別再迷信會聊天的AI 企業要的是會判斷的AI
前OpenAI研究員做出一個不會講話的AI，卻讓開發者擠爆伺服器。這篇從這個現象拆解企業導入AI時最常搞錯的方向：你要的不是聊天機器人，是能做決策的系統。
- 會講話的AI很會演，但企業內部流程要的是準確判斷，不是漂亮文案
- 一個前OpenAI研究員離職後做了不吐文字只回機率的AI，結果比GPT快5到18倍，開發者搶著用
- 企業導入AI前該先問：我要的是一個會聊天的系統，還是一個能替我做決定的系統
有個參與打造ChatGPT的研究員，離開OpenAI之後做了一個不會講話的AI。聽起來像退步，其實是打臉。他說得很直白，大家拚命教AI講人話，結果電腦之間根本不需要講人話，需要的是一個能不能執行的答案。
你要的從來不是聊天，是判斷
這個新模型叫Jev，不輸出文字，只輸出機率。選項你自己先定好，AI只回答這件事發生的可能性是多少，想亂編都沒地方編。有個開發團隊拿它取代原本用來做指令安全檢查的大型語言模型，速度快了5到18倍，還更準。另一個團隊測試商務郵件分類，發現它是少數幾個會老實回傳真實機率、不硬掰答案的模型。
我們接觸過不少企業客戶，一開始想要的都是一個「什麼都能聊」的AI助理，結果真正上線之後，內部最常問的問題其實很單純：這張發票有沒有異常、這筆訂單要不要人工複核、這則留言算不算客訴。這些問題根本不需要AI寫一段漂亮的話回你，只需要一個能不能執行的判斷。
幻覺不是AI的bug，是你問錯了問題
很多企業導入AI失敗，不是模型不夠聰明，是把它當成萬事通在用。你丟一個開放式問題給語言模型，它會盡力生出一個聽起來合理的答案，就算它其實不知道。這叫幻覺，是設計上的必然，不是故障。
- 先問清楚要的是生成內容，還是要一個決策
- 能用固定選項的場景，就不要讓AI自由發揮
- 把AI的輸出當成一個機率參考，而不是最終判決
- 關鍵流程一定要留人工複核的閥值，不是全自動就是進步
便宜的東西，用量才會爆炸
Jev這個名字取自19世紀經濟學家傑文斯，他提出的悖論是，東西變便宜了，用量不會減少反而暴增。這個道理放在企業AI導入上也一樣，很多老闆以為AI導入是一次性專案，做完就結束。實際上一旦有一個判斷型AI真的好用、成本又低，內部需求會像滾雪球一樣冒出來，從審核發票到分類客訴，每個部門都想要一個。這代表企業要先想清楚架構，而不是每個需求都重做一套系統。
最會講話的AI，通常不是最會做事的。企業要的不是一個會聊天的展示品，是一個敢給答案、也扛得起答案的系統。