【專訪】亞倫·萊維：agent 失效不怪模型，企業資料治理才是真正的硬仗

企業用了 ChatGPT 一兩年，發現效果不如預期——這不是模型的問題，是資料的問題。亞倫·萊維（Aaron Levie）是雲端企業內容管理平台 Box 的共同創辦人兼執行長，二十年前從大學宿舍起家，把 Box 做到年營收逾十億美元，專門替金融，法律，醫療這類對資料安全斤斤計較的大型企業管文件。他不是 AI 新貴，但他比大多數 AI 新貴更清楚一件事：模型再強，餵進去的是一堆散落在二十個系統裡的錯誤版本合約，答案照樣爛。這場對談他把這個邏輯從頭到尾說透了。

這場訪談值得注意的點有四個，合起來描述的是同一件事的四個切面。第一，AI agent 失效的根本原因不是模型太笨，是企業資料太亂；第二，誰來管 AI 的預算和成效，現在大部分公司答錯了；第三，工具鏈換了三四次只花兩年，IT 部門的節奏必須跟著變；第四，不會有一個 agent 統治所有工作流程，企業要準備接受五十個並存的局面。這四點加起來的意思是：AI 轉型是一場資料治理加組織重整的硬仗，不是買一個訂閱方案就結束的事。

◎資料不整理，agent 永遠找錯版本

亞倫·萊維說得很直白：一份客戶合約可能同時存在五個地方，那就是五次讓 agent 拿錯版本的機會。企業資料散落在十到三十個系統裡，很多還跑在自己機房的舊設備上，根本沒辦法接上現在主流的 MCP 協定——MCP 是讓 agent 去呼叫外部工具和資料的標準介面，可以理解成 agent 版的插座規格。插座不對，再聰明的 agent 也插不進去。他的結論是：在跑任何 agent 工作流程之前，企業得先把資料搬上雲端，建立單一權威來源，定義清楚哪個版本才算數。這是純粹的人工，沒有捷徑。Box 派去客戶現場的工程師，現在做的核心工作就是這個——釐清資料在哪，搬移，格式化，測試 agent 跑不跑得對。他說這叫heavy heavy human work，沒有辦法自動化。

◎AI 預算不該放在 IT 部門，要放在業務負責人手上

現在大多數公司把 AI 當 IT 採購案在處理，統一由資訊長決定買什麼，花多少。亞倫·萊維說這個邏輯是錯的。道理很簡單：如果 AI 是業務團隊的生產力工具，那 AI 用得好不好的責任就應該跟業務成果綁在同一個人身上。業務主管要對業績負責，那他也要對自己部門的 AI 投資報酬率負責；行銷主管要對流量和轉換率負責，那行銷部門的 AI 預算就應該由他決定。IT 部門的角色是選好技術，維護安全，確保工具是業界水準，但不應該替業務主管決定這個工具值不值得花這筆錢。他說管理科學幾百年來只有一個原則有效：讓對結果負責的人，對資源的使用也負責。

◎兩年換了四套工具鏈，IT 的節奏必須重設

Box 自己的工程團隊，兩年內從 GitHub Copilot 換到 Cursor，再加上 Claude Code，再加上 Codex，現在又有雲端 agent 可以部署。四次更換，兩年。亞倫·萊維說這就是 2026 年 IT 部門要跟上的速度，不跟就是讓員工用落後的工具。安全與速度的矛盾是真實存在的，但他認為這不是二選一的題目，而是要找到現代工具與合規治理的交叉點。鎖太死，員工用爛工具，最後還是繞過去用自己的帳號；完全不管，資料外洩。他的建議是 IT 團隊本身要比以前移動快很多，要主動追蹤 AI 領域的最新發展，而不是等需求進來才反應。

◎不會有一個 agent 統治全場，要準備五十個並存

有人在等一個像 ChatGPT 一樣統一所有場景的 agent 入口，亞倫·萊維說不要等了。ChatGPT 那個時刻是特例，因為當時的使用場景是廣泛的消費者需求，一個對話框就夠。進入企業知識工作之後，法律有法律的 agent（他提到 Harvey 這類專攻法律的 AI 平台），程式開發有開發的 agent（Factory，Devin 這類自動化編程工具），文件管理有文件管理的 agent。這些系統可以透過 MCP 協定互相串接，但不會融合成一個。他的預測是一家企業最終會同時跑二十到五十個不同的 agent 系統，對應不同的資料類型，職能和使用場景。這對採購決策是個挑戰，但他認為試圖用一個工具解決所有問題，反而是更危險的誤判。

亞倫·萊維對就業的看法是樂觀的：AI 讓公司能做更多事，做更多事的公司搶更多客戶，搶更多客戶的公司繼續招人。這個邏輯不是沒有道理，但前提是公司真的用 AI 做更多，而不只是用 AI 裁員省成本然後停在那裡。資料整理，預算責任歸位，IT 節奏重設，這三件事沒做，agent 多強都是白費。這不是科技問題，是管理問題。