能體系愈來愈膨脹。
直到生成式AI 出現，情況才徹底改變。它像是一個能夠擴展我們大腦容量的底層引擎，讓我們第一次有力量打破不同專業之間的壁壘。

AI 為什麼是那個「破牆者」？

要理解逆分工為何在此刻爆發，我們得先面對一個現實：人的大腦容量是有限的。
根據常被引用的一萬小時定律，你要花大量時間，才能成為某個領域的專家。你花10年學寫程式，就很難再精通商業法律；你把青春奉獻給視覺設計，可能就對財務會計一竅不通；你長期做業務，就很難同時成為資料科學家。
我們需要部門和專才，說到底，就是因為一個人的大腦裝不下所有知識，但大型語言模型改變了這個遊戲規則。
AI不是一個簡單的資料庫，它更像是一位真正讀完了全人類各行各業深度知識的「超級博士」─它讀過大量書籍、論文、文件、開源程式碼與各種人類知識材料，能把不同領域的語言翻譯成彼此看得懂的形式。
它不會讓非專家一夜之間變成真正專家，但它能讓非專家第一次跨過專業領域的第一道門檻，取得初步理解、草稿、選項、框架與可討論的成果。
這件事之所以重要，是因為大部分組織內部的卡點，不是每件事都需要世界級專家，而是大量任務連第一版草稿、第一輪分析、第一個可討論版本都生不出來。
AI 讓這件事變了。

AI 帶來的改變：專業能力邊界消失
當AI 成為每個人都能使用的通用外掛，獲取專業能力的成本就發生了斷崖式下跌。
這不是說專業不重要，真正重要的專業，仍然需要人類專家把關。合約最後要法務審，程式最後要工程師看，設計最後要品牌與市場判斷。
但在AI之前，大量工作卡在「我根本不知道怎麼開始」或「進入新的領域時要先花費巨大的學習成本」。
在AI之後，更多人可以先做出第一版，讓事情進入討論與迭代，而且這個第一版是有模有樣、有所依據的。
這就是為什麼像台灣大哥大這樣的公司，會將全員導入AI提升生產力的計畫命名為「超人計畫」。
「超人」不是說每個人都突然變成天才，而是說每個人都應該有機會，把自己原本的能力放大。

硬知識貶值了，活腦袋才是王道

我們接著談智力。
這裡可以挪用心理學家雷蒙德．卡特爾（Raymond Cattell）的概念：晶體智力與流體智力。
我們並不是完全套用原本的心理學理論，只是借這個理論的名詞，而且略微改變其定義，把人的智力粗略分成兩種。

第一種：晶體智力
你可以把它想像成你腦中的硬碟資料庫和肌肉記憶，它指的是運用過去累積的知識、經驗和標準化技能來解決問題的能力。
例如律師背誦法條、醫師根據症狀診斷常見疾病、會計師熟練查帳、資深員工熟悉公司SOP。
這是傳統職場常說「愈老愈吃香」的原因，因為這些知識會隨著年齡與經驗累積。

第二種：流體智力
它更像是你大腦的中央處理器，負責運算速度和靈活性。
它處理的是全新、陌生、混亂，甚至從未見過的情境。它考驗的是邏輯推理、模式識別、問題拆解與適應能力，跟你背了多少書沒有直接關係。
例如創業家在混沌市場中尋找新的商業模式，或是工程師面對一個從未見過的系統故障時，快速找出可能原因。
殘酷的事實是：AI已經是這個星球上最強大的晶體智力載體之一，它讀過大量法典、醫學期刊、財報標準、程式碼範例與商業文件，它不會忘記，也不會疲倦。
如果人類還想在職場上跟AI比記憶力、比誰的知識更廣、比誰操作標準流程更快，那我們完全沒有勝算，而且差距只會愈來愈大。在晶體智力的賽道上，人類已經被超越。所以，人類的戰場必須全面轉向流體智力。
未來的競爭，不再是比誰的腦袋裡裝的知識多，而是比誰能更快釐清混亂局勢；不再是比誰能給出標準答案，而是比誰能向AI提出最一針見血的好問題。
當每個普通員工都能透過AI這個強大引擎，瞬間具備跨越研發、行銷、法務、設計與資料分析的能力，那些原本為了協調他們而存在的經理、總監與各種跨部門會議，也必然會被重新檢視。

作者序
AI 生產力革命，台灣下一個大機遇
林之晨

從1994 年瀏覽器帶來全球網際網路、再到2007 年智慧手機帶動它加速普及以來，數位轉型一直是企業最重要的成長命題。建網站、做App、經營粉絲團、累積會員、導入CRM、上雲端、建立數據池、商情儀表板，這些數位策略為成功執行的企業帶來一波波的紅利。電商、社群、數位廣告、訂閱、平台、行動支付、OMO，也確實帶動了產業的新成長。

數位轉型後，新的成長典範
但走到今天，我們必須誠實面對一件事：
數位產業的大潮早已退去，剩下的企業，卻還是要穿好數位化的泳褲。
數位化仍然重要，但它...

推薦序
當一個人，開始擁有一支AI 部隊
盧希鵬
國立臺灣科技大學資訊管理系特聘教授
《隨經濟》作者


每個員工手上的AI工具都升級了，以前寫一份報告需要三天，現在三十分鐘就能完成初稿；以前做市場研究要花一星期，現在幾分鐘就能整理出全球資料。可是公司的效率沒有變，還是同樣的流程、同樣的簽核、同樣的會議。於是每個人都開著AI法拉利，企業的流程，還是充滿著紅綠燈。為了消除紅綠燈，越來越多的軟體公司都在搭橋，正在轉型成AI Agent公司，因為橋上沒有紅綠燈。
譬如，Salesforce 在 2026 年 6 月斥資約 36 億美元收購 AI 客服平台 Fin（前身為 Intercom）。很多人以為這是一家軟體公司買了一個聊天機器人，但如果從搭橋的角度來看，它其實是在重新定義CRM。過去CRM是人透過系統與流程服務客戶，未來CRM將變成AI Agent直接服務客戶。前者強調優化流程，後者根本看不見流程。
這本書，就是一個用AI搭橋的故事。
這本書的兩位作者很厲害，一位是台灣大哥大總經理Jamie 林之晨，另一位是台灣大哥大資訊長Rock 蔡祈岩。
更重要的是，我並不是透過新聞認識他們，而是親眼看見台灣大哥大過去兩年推動各種AI 專案與內部流程重構的成果。
這本書不是實驗室裡的想像，而是真正在企業現場每天發生的工作革命。

實戰心得與組織模式的變革
因此，整本書有一種很少見的可信度。它不是「我猜未來會這樣」，而是「我們已經看到未來正在發生」。那種感覺很像一位身在戰場的人，拿著地圖告訴你下一個戰場在哪裡。
如果第一本《AI 的它時代》是描繪AI 時代的藍圖，那麼《逆分工》就是一本行動指南。看懂地圖的人，才有機會率先抵達未來。
而現在，這些實戰心得又要再次公開了。
坦白說，這點很慷慨，因為台灣大哥大的核心信念是Open Possible，唯有Open，才能共贏；唯有分享，才能創造更多新的可能。
另外，書中內容，有許多與我最近兩年的觀察一致，更增加了我對這本書觀點的可信度。例如，這兩年我最常被業界董事長、總經理問的問題，已經不再是：「AI 會不會取代人？」
而是：「為什麼我們公司員工明明都在用AI，組織效率卻沒有同步提升？為什麼有些企業導入AI 後，產出突然變成過去的三倍，而我們卻沒有？」
很多人以為答案是模型，有人以為答案是工具，也有人認為答案是Prompt。但我愈來愈確定，真正的答案不是技術，而是組織。我們需要的，不只是新的工具，而是一種新的組織模式。
《逆分工》給了我一個非常深刻的答案。
過去我們相信分工愈細，效率愈高。但到了今天，許多組織真正的瓶頸，反而來自分工本身。會議太多，簽核太慢，部門牆太厚，每個人都很忙，卻不一定真的更有產出。
《逆分工》最精彩的地方，就是它把企業遇到了、卻很少有人真正拆開分析的問題，直接點破了。AI 的價值，從來不只是幫你節省時間。它真正的力量，在於讓一個人有機會重新完成過去必須由一整個團隊才能完成的工作。
書中有一句話，我特別喜歡：「未來的企業，不應該只是把AI 加進舊流程，而應該用AI 重新設計流程。」這句話幾乎點出了整本書的核心。

AI 浪潮的四圈擴散效應
AI 的出現，第一次讓人類有機會把那些被切碎的工作重新整合回來。而作者的厲害之處，在於他們能把這觀察與浪潮，一圈一圈向外擴散。
第一圈，發生在組織內部。作者稱之為「逆分工」。
當一個人可以透過AI 同時調用研究員、設計師、工程師、法務與行銷的能力時，他就不再只是流程中的一顆螺絲，而是一支能夠獨立作戰的部隊。
作者把這樣的人稱為「梳子型人才」。梳柄代表跨領域的判斷力，梳齒則代表隨需長出、隨插即用的專業能力AI Agent 部隊。未來最值錢的，不再是最專業的人，而是最能整合AI，把事情真正做到完成的人。第二圈，開始湧向市場。作者稱之為「AI 買辦」。
有一天，替你比價、議價、下單的，不再是你，而是你的AI 代理人。當消費的入口從人變成機器，企業要討好的對象也換了，你服務的不再是消費者，而是消費者背後那個冷靜到沒有感情的演算法。過去，流量流向網站；以後，流量流向協定。過去，訂單來自人；以後，訂單來自數據。電商網頁美不美不重要，資料夠不夠透明才重要。而當免費的AI 隨時可能因為佣金把你賣掉，真正稀缺的，是一個肯站在你這邊的「真．買辦」。
第三圈，進入供給端。作者提出一個極具啟發性的概念：Software as Labor，軟體即勞動力。
過去，軟體是工具；未來，軟體是員工。過去企業購買的是系統；未來企業購買的是數位勞動力。當軟體開始理解任務、拆解流程、執行工作，它的角色便從工具升級成勞動力。未來的主管，手下管理的將不只是人類員工，而是同時包含真人、AI Agent、軟體勞動力與機器人。衡量一家公司的規模，也不再只是看員工人數，而是看它擁有多少數位勞動力。
第四圈，走出螢幕，進入真實世界。具身AI 時代的來臨，隱藏著全書最漂亮的一個翻轉。機器人為什麼能走入人類實體世界？因為不再是人類工程師編寫程式教導機器人如何做，而是機器人有了常識，而且會自主學習。
過去人類一直受到莫拉維克悖論（Moravec's Paradox）的限制，意指電腦能下棋、能計算、能解方程式，卻很難像人一樣走路、抓東西、辨識環境。但今天，情況正在改變。AI 開始理解常識。它知道雞蛋容易碎，也知道雞蛋放在金屬桌面上比放在軟墊上更容易破裂。這些看似理所當然的直覺判斷，其實正是機器真正進入物理世界的關鍵。
當AI 開始擁有身體（人形機器人），物流、製造、農業、醫療、照護等產業都將被重新設計。而對擁有半導體、伺服器、感測器、通訊與精密製造優勢的台灣而言，這很可能就是下一條產業第二曲線。
作者認為，四股浪潮不會同時上岸。它們會分成3 個10年，依序拍打（但，我認為時間會更快）：
第1 個10 年，是代理人的時代；第2 個10 年，是具身AI的時代；第3 個10 年，是社會契約被重新書寫的時代。

生產力奇點下的「做人」目的
作者把跨過這道門檻的那一刻，叫做生產力奇點。請注意，那不是科幻片裡AI 突然睜開眼睛的技術奇點，而是一個冷靜的經濟學臨界點：生產力第一次大規模地⋯⋯不再需要人類！
讀到這裡，你會明白，這本書表面在談生產力，骨子裡在談一件更要命的事。
過去一萬年，人因為「有用」而有價值，你會種田、會打鐵、會算帳、會寫程式，所以你重要。但當AI 把「有用」一樣一樣接走，人類又該如何定義自己的價值？
這也呼應了全書的開場。
作者做了一個夢，夢見一座伊甸園。機器替人流汗、AI 替人煩惱、街道自己清潔、教育無所不在、食物多到吃不完。那聽起來像天堂。但真正令人後背發涼的，不是世界毀滅了。而是世界運轉得太好了，好到不再需要我們人類。
因為真正的問題，從來不是「AI 會不會取代你」，而是你能不能用AI，把那個被切碎成零件的自己，重新接回成一個完整的、十倍強大的人。
面對革命，最大的風險從來不是改變，是你還不知道，世界早就變了。
如果有一天，人類重返伊甸園，不需要人那麼辛苦也能運轉的世界，那究竟是解放，還是另一種更精緻的控制？《逆分工》最厲害的地方，就在於它不只是介紹AI 工具與企業轉型，而是再思人類的價值。
作者最後沒有把答案交給AI，而是交給康德：人是生活目的，不是生產工具。AI 可以產出一首很美的詩歌，但它沒失過戀，沒怕過死，也沒有在一具終將老去的身體裡，真心愛過一個人。
生產是手段，人，才是目的。

推薦序
當一個人，開始擁有一支AI 部隊
盧希鵬
國立臺灣科技大學資訊管理系特聘教授
《隨經濟》作者


每個員工手上的AI工具都升級了，以前寫一份報告需要三天，現在三十分鐘就能完成初稿；以前做市場研究要花一星期，現在幾分鐘就能整理出全球資料。可是公司的效率沒有變，還是同樣的流程、同樣的簽核、同樣的會議。於是每個人都開著AI法拉利，企業的流程，還是充滿著紅綠燈。為了消除紅綠燈，越來越多的軟體公司都在搭橋，正在轉型成AI Agent公司，因為橋上沒有紅綠燈。
譬如，Salesforce 在 2026 年 6 月斥資約 36 億美元收購 AI 客服平...

推薦序
當一個人，開始擁有一支AI 部隊 盧希鵬

作者序
AI 生產力革命，台灣下一個大機遇 林之晨
我們極可能正身處一個自己還沒有看懂的大時代 蔡祈岩

序章 生產力革命的機遇

PART 1趨勢一：逆分工
Chapter 1 ｜ 分工一萬年演變成的荒謬劇場
Chapter 2 ｜ 逆分工的技術引擎：AI 如何打破專業壁壘
Chapter 3 ｜ 恐龍變阿米巴：大公司正在脫胎換骨
Chapter 4 ｜ 你值多少錢？ AI 時代的人才重新定價
Chapter 5 ｜ 紅利歸誰？這場革命的社會帳單

PART 2 趨勢二：AI 買辦
Chapter 6 ｜ 傳統搜尋引擎的終局
Chapter 7 ｜ 從「知道」到「做到」：AI 買辦接管你的錢包
Chapter 8 ｜ 新商業模式的博弈：誰來為方便買單？
Chapter 9 ｜ AEO 時代贏得「機器人訂單」的七大生存法則

PART 3 趨勢三：軟體即勞動力
Chapter 10 ｜ 軟體百倍成長的機遇，你站在金礦火山上
Chapter 11 ｜ 當AI 勞工免費：你將面臨的「通縮與通膨」怪圈
Chapter 12 ｜ 軟體人才變「液體」：一場無聲的全球搶人大戰
Chapter 13 ｜ 開源軟體戰略：台灣的蛻變機遇

PART 4 趨勢四：具身 AI
Chapter 14 ｜ 具身 AI 的降臨：當大腦奪回物理世界的實體肉身
Chapter 15 ｜ 具身 AI 是什麼，跟傳統機器人有什麼不同？
Chapter 16 ｜ 具身 AI 的兩個關鍵岔路
Chapter 17 ｜ 戰略合流：從軟體生產力到勞動力的徹底解耦

PART 5 終章
Chapter 18 ｜ 奇點倒數─通往生產力奇點的3 個10 年
Chapter 19 ｜ 重返伊甸園─在豐饒、權力與人的尊嚴之間
Chapter 20 ｜ 回到終章之前─在新神登座之前，寫下人的規則

推薦序
當一個人，開始擁有一支AI 部隊 盧希鵬

作者序
AI 生產力革命，台灣下一個大機遇 林之晨
我們極可能正身處一個自己還沒有看懂的大時代 蔡祈岩

序章 生產力革命的機遇

PART 1趨勢一：逆分工
Chapter 1 ｜ 分工一萬年演變成的荒謬劇場
Chapter 2 ｜ 逆分工的技術引擎：AI 如何打破專業壁壘
Chapter 3 ｜ 恐龍變阿米巴：大公司正在脫胎換骨
Chapter 4 ｜ 你值多少錢？ AI 時代的人才重新定價
Chapter 5 ｜ 紅利歸誰？這場革命的社會帳單

PART 2 趨勢二：AI 買辦
Chapter 6 ｜ 傳統搜尋引擎的終局
Chapter 7 ｜ 從「知道」到「做到...