AI Agent（智能代理人）從工具走向「數位勞動力」，企業人才標準也正跟著改寫。當「會用AI」逐漸成為基本能力，什麼樣的人反而成為新寵？從教育科技跨入企業AI的愛比科技（IPEVO），正從客戶實戰與自身轉型，看見一場從「用AI」走向「審AI」的人才變革。

一名工程師原本需要兩週完成的工作，另一名工程師借助AI，只花兩天就能做完。當10倍效率差距開始出現在同一家公司，企業重新思考的問題，也從「哪些職位會被AI取代」，進一步轉向：同一個職位裡，什麼樣的人會被留下來？

「職務不會消失，但員工若沒有跟著學習與改變，確實可能被取代。」愛比科技總經理李信宜觀察，有些年輕員工善用AI，很快便補上原本經驗與能力的不足；反之，原先表現不錯的資深員工，若仍沿用舊方法，也可能面臨新的績效考驗。

這樣的觀察，來自一家正在AI浪潮第一線轉型的台灣科技公司。

成立於2007年的愛比科技（IPEVO），早期從教育科技與視訊設備起家，近年進一步投入企業AI應用，透過Vurbo.ai Meeting & Translation、Enterprise AI Knowledge等服務，將語音辨識、即時翻譯與企業知識帶進不同產業。

一邊協助企業導入AI，愛比也在自己的組織裡面對同一道問題：當AI從員工手中的工具，進一步成為能自主執行任務的AI Agent，企業究竟需要什麼樣的人才？

答案已不只是「會不會用AI」。從打造企業專屬模型、管理AI Agent，到計算每一筆Token成本，愛比第一線的實戰經驗顯示，當AI能力逐漸普及，企業真正的競爭才正要開始。

圖／愛比科技總經理李信宜觀察，當「會用AI」逐漸成為基本能力，企業更看重人才能否理解問題、判斷AI產出，並將工具轉化為工作成果。張智傑攝。

ChatGPT、Gemini等AI這麼強，企業為何還需要愛比科技？

生成式AI爆發後，企業並不缺AI工具。ChatGPT、Gemini等通用模型快速進步，新的問題反而浮現：當大家都能取得類似的AI能力，一家公司如何讓AI真正「懂自己」？

這正是愛比近年從教育科技與視訊設備跨向企業AI後，試圖卡位的角色。

李信宜並不把愛比定位成與大型基礎模型正面競爭的公司。相反地，愛比位於應用層，可以依模型能力與使用情境選擇不同工具。真正要累積的，是基礎模型之上的企業語料、專業知識與應用能力，進一步把「通用AI」變成企業真正用得上的AI。

從8人會議「ID化」到精準辨識，愛比軟硬整合優勢浮現

更特別的是，愛比原本累積的硬體能力，也成為切入企業AI的另一塊拼圖。

李信宜指出，語音AI要做得準，第一關甚至還不是後端模型，而是「聲音怎麼進來」。如果麥克風一開始收進來的聲音品質不佳，後續再強的語音辨識、翻譯模型，效果都可能跟著打折。

因此，愛比過去長期處理聲音、影像與視訊設備，到了生成式AI時代，原本的硬體能力反而開始與語音辨識、翻譯及會議紀錄重新接軌。

例如，一場8人會議若只靠軟體辨識不同聲音，可以嘗試區分不同講者，仍可能出現辨識誤差。愛比的作法，是進一步結合硬體收音與講者ID，事先設定1號、2號等不同與會者身分，搭配距離講者約20公分內的近距離收音，讓系統更精準判斷「誰說了什麼」。

這在一般會議或許只是方便，但進入董事會、法院等場域，意義就完全不同。董事長說了什麼、總經理如何回應，甚至法庭上哪一句話出自律師或被告，發言內容與講者身分都可能是紀錄的重要一環。

圖／取自freepik。攝影者pressfoto。（示意圖）

32種語言即時翻譯還不夠，企業AI難在「聽懂專業語言」

即時翻譯則是另一個例子。

同一個英文單字，在不同情境下可能有五、六種意思；中文又有大量同音異義詞。若只是逐字翻譯，即使字面正確，也未必能傳達說話者真正的意思。偏偏國際會議高度要求即時性，幾秒鐘的落差，都可能讓聽眾錯過現場節奏。

愛比目前的大型論壇方案，可讓與會者掃描QR Code後，以手機搭配耳機收聽，並同時提供32種語言翻譯。從「聲音收得準」「誰在說話」，一路到「說了什麼、該怎麼翻」，愛比切入的其實是一整條語音AI處理鏈。

進入企業後，難度還會再往上提高。金融、半導體、宗教等不同領域，都有自己的專業術語、知識與語境。通用模型可以提供底層能力，卻未必天然理解一家公司的產品名稱、內部用語與專業Know-how。

李信宜舉例，企業打造專屬模型，可能投入數百萬甚至上千萬元，還得動員約30人與技術團隊合作半年至一年。通用服務若只能達到他口中的「70分」，經過企業專屬資料與語料調整後，則可能往95分、98分靠近。合作時間愈長，模型也愈熟悉企業的產業術語與工作需求。

這也形成愛比想在企業AI市場建立的優勢：基礎模型可以更換，真正需要長期累積的，是從硬體收音、語者辨識、語音轉文字、翻譯，到企業專屬知識的一整套應用能力。

當大型模型持續快速迭代，愛比並不需要押注單一模型誰會勝出。它真正要解決的，是最後一哩路：怎麼把愈來愈強的通用AI，變成真正懂得企業語言、工作情境與專業需求的工具。

3000萬至4000萬字佛法資料，愛比如何讓AI聽懂專業語境？

佛教語言，就是通用AI碰上專業領域後的一場壓力測試。

李信宜回憶，愛比與佛光山合作時發現，佛學內容高度仰賴上下文。佛教又有大量一般語境少見的專有名詞，語音辨識一旦把佛學用語聽成發音相近的一般詞彙，後續翻譯與理解就可能一路偏離原意。

這也是為什麼，只交給AI一本佛學辭典仍然不夠。真正的問題，是讓AI認得佛教名詞之後，還得理解這些詞放進佛學脈絡究竟代表什麼。

為此，團隊納入約3000萬至4000萬字公開佛法資料，再整理約6000筆佛法相關詞句，並由約20名法師參與、歷時半年協作。愛比所做的，其實是把宗教專業者長年累積的領域知識，一步步轉換成AI能夠辨識與使用的語料。

這個案例也凸顯企業AI與一般消費型AI的差異。通用模型提供共同的起跑點，真正進入專業場域後，決定AI好不好用的，往往是企業或組織多年累積、外界不容易取得的含金學問。

也因此，對愛比而言，接下來的挑戰便是：如此耗時的客製化，如何變成一門可以擴大的生意？

圖／愛比科技創辦人暨董事長洪裕鈞（右）與總經理李信宜（左）。洪裕鈞另共同創辦行競科技（XING Mobility）並擔任董事長，布局浸沒式冷卻電池技術；愛比則從教育科技、視訊設備跨向企業AI應用。張智傑攝

Project做到Platform，愛比為何將「客製AI」達到規模化？

完成一個高難度客製案，只能證明技術做得到；對一家企業而言，更大的考驗是能否複製。

李信宜算得直接。如果每服務一家企業，都得重新投入半年、一年，營收要成長10倍，人力很可能也得跟著增加。愛比因此開始思考如何把「客製化規模化」。

生成式AI與AI程式開發工具的進步，讓這件事開始有機會發生。第一家客戶投入大量時間建立產業知識與開發經驗後，面對同一產業的第二家客戶，部分客製工作可能只需要原先不到20％的投入。

這也推動愛比的商業模式從單一專案（Project）往產品（Product）前進，再進一步瞄準平台（Platform）。

李信宜透露，愛比正發展API策略，讓合作伙伴不一定要下載愛比的應用程式，也能直接把翻譯等AI能力整合進自己的產品與服務。對愛比而言，服務模式也因此從「替一家企業打造一套AI」，進一步走向「讓更多企業與伙伴直接串接一套能力」。

這也重新賦予愛比過去硬體經驗新的位置。

從教育科技、文件攝影機、視訊設備一路走來，愛比累積的聲音與影像處理能力，並未因公司走向企業AI而退場；相反地，當AI開始進入實體會議、教育與企業場域，硬體成為AI取得高品質聲音與影像資料的入口，軟體與模型則負責理解、處理與應用。

AI反而讓愛比過去累積的軟硬整合能力，找到新的應用場景。

而當愛比替客戶重新拆解AI工作流程，同樣的變化，也正在自己的組織裡發生。

「AI員工」大舉進軍企業，未來主管都應成為「Token精算師」

李信宜對愛比工程團隊使用AI的要求相當直接「我經常問同仁，為什麼不用AI？怎麼這麼慢？」軟體工具快速迭代，AI帶來的效率提升，已實際影響研發生產力。

但他也並非盲目要求所有部門「為AI而AI」，不同職務衡量AI導入效益的方式自然有別。工程團隊大量使用AI，能反映於開發效率與產出週期；至於業務、行銷、財務等間接部門，則需評估AI投入究竟省下多少工時成本，又能否轉換為實質的市場動能。

只是，當AI用得愈深，管理難題也跟著升級。

AI從被動的輔助工具發展為能自主執行任務的AI Agent（智慧代理人）後，「AI員工」衍生的成本如何控管，便成為企業必須面對的新課題。一旦任務指令設定錯誤或遇到例外狀況，AI就可能在錯誤的路徑上持續執行，導致成果沒有增加，Token與運算成本卻一路累加。

也因此，愛比為了落實AI成本控管，特於員工電腦安裝程式，計算不同工具的Token使用量，並在實際比較後發現，部分按Token計費與吃到飽方案的成本甚至相差約10倍，於是公司便搭配不同授權方式，依工作需求配置AI工具與額度，在效率與成本之間取得平衡。

「未來每位主管都應成為『Token精算師』。」李信宜說。當AI成為新型態的數位勞動力，管理職能必然得跟著延伸。身處前線的主管，最了解部門任務、團隊能力與工作價值，也最能判斷哪些工作適合交給AI、值得投入多少資源，又該在什麼時候由人介入。

換言之，現代管理者除了要懂得帶人，還得學會「帶AI」，在人才與AI之間做出更精確的任務分工與資源分配。

圖／取自Unsplash。攝影者Arif Riyanto。（示意圖）

從「用AI」到「審AI」！智能工具愈強，愈是考驗職人基本功

但與此同時，AI時代也迎來一場人才悖論：當工具愈強，職業基本功還重要嗎？

李信宜尤其憂心剛踏入職場的新鮮人。已有經驗的工程師，親自走過程式架構、問題拆解與錯誤修正，即使後來大量借助AI，仍有足夠經驗判斷答案；新人若從學習初期就高度依賴AI寫程式，可能還沒真正理解程式架構，就已經拿到答案，甚至難以察覺AI提出的解法究竟哪裡有問題。

因此，李信宜觀察，企業AI訓練的重點已開始轉向，「早期課程都在教AI應用，現在教的是如何『審AI』。」

所謂「審AI」，就是從操作工具進一步走向檢驗結果。當員工未來可能同時調度多個AI Agent，人的工作也逐漸從親自執行，轉向任務分派、成果檢查與最終決策。

AI快速回答使專業技術「平準化」，人的價值正往思考兩端移動

而當AI開始改變基本功的養成方式，另一場變化也同步發生：專業能力正在「平準化」。

過去有門檻高低之分的技術與知識，在AI能快速調用既有知識、補足能力落差後，原本稀缺的技能溢價也可能跟著縮水。李信宜形容，過去仰賴熟練度與執行力建立的個人競爭優勢，正出現某種「通膨」效應。

不過，人才差距並未就此消失，只是企業評估人才的落點變了。

李信宜認為，獨立思考、好奇心與創新能力的重要性反而提高。因為AI愈會回答，人的價值愈往思考鏈的前後兩端移動：前端是能否發現真正的問題、提出值得回答的問題；後端則是能否判斷AI給出的答案正不正確、適不適用，又值不值得採取行動。

這也解釋了，為什麼愛比對工程團隊的要求看似矛盾：一方面追問「為什麼不用AI」，另一方面又擔心人才過度依賴AI。關鍵不在用或不用，而是人是否仍保有理解問題與判斷答案的能力。

學歷不再是徵才面試唯一尺標，愛比科技從「戰功」看真本事

從愛比自身的用人經驗來看，當AI逐漸成為工作基本配備，企業需要的人才也浮現三種新輪廓：

第一種，是會「審AI」的人，能檢驗AI產出，而非照單全收。

第二種，是會「帶AI」的管理者，懂得在人與AI Agent之間分派任務、衡量成本。

第三種，則是能結合兩種以上專長的跨域人才，把AI能力與產業Know-how接起來。

而當人才條件改變，企業選才方式自然就得跟著調整。

愛比採取行為面試法，相較學歷或證照，更關注應徵者的「戰功」，從實際經歷追問曾面對什麼問題、採取哪些行動，又產生什麼結果；工程職缺還可能透過測驗或程式碼審查確認能力。在AI快速提供答案的時代，「知道什麼」已不足以證明能力，能否拆解問題、完成任務，更能看出真本事。

同時，人才組合也開始轉變。李信宜期待員工具備至少兩種專長。愛比投入語音辨識、即時翻譯與企業知識等AI應用，也聘用文學院、翻譯專業背景人才，讓語言專業與AI技術彼此補位。

背後邏輯，與愛比服務企業客戶時看到的問題相同。

AI雖具有通用性，但真正進入半導體、金融、宗教或其他專業領域後，仍需要產業與領域知識補足實際應用的落差。因此，愛比提供語言與AI能力，客戶則帶來各自產業累積的專業知識，兩者結合，AI才有機會真正走進企業核心；而能組合兩種以上專長的人才，也更容易創造差異化優勢。

不過，掌握更多工具並提升多元能力，不代表企業對成果要求就此降低。

李信宜直言，即使一個人很會使用AI，「績效沒有出來」也難以獲得升遷。這套成果導向的邏輯，也反映於愛比的績效制度上。公司已從KPI轉向OKR（目標與關鍵成果），並以約20％評估員工能力、學習、人格特質與團隊合作等面向。

這也凸顯AI時代衡量人才的新分界。當AI縮短部分工作的學習與執行時間，「有能力做到」與「最後能做成」，逐漸成為兩回事。

從教育科技、視訊設備一路走向企業AI，愛比面對的，也是許多企業共同的課題：當AI愈來愈容易取得，真正的考驗已從「有沒有AI」，轉向企業與人才能否藉AI放大自身優勢，最終轉化為實際成果。