為什麼大多數 AI 產品會失敗？OpenAI 與 Google 資深專家的 50+ 部署教訓

本文整理自 Lenny’s Podcast 2026 年 1 月播出的單集。

一對在 AI 前線的夫妻檔

這集 Podcast 的兩位來賓是一對夫妻，而且各自都是 AI 產品領域的頂尖實踐者：

Kiriti Badam 目前是 OpenAI Codex 的產品負責人，過去十年在 Google 和 Kumo 建構 AI/ML 基礎設施。他代表的是「正在打造最前沿 AI 工具」的視角。

Aishwarya Reganti 是 Alexa 和 Microsoft 的早期 AI 研究員，發表過 35 篇以上的學術論文。她現在專注於企業 AI 轉型顧問，代表的是「協助傳統企業導入 AI」的實戰經驗。

兩人合計參與超過 50 個 AI 產品部署案例，涵蓋 Amazon、Databricks、OpenAI、Google，以及各種規模的新創和大企業。他們也共同在 Maven 開設 AI 產品課程，是該平台評價最高的課程之一。

為什麼臺灣讀者該認識他們？因為他們不是只談理論的學者，也不是只會炒作的 KOL。他們是真正在第一線「讓 AI 產品成功上線」的人，而且願意公開分享失敗案例和血淚教訓。

2025-2026 的 AI 產品現況

Kiriti 觀察到，2025 年和 2024 年有顯著不同。好消息是：對 AI 的懷疑大幅減少了。去年還有很多領導者覺得 AI 只是另一波加密貨幣熱潮，現在大多數企業都在認真重新思考使用者體驗和工作流程。

壞消息是：執行面仍然一片混亂。這是個只有三年歷史的領域，沒有教科書、沒有標準流程。傳統的 PM、工程師、資料科學家之間的分工界線已經被打破，大家還在摸索新的協作方式。

兩個根本性的差異

Aishwarya 指出，AI 產品開發與傳統軟體有兩個根本性的差異，而這兩點經常被忽略：

第一：非確定性（Non-determinism）

傳統軟體像 Booking.com——你想訂旅館，透過一連串按鈕和表單達成目標，每次流程都一樣。但 AI 產品用的是自然語言介面，使用者可以用無數種方式表達意圖，而 LLM 的輸出也是機率性的。你既不知道使用者會怎麼用，也不知道模型會怎麼回應。

第二：代理-控制權衡（Agency-Control Trade-off）

每次你讓 AI 系統擁有更多自主決策能力，你就放棄了一些控制權。很多人只想著「打造全自動 agent」，卻沒想過：這個 agent 有沒有贏得你的信任？它夠可靠嗎？

為什麼 AI 產品會失敗？

根據他們的觀察，最常見的失敗模式是：

1. 一開始就想做全自動 agent——結果問題太多、除錯不完，最後只能關掉產品
2. 不理解工作流程就硬套 AI——企業內部的資料和分類系統往往很混亂，AI 沒有足夠脈絡根本無法運作
3. 領導者的直覺已經過時——過去十五年累積的產品直覺，在 AI 時代可能完全不適用
4. 組織文化是恐懼而非賦權——員工怕被取代，不願意配合，導致 AI 導入失敗

成功的三角形

Aishwarya 提出「成功三角形」：好的領導者、好的文化、技術實力，三者缺一不可。

她舉了一個例子：Rackspace 的 CEO Gajen 每天早上 4-6 點固定學習 AI，週末還自己寫程式。這不是要領導者自己動手做，而是要「重建直覺」——你必須承認自己可能是房間裡最不懂的人，願意向每個人學習。

在文化面，她看過太多企業的員工因為害怕被取代而不願意配合。但 AI 產品需要領域專家（Subject Matter Expert）的深度參與，如果他們不願意分享知識，產品根本做不起來。

下一步該怎麼做？

這集 Podcast 還深入討論了具體方法論（CCCD 框架）、evals 的迷思與真相、multi-agent 的誤解、coding agents 被低估的程度，以及 2026 年的趨勢預測。

如果你正在帶領團隊開發 AI 產品，或者你的公司正在思考 AI 轉型，這集絕對值得完整聽完。

本系列共四篇，這是第一篇總覽。後續文章將深入探討：AI 產品的兩大根本差異、CCCD 框架實作、以及「痛苦是新護城河」的競爭思維。