【演講】吳恩達：AI不是用來省錢，是用來換速度
AI Fund 在 2026 年 10 月召集旗下新創的創辦人開高峰會，開場的是吳恩達（Andrew Ng）。他主導創立過 Google Brain，共同創辦 Coursera，現在用 AI Fund 孵化新創。主持人給他的題目，是 AI 原生的組織該怎麼用 AI。他說，自己看過的團隊，AI 原生的程度差距非常大。那麼，走得最前面的團隊，到底拿 AI 換到了什麼？
每天精選 6 則要聞、一則產業名人訪談，五分鐘跟上。
吳恩達說，AI不是拿來省錢的，是拿來換速度的。可是老闆導入 AI，不就是為了省人力，提高產能嗎？他的答案落在公司裡真正卡住的地方，而且那個地方已經換了位置。他另外要 CEO 檢查高階主管裡有多少人夠 AI 原生，也要替 AI 代理把公司資料整理好。
◎AI 換來的是速度，卡住的地方變成決定做什麼
主持人請他談 AI 原生組織怎麼用 AI，他沒有從工具講起。他說 AI Fund 的看法是，新創成敗最好的預測指標之一，就是執行速度快到誇張。所以他把 AI 看成巨大的速度優勢，不是省成本，也不是提高生產力。他也不愛 AI 原生這個詞，因為聽起來像天生的，其實可以後天轉過來。
他的理由一層接一層。寫程式現在太快，卡住的不再是做出來，而是決定做什麼。所以 AI 原生團隊不是舊組織撒上一堆 AI 工具，而是圍著新的卡點重新組起來。他還沒辦法讓 AI 做出好的產品決策，所以 AI 做完一版，人就得看一眼，憑直覺決定下一步。
他舉自己的例子。同事想等午餐時再一起問大家意見，他不肯。現在早上九點，抓個人來問，九點二十就要有回饋，不是等到下午一點。"It's not about saving 3 hours."（重點不是省下三小時。）他要的是每一輪來回都更快。
他也承認直覺會用完。產品從零做到八成很快，再往上就得換慢方法，例如花兩天問一百個用戶，或花一週對一千人做 A/B 測試，一點一點磨到九成五，九成八。他說大公司主管老用慢方法是錯，新創只用快方法也是錯。怎麼讓 AI 自己做產品決策，他說還沒找到。
◎高階主管至少三分之一要夠 AI 原生
速度要落到整家公司，得看帶頭的人。吳恩達說他會看高階主管裡有幾成是 AI 原生，九成都不是，很多專案就推不動。他不要求人人會寫程式，財務主管 Ellen 不是工程師，卻是很懂 AI 的財務人。他也不信宿舍新創找二十一歲畢業生當財務主管那一套。他建議的起點是三分之一，能到一半更好。
◎替 AI 代理把公司資料整理好
卡住的不只是決定做什麼，還有資料。他說想做新東西，常有一半時間在清資料。他舉 DeepLearning.AI 為例，以前想知道營收和流失率，要請人去資料庫查，大約一週後才有答案。現在資料開放給 AI 代理，他和主管直接叫寫程式的 AI 去分析。他也說，大約四分之一的時候結論錯得離譜，人還得在旁邊掌舵。
所以導入 AI 只算省了多少人力，在吳恩達看來是算錯了帳。他要的是每一輪決策都更快，人和資料都得跟上。他說 AI 原生是一段路，今年才成立的新創比老公司容易，但大家都該盡快上路。接下來可以觀察 AI Fund 自己的做法：把工程師放進招募部門，讓招募大量用 AI 自動化找人。
說 AI Fund 認為執行速度是新創成功最好的預測指標之一，並把 AI 定位為速度優勢，而非省成本或提高生產力。
談產品管理瓶頸：寫程式變快後，卡點變成決定做什麼；AI 原生團隊要圍著新卡點重建，而不是在舊組織裡加 AI 工具。也說自己不會讓寫程式的 AI 代理無人監督連跑好幾天。
舉早上九點抓人問意見，九點二十拿到回饋的例子，說重點不是省下三小時。
說最佳做法隨階段改變：早期靠快速直覺回饋，成熟後改用一百人問卷，一千人 A/B 測試，把產品從八成磨到九成五以上。
談替 AI 代理建資料層：以前查營收和流失率要等約一週，現在交給寫程式的 AI 分析，但約四分之一時候結論錯得離譜。
建議高階主管團隊至少三分之一是 AI 原生，並以財務，行銷主管為例說明不必人人都是工程師。
Ridekick 創辦人說明系統偵測到錯誤時，會自動開啟 Claude Code 診斷並即時修復，取代過去一到兩週的排程流程。
IrisGo 共同創辦人談讓實習生大量使用 AI 工具，以及用 WhatsApp 回報錯誤，由 AI 排優先順序並在同一週修好上線。
看完今天的，讓明天的自己送上門
每天精選 6 則要聞、一則產業名人訪談，五分鐘跟上。
已出刊 157 期 ・ 隨時可退訂
