跳到正文
MTS(youtube.com)· Sophia·· 11 天前品質評分58

國防承包商在隨身碟上跑 AI|Stack AI

國防承包商在隨身碟上跑 AI|Stack AI

重點導讀

Stack AI 的 Max Poff 說明,企業級代理要真正上線量產,關鍵在於使用者驗收測試(UAT),以及針對多系統協作與私有部署反覆處理邊緣案例;人形機器人只是順帶一提。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

Podcast 專家音訊節目

收錄於 888news Podcast 智庫專區,包含精華摘要與上市公司即時行情

正文

Stack AI 客戶成功部門主管 Alberto Arrighi 認為,企業代理專案如今成敗的關鍵,在於「能跑的展示」與「真正讓員工信任的生產系統」之間那道落差。整集訪談大多圍繞這道落差打轉:Stack AI 的前線派駐工程師(forward-deployed engineer)如何執行使用者驗收測試、如何把代理接上客戶內部那些雜亂無章的系統,以及如何在受監管客戶自家的雲端環境中完成部署。Asana 併購案與人形機器人預測,則只在最後幾分鐘匆匆帶過。

Arrighi 與前線派駐工程師 Max Poff 分別從兩個角度描述 Stack AI 的運作模式:Arrighi 負責與客戶一起界定代理的使用場景,Poff 則負責把這些場景打造出來、並在生產環境中打磨到穩定。讀完這篇,你應該能具體掌握 2026 年底企業代理部署的實際樣貌——包括使用場景、測試負擔、地端部署趨勢,以及 Stack AI 自己那個規模不大、卻頗有「遞迴式自我改進」意味的做法。

展示到生產之間的落差,靠使用者驗收測試補上,而不是靠更厲害的提示詞

兩位受訪者都同意,現在做一個展示輕而易舉,真正的工作從真實使用者開始操作代理那一刻才開始。Poff 說「現在什麼都能 vibe code」,一個下午就能做出看起來能跑的東西,但那些邊界案例,往往就藏在「展示完成的那一刻」與「使用者終於信任到願意固定使用的那一刻」之間。Stack AI 的解法是匯入正式的使用者驗收測試(user acceptance testing,UAT)階段,由客戶自家員工組成 Beta 測試團隊。

Poff 舉的例子是一傢俬募股權公司的行政助理團隊,他們的工作是在 SAP Concur 中登入費用。展示很快就做出來,但 Beta 測試者立刻發現代理出錯的情境,團隊於是反覆調整工作流程,直到穩定為止。Arrighi 從客戶成功端看到同樣的模式:測試者會發現自己沒有某些系統的許可權,或是代理根本沒碰到團隊認為不可或缺的資料。

Arrighi 的例子是為北歐一家大型媒體行銷代理商(他稱之為北歐最大的媒體行銷代理商之一)打造的媒體企劃代理。這個代理串接多個 LLM,把客戶簡報轉成一份涵蓋投放渠道選擇與預算分配的企劃。第一位使用者兼開發者驗證了部分行為,但開放給整個團隊使用後,立刻暴露出資料串接的缺口,團隊隨後才把這些連線補上。

風險與合規代理,把一個下午的工作壓縮到 10 到 15 分鐘

Poff 描述最詳細的生產案例,是歐洲一家大型銀行的風險與合規團隊。專案經理會提交一份變更提案 PDF,說明某項新的業務變更;風險經理接著必須翻遍銀行龐大的風險登入表,找出這項變更會帶來哪些風險,再到控制措施登入表中搜尋對應的緩解控制。Poff 說這項工作很重要,但「非常耗時又枯燥」。

Stack AI 打造的代理以變更提案為輸入,輸出符合銀行格式規範的 Excel 活頁簿,列出相關風險與控制措施。觸發方式是透過 Slack:使用者標記銀行自行建立的 Slack 機器人,機器人再把請求轉給 Stack AI 的工作流程。Poff 說,原本大約要花一整個下午的任務,現在 10 到 15 分鐘就能完成。

客戶(依訪談描述)流程代理產出匯入前 → 匯入後
歐洲大型銀行,風險與合規部門新業務變更提案觸發風險與控制措施評估符合銀行格式規範的 Excel 活頁簿,列出風險與控制措施;透過 Slack 機器人觸發約一個下午 → 10–15 分鐘
私募股權公司,行政助理團隊在 SAP Concur 登入費用費用登入專案展示快速完成;經 UAT 打磨穩定
北歐大型媒體行銷代理商客戶簡報 → 媒體企劃渠道選擇與預算分配,串接多個 LLM先由開發者驗證,團隊測試後擴大資料串接

今天的代理「自我改進」,說穿了就是一份共享記憶檔,不是模型訓練模型

Poff 把社群媒體上討論的遞迴式自我改進(recursive self-improvement,RSI)——代理自主設計新的神經網路架構、打造下一代 GPT——和 Stack AI 實際在做的事,劃出一條清楚的界線。Stack AI 並不訓練自家模型。他們那個「可愛版」的 RSI 就是記憶:代理維護一份記憶檔,同一客戶的所有使用者共用,每次執行時都載入上下文,隨著使用量與回饋累積,代理就愈來愈好用。

Arrighi 補充第二個更簡單的機制:回寫資料來源。代理從知識庫取用資料時,也同時回寫到該知識庫;他認為這讓代理隨著時間累積出相當的智慧。他把這套做法定位成相對花俏自我學習方法的務實替代方案。

使用場景已從知識查詢,轉向跨系統協作排程

Arrighi 大約在本集錄製前一年(2025 年底左右)加入 Stack AI,他說當時看到的使用場景比較單純——接上資料庫、知識管理。到了 2026 年底,場景已變成協作排程系統:從多個來源抓資料、由事件觸發,既對環境採取行動,也跨資料孤島彙整資訊。他說,現在與客戶討論需求界定時,重點在於把所有不同系統都串接起來,代理才真的能創造價值。

Poff 補充兩點他加入時還做不到、現在已能做到的觀察。第一,過去被視為「AI 不適合」的複雜 Excel 活頁簿,現在處理得很好,代理能產出大量格式化的輸出,而且往往直接放在 SharePoint 上。第二,代理愈來愈常跑在背景維護資料庫,終端使用者則透過對話介面互動。

第二點帶出 Poff 最有主見的看法:他認為儀錶板「差不多可以準備進墳墓了」。他的論點是,儀錶板捕捉的是開發者自以為使用者想要的靜態洞察,使用者還是得自己切來切去、篩來篩去,還不一定能得到答案。改由對話介面直接查詢代理維護的資料庫,使用者就能直接拿到資料。

「我覺得儀錶板差不多可以準備進墳墓了,儀錶板已經沒那麼有用,因為它捕捉的是開發者自以為對使用者有用的靜態洞察。」——Max Poff

受監管買方要平臺裝進自家雲端,甚至有人要裝在 USB 隨身碟裡

Arrighi 指出,地端與私有雲部署是一大趨勢,在受監管產業尤其明顯。他說美國一些頂尖金融機構希望把 Stack AI 裝在自家雲端或自家機房。他並把治理、可觀測性與安全性列為第二個趨勢:隨著代理接觸的資料愈多、做出的決策愈複雜,客戶必須能看見並控制代理的一舉一動。

Poff 描述 Stack AI 自身營運的轉變。他剛加入時,多數客戶用的是多租戶 SaaS 執行個體,每簽一份合約就開一個新組織。現在愈來愈多受監管產業想用代理,卻不能把所有資料送到 Stack AI 的基礎設施。他歸功於公司的 DevOps 工程師,讓私有雲與地端部署變得順暢無縫;他也提到 Stack AI 的客戶包括從 USB 隨身碟執行的國防承包商,以及把資料安全視為第一要務的銀行與對沖基金。

flowchart TD
    A["客戶簽約"] --> B{"資料敏感度"}
    B -->|"一般"| C["在 Stack AI 多租戶 SaaS 開新組織"]
    B -->|"受監管,如銀行、對沖基金"| D["部署在客戶私有雲"]
    B -->|"最高敏感度,如國防"| E["地端部署,含 USB 隨身碟"]
    C --> F["代理工作流程上線"]
    D --> F
    E --> F

Asana 帶來通路與系統紀錄,Stack AI 帶來代理層

Arrighi 說,與 Asana 結合讓 Stack AI 觸及更廣,也多了一個新的整合介面。Asana 扮演系統紀錄的角色,儲存他所說的企業「部落知識」,既能觸發代理,也能餵資料給代理。使用者可以在 Asana 專案裡張貼任務,就能觸發一整段代理執行,完全不必開啟聊天介面;代理也能透過 MCP 連線或其他整合方式,取得專案與行銷活動資訊。他還提到,可以給代理終端機之類的工具,讓它一邊從 Asana 抓取最新團隊資料,一邊建立儀錶板。

Poff 從工程端看這樁交易,結論就是工作量變多、客戶變多。Stack AI 身為新創,業務團隊優秀但通路有限;Asana 則讓它能透過既有客戶觸及很大一部分的《財星》500 大企業。他重提一句他歸功於 Stack AI 創始工程師的話,講的是在研討會上推廣產品。

至於接下來會有什麼,兩人都沒給出產品細節。Arrighi 請大家關注 stackai.com,說工程與產品團隊正緊盯新趨勢並持續納入平臺。Poff 則說公司新聘了一批前線派駐工程師,正快速上手。

前線派駐工程師這個角色,一半寫程式、一半做客戶,而且回饋產品

Poff 稱前線派駐工程是「目前科技業最好的工作」,並形容這個角色一半是技術門檻很高的軟體工程,一半是直接與部署代理的企業協作。在他看來,這個角色的價值在於回饋迴圈:從真實客戶得到的經驗會迴流到產品。他把這個說法歸功於 Palantir——優秀的 FDE「會把從客戶身上經歷的痛苦代謝掉,然後排洩出產品」。

Arrighi 的團隊由 AI 策略師與前線派駐工程師組成,他自己就是從 AI 策略師做起。他每天的工作就是與客戶對話:找出代理值得部署的環節、理解痛點與策略,再轉化成代理工作流程的規格與需求。他和 FDE 密切合作,尤其是 Poff。

人形機器人預測只是收尾點綴,不是論點主軸

被問到一年後會有什麼今天還不成立的事,Arrighi 回答:Stack AI 會進駐全球 99% 的企業。Poff 的回答則成了本集標題的由來:他很想看到 Stack AI 的工作流程操作人形機器人,或某種具身智慧,並認為一年內可能就會「看到一點苗頭」。

他引用一句他歸功於輝達工程師的話來佐證:我們這一代人出生得太晚,來不及探索地球;又出生得太早,來不及探索星辰;但時機剛剛好,能解決人形機器人學。Poff 說,人形機器人在我們有生之年就會做這些事。主持人最後提到創新時程推進之快。整段機器人話題,佔不到本集一分鐘。

值得持續追蹤的主線,是 Stack AI 兩條成長路線之間的張力。它的企業業務正走向更重、更受監管的部署——私有雲、地端安裝、國防承包商——在這些場景裡,治理與可觀測性比模型能力更重要。新股東 Asana 則指向相反方向:透過 SaaS 式整合,廣泛鋪貨到《財星》500 大客戶。同一套代理平臺,能不能既服務國防承包商那臺 USB 隨身碟上的部署,又服務主流 Asana 客戶裡由任務觸發的工作流程?這是本集丟擲卻沒有回答的開放問題。至於兩位來賓對代理品質的說法——Excel 活頁簿「輕鬆搞定」、儀錶板走向衰亡——那是他們從客戶工作中得到的斷言,並非經過基準測試的結果。

來源: MTS (youtube.com)
開啟原文

讀者討論

理性交流 · 即時討論