奧特曼：企業不快速採用 AI 隊友，將面臨巨大劣勢

本文整理自 Cisco AI Summit 2026 年 2 月播出的對談。本文為系列文第二篇，另見〈奧特曼的新共識：AI 不是工具，是隊友〉及〈奧特曼在 Cisco AI Summit 的五個關鍵判斷〉。

能力過剩比 ChatGPT 前還大

山姆．奧特曼（Sam Altman）在 Cisco AI Summit 上丟出了一個讓人停下來想的判斷：AI 的「能力過剩」（capability overhang），此刻比 ChatGPT 發布前還要大。

幾個月前，他可能還會說「除了 ChatGPT 發布前夕之外，能力過剩感最強的時刻」。但現在連這個但書都拿掉了。即使全球已經有上億人在日常使用 ChatGPT，即使 Codex 正在被快速採用，即使各種 AI agent 產品每週都在推出，奧特曼仍然認為，AI 已經能做到的事與人們實際用它做的事之間，差距不是在縮小，而是在擴大。

他的邏輯是這樣的：AI 現在能做小型但逐漸增大的科學發現、能獨立完成完整的軟體專案、即將能處理更廣泛的知識工作。這些都是巨大的能力。但絕大多數企業和個人，還停留在「用 ChatGPT 聊天」或「偶爾讓它幫忙寫程式碼」的階段。中間的落差，就是他所說的能力過剩。

這種現象其實不新。Cisco 的主持人就提到，Microsoft Word 推出的時候，人們也只使用了 2% 的功能。但奧特曼的說法更具急迫感：這次不一樣的是，AI 的能力不是靜止的，它在持續加速。你今天沒用上的功能，明天就會被疊上更多你沒用到的新功能。差距不會自動縮小，它會越拉越大。

三個你沒想到的瓶頸

當主持人問奧特曼「除了能源和硬體之外，還有什麼非顯性的限制」時，他的回答指向三個多數人不會第一時間想到的領域。

第一個是安全與資料存取的新範式。奧特曼認為，目前沒有人對這個問題有好答案。AI agent 要能幫你做事，就必須存取你的資料、你的文件、你的帳號。但現有的權限系統是為人類設計的，不是為 AI 設計的。我們需要發明一種全新的安全和資料存取範式。這不是把現有的權限架構微調就能解決的，而是需要根本性的重新思考。

第二個瓶頸更具體，也更容易被低估：所有軟體都必須重寫，好讓人類和 AI 都能順暢使用。奧特曼用了一個很生動的例子來說明。他很想讓 AI agent 幫他處理 Slack 的訊息，因為他覺得 Slack 對他來說就是一場混亂。AI agent 確實可以用 Slack 的網頁介面登入他的帳號、讀取所有討論串、幫他整理和回覆。但問題是，AI 在讀取訊息的過程中，會把一堆未讀訊息標記為已讀，把他原本的工作流程全部打亂。這不是什麼深奧的技術問題，就是軟體當初設計時根本沒考慮到「你的帳號可能同時有一個人類和一個 AI 在使用」。

他進一步推想，未來可能需要讓 AI 擁有不同形式的使用者帳號，或者大量軟體會被重寫，變成主要由 AI 使用、但人類也能操作的形態。無論哪種路徑，這都代表軟體產業面臨一次大規模的改造。

第三個瓶頸是「永遠在線」的 AI 感知與現有法律框架之間的衝突。奧特曼描述了一個他認為極有價值的應用場景：AI 持續監看你的會議、觀察你在電腦上的操作、理解你的工作脈絡，然後主動幫你完成任務。但他馬上指出，現有的電腦硬體不是為這種用法設計的，權限系統不支援這種用法，法律制度也沒有處理這種用法的框架。你可能想讓 AI 記住會議中的關鍵決策，然後刪除錄影，但目前的法律和隱私規範對這種「學習後刪除」的模式沒有明確的指引。

吸收速度比想像中慢，但這不意外

奧特曼坦承，企業對 AI 的吸收速度比他預期的慢。但他也說，回頭看歷史，其實不應該驚訝。ChatGPT 相對於任何前代軟體產品，成長速度都是瘋狂的。Codex 同樣成長極快。他預期通用型的電腦操作和知識工作 AI 也會快速成長。但跟 AI 實際能做到的事相比，採用速度仍然顯得出奇地慢。

這裡面有一個結構性的原因。企業要採用像 Codex 這樣的 AI 工具，首先要回答安全和資料存取的問題。這些問題通常涉及多個部門的協調、政策的制定、風險的評估，流程一拉長就是一兩年。奧特曼直言，被這些問題卡住的企業目前比比皆是。

他的建議也同樣直接：無法快速採用「AI 同事」的企業，將面臨巨大的劣勢。他特別用了「AI coworker」這個詞，而不是「AI tool」。這個用詞上的選擇呼應了他在同一場對談中反覆強調的認知轉換：AI 不再是你偶爾查詢的工具，而是跟你並肩工作的同事。

關鍵的轉折點來自 Cisco 自己的經驗。他們的主持人說，Cisco 使用 Codex 的前兩三個月，一直把它當成「一個很厲害的工具」，效果普通。直到 OpenAI 的駐場工程師點醒他們：「你們該把它當隊友，而不是工具。」這個觀念轉換之後，一切都不一樣了。奧特曼接著確認，Codex 是他本人第一次真正感覺像在與一個協作者共事，而不是使用一個軟體。

我的觀察

奧特曼講的能力過剩，對臺灣企業來說其實有一個很具體的對照：你的工程師可能私底下已經在用各種 AI 工具寫程式碼、做測試、甚至做設計了，但公司層級的正式導入還在「評估階段」。這就是能力過剩的微觀版本。能力已經在那裡，採用還卡在流程裡。

臺灣企業在這件事上有一個特殊的結構性挑戰。我們的 IT 治理文化偏保守，資安稽核流程偏長，加上許多產業有法遵要求（金融、醫療、政府），要讓一個 AI agent 以「員工」的身分操作企業系統，光是合規審查就能拖半年以上。但問題是，你的競爭對手不一定都在同一個法規環境裡。一家矽谷新創可能兩週就把 AI agent 全面上線了。

奧特曼提到的軟體重寫問題，在臺灣企業的情境裡也很真實。許多臺灣企業仰賴的內部系統是十幾二十年前的架構，別說讓 AI 用了，連 API 都不一定有。要讓這些系統同時支援人類和 AI 使用者，需要的不只是技術改造，而是整個 IT 現代化的決心。這是一筆大投資，但不做的代價正在快速增加。