AI狂熱CEO：你的公司準備好了嗎？
📋 Brief
這支影片邀請了Brex的共同創辦人兼CEO Pedro Franchesci，他分享了Brex如何在企業內部大規模採用AI，並提出「CEO應成為首席AI官」的見解。Pedro強調要像「釋放爪牙」一樣大膽使用AI代理，同時透過創新的網絡安全方案（如Crab Trap）來管理風險，最終讓AI成為人人可用的「虛擬員工」。
⏱️ 內容分段導航
| 時間段 | 內容摘要 |
|---|---|
| 00:00 - 00:19 | CEO的AI新角色與企業身份重塑：將AI視為解決所有問題的起點。 |
| 00:32 - 01:08 | Brex CEO Pedro Franchesci的AI啟蒙：一場午餐會如何引爆AI熱潮。 |
| 01:09 - 03:01 | 「釋放爪牙」：對待大型語言模型的顛覆性思維，不要過度限制。 |
| 03:03 - 05:55 | AI如「電力」：GPT-4.5帶來了革命性的理解與實用性。 |
| 05:56 - 09:55 | 解決企業AI安全：Crab Trap透過網絡層代理與AI審核確保安全。 |
| 09:56 - 11:00 | 信任與突破：說服安全團隊接受AI代理的實戰部署。 |
| 11:01 - 13:03 | AI在企業內部的分級應用與「虛擬員工」概念：為非技術團隊打造AI工具。 |
| 13:04 - 15:42 | 非技術人員的AI賦能與Token成本考量：讓每個人都能運用AI。 |
📖 詳細內容
01｜CEO的AI新角色與企業身份重塑
核心觀點： 在這個AI快速發展的時代，企業領導者必須將AI視為解決一切問題的核心工具。CEO應該親自擔任首席AI官，深入理解技術的邊界，並帶領公司重新定義其核心業務和身份，以適應AI帶來的變革。這不再是工程師或產品團隊的專屬任務。
重要原話：
"Whatever problem you have in your life, why can't you solve it with AI and just like start there. I think the CEO needs to be the chief AI officer."
（中文翻譯：你生活中遇到的任何問題，為什麼不能用AI來解決呢？從這裡開始思考。我認為CEO需要成為首席AI官。）
個人感受： 我覺得這句話非常震撼，它要求我們徹底改變解決問題的預設模式。過去我們遇到問題會想找人、找工具，但現在第一時間就該問：「AI能怎麼幫我？」這種思維轉變對習慣舊模式的人來說，的確需要一些時間來適應。
延伸思考： 如果公司的最高領導者不具備深刻的AI理解和決心，那麼任何AI策略都很難真正落地並發揮作用。這不只是技術問題，更是領導力與文化變革的問題。
可參考的行動： 在你接下來的工作中，無論遇到任何挑戰，都試著先停下來問自己：「如果我只能用AI來解決這個問題，我會怎麼做？」
02｜Brex CEO Pedro Franchesci的AI啟蒙
核心觀點： 講者分享了Brex的CEO Pedro Franchesci如何被AI深深影響。Pedro在一次午餐分享會中展示了自己對AI的深入應用，這甚至促使Y Combinator的整個團隊也開始積極投入AI工具的開發，顯示了AI的強大感染力，以及一個早期採用者如何能啟發整個生態圈。
重要原話：
"He's here today because Brex has gone deeper on AI than almost any enterprise company we know. And Pedro's own AI setup is so compelling that when he came to YC for lunch, it sent our entire team down a rabbit hole of building on their own."
（中文翻譯：他今天來到這裡，是因為Brex在AI領域的投入比我們所知的任何企業都深。而Pedro個人的AI設定非常引人入勝，以至於他來YC吃午餐時，讓我們的整個團隊都深陷其中，開始自行開發。）
個人感受： 看到一個人能透過自己的實踐，啟發這麼多專業人士深入探索AI，我感到非常鼓舞。這不只是一次技術分享，更像是一場思想的啟蒙，讓大家意識到AI的巨大潛力。
延伸思考： 個人層面的深度應用往往是企業層面大規模變革的催化劑。如果領導者能像Pedro一樣親身示範，員工會更容易接受並嘗試新技術。
可參考的行動： 找出一個你認為對AI應用非常深入的人，主動向他請教或觀察他是如何運用AI的，從而找到自己的靈感。
03｜「釋放爪牙」：對待大型語言模型的顛覆性思維
核心觀點： 許多人錯誤地將大型語言模型（LLM）視為昂貴且脆弱的資源，並嘗試透過大量程式碼（如50萬行Rails程式碼）來過度控制其輸入和輸出，將其限制在如同「富士康工廠」般的嚴格環境中。Pedro主張要「釋放爪牙」（Free the Claw），讓LLM像代理人一樣自主運作，因為好的AI產品其實就是帶有工具的代理人循環。
重要原話：
"The craziest thing was realizing like what I had gotten wrong that I think actually most people in software are still getting it wrong is you they've been treating the LLM like this very precious thing that's very expensive... And they want to be like at the Eselin Institute and that's what OpenClaw is."
（中文翻譯：最瘋狂的是我意識到自己犯了一個錯誤，而且我認為大多數軟體業的人仍然在犯這個錯誤，那就是他們把大型語言模型當成非常珍貴且昂貴的東西來對待……它們應該像是埃斯林學院（Eselin Institute）那樣自由自在，這就是OpenClaw的本質。）
個人感受： 我很喜歡「釋放爪牙」這個比喻，它顛覆了我對AI模型應該被嚴格控制的直覺。這個想法讓我意識到，也許我們限制了AI的創造力，就像我們限制了人類的潛力一樣。
延伸思考： 這種思維轉變提醒我們，不應該用舊有的工程模式來限制新技術的發展。AI代理的真正價值，或許就在於它們能自主思考、規劃並執行任務。
可參考的行動： 如果你在使用AI工具，試著給它更多的自由度，看看它能否在較少人為干預下完成任務，並觀察其結果。
04｜AI如「電力」：理解其潛力的關鍵時刻
核心觀點： 講者將GPT-4.5的出現比作「電力發明」的時刻，認為那是AI技術從研究專案轉變為實際可用的轉捩點。儘管當時許多人仍在玩「蠟燭」或質疑其亮度，但對於像Pedro這樣的人來說，這代表著一個全新的時代已經來臨，足以推動程式碼應用和代理人工具的實用化。
重要原話：
"The way I describe it to my team is like you know electricity was invented in December... and I think electricity was Open 4.5... but to me that was the the the the tip of the spear where you could say yes like coding harnesses actually work."
（中文翻譯：我向我的團隊描述時說，就像電力在十二月發明一樣……我認為那個電力就是Open 4.5……對我來說，那是突破點，你可以說「是的，程式碼工具確實有用」。）
個人感受： 這個「電力」的比喻讓我感到非常貼切。它讓我想到，現在我們很多人可能還在用「蠟燭」的比喻來看待AI，擔心成本或實用性，但那些真正看到「電力」潛力的人，已經在思考如何用它來改變世界了。
延伸思考： 歷史上許多顛覆性技術的早期階段，總是被低估或誤解。我們現在正處於AI的「電力時代」初期，能否抓住機會，取決於我們對其本質的理解和應用決心。
可參考的行動： 花時間深入了解最新AI模型的實際能力，不要只停留在新聞或表面資訊，親自操作並感受它的力量。
05｜解決企業AI安全：Crab Trap與LLM審核機制
核心觀點： 企業在擁抱AI代理時，最大的挑戰是安全性，特別是如何讓AI代理在生產環境中寫入或修改系統。Brex透過開發開源工具Crab Trap來解決這個問題，它在網絡層代理AI代理的所有HTTP請求。這套系統利用另一個LLM作為「判斷者」，根據預設政策審核代理的行為，從而實現98%的自動化決策，其餘2%則由LLM判斷是否放行。
重要原話：
"We ended up realizing that the only way to actually do something about it was to do something in the network layer... you analyze you you HTTP proxy the entire network boundary of an agent... and you basically can use another agent to analyze the traffic and create a policy to let traffic go through or not."
（中文翻譯：我們最終意識到，唯一能實際解決問題的方法是在網絡層面做些事情……你分析並透過HTTP代理一個代理的所有網絡邊界……你基本上可以使用另一個代理來分析流量，並建立一個策略來決定流量是否通過。）
個人感受： 我覺得Crab Trap這個方案非常聰明，它不試圖從內部限制AI代理，而是在其與外部互動的邊界進行監控和審核。這種「放手但看緊」的策略，既能發揮AI的自主性，又能確保安全。
延伸思考： 在面對新興技術帶來的風險時，與其從一開始就完全禁止或過度限制，不如創新性地開發新的監管和保護機制。將AI用於監管AI，或許是未來安全的趨勢。
可參考的行動： 如果你的團隊正在考慮部署AI代理，研究Crab Trap這類網絡層安全解決方案，並思考如何在不扼殺AI自主性的前提下確保操作安全。
06｜信任與突破：從風險規避到實戰部署
核心觀點： 說服嚴謹的安全團隊，讓他們信任AI代理能夠在生產環境中安全運作，是一項艱鉅的任務。Brex透過Crab Trap的實際成效，展示了AI作為「判斷者」在審核HTTP請求方面的能力，最終成功贏得了安全團隊的信任，使他們願意更大膽地實驗和部署AI。這證明了實用且可驗證的解決方案是推動AI在敏感領域落地的關鍵。
重要原話：
"The LM as a judge was for us the determining capability to say do you trust us in production or not? And our security team at Brex, very rigorous and very good at what they do for a long time were, well, you know, not really. To getting them to a yes, we actually believe this is enough was a big unlock for us."
（中文翻譯：對我們來說，讓大型語言模型作為判斷者，是決定我們能否在生產環境中信任它的關鍵能力。我們Brex的安全團隊非常嚴謹且優秀，長期以來都對此持保留態度。能夠讓他們點頭說「是的，我們相信這樣就足夠了」，對我們來說是一個巨大的突破。）
個人感受： 我可以想像，讓安全團隊點頭同意新技術上線有多難。這個故事告訴我，任何創新都需要實際的成果和強而有力的論證，才能打破既有的保守心態。
延伸思考： 許多組織在AI部署上卡關，往往不是技術問題，而是文化與信任問題。建立透明、可審計的AI系統，對於贏得內部利益相關者的信任至關重要。
可參考的行動： 在推動新AI方案時，不要只強調功能，更要著重於建立其可信賴性與可審計性，並積極與安全或法規團隊溝通，展示實際的風險緩解方案。
07｜AI在企業內部的分級應用與「虛擬員工」概念
核心觀點： 企業內部對AI的採用分為三個層次：「Token最大化者」（工程師深度使用）、普通工程師（有限使用），以及公司大部分的非技術人員。對於非技術人員，AI應用往往停留在「Google搜尋模式」或簡單聊天機器人。Pedro的目標是為這些非技術團隊構建一個類似「虛擬員工」的AI工具，它能像人類同事一樣參與會議、處理電郵、在Slack上互動，無需手動編碼就能自我學習和改進。
重要原話：
"The entire rest of the company typically is interacting with AI in what I call like Google search mode way, which is a chatbot with a few MCPS... our thesis was how to actually build an equivalent harness for other teams that are nontechnical... this is actually a virtual employee almost that has you know it's on Slack, it has an email, I can actually invite it to a meeting, can join a meeting, take notes."
（中文翻譯：公司裡其他所有人都通常以我所說的「Google搜尋模式」來與AI互動，這是一個帶有一些MCPS的聊天機器人……我們的論點是，如何為其他非技術團隊建立一個類似的工具……這實際上幾乎是一個虛擬員工，它在Slack上，有電郵，我可以邀請它參加會議，它可以參加會議並做筆記。）
個人感受： 「虛擬員工」這個概念很有趣，它讓我想到AI不再是單純的工具，而是能融入團隊協作的獨立「個體」。這對於提升非技術部門的效率，想像空間真的很大。
延伸思考： 實現「虛擬員工」需要的不只是AI模型本身，更需要一套能讓非技術人員輕鬆設定、管理和與之互動的「基礎設施」。這類「非編碼」的AI工具將是未來普及AI的關鍵。
可參考的行動： 思考你團隊中是否有重複性的行政或協作任務，可以嘗試用一個具有電郵或Slack整合能力的AI工具，讓它學習並執行這些任務，像一個「虛擬實習生」。
08｜非技術人員的AI賦能與Token成本考量
核心觀點： 講者指出，雖然企業內部有「Token最大化者」在積極使用AI，但普遍企業員工對AI的採用仍停滯不前，其中一個原因是對Token成本的顧慮。然而，真正的價值來自於讓AI代理能夠透過Markdown等簡單配置就能自我啟動和改進能力，無需程式碼。這也包括了考慮使用成本較低的開源模型或在本地GPU上運行，以鼓勵大規模實驗和使用。
重要原話：
"People people forget that cloud code isn't magic. It's just it's just literally a harness around the same models we you can use in an API... The thing that we found it very curious working with a lot of startups early on is a lot of founders are very shy about burning tokens."
（中文翻譯：人們忘記了雲端程式碼並非魔法。它只不過是一個圍繞著你可以透過API使用的相同模型的工具……我們在早期與許多新創公司合作時發現一個非常奇怪的現象，就是許多創辦人對於消耗Token非常謹慎。）
個人感受： 我確實也曾對Token成本有點卻步，但聽到Pedro強調要「Token最大化」並嘗試各種便宜方案，讓我意識到，如果因此錯過了AI帶來的潛力，那才是真正的成本。
延伸思考： 普及AI的關鍵在於降低其使用門檻（無論是技術還是成本）。隨著開源模型和本地部署技術的進步，AI將不再是大型企業的專利，而是人人可用的工具。
可參考的行動： 如果你發現Token成本是你使用AI的障礙，嘗試研究是否有開源的大型語言模型可以在你的本地電腦上運行，或者是否有更經濟的API選項，開始你的「Token最大化」實驗。
💎 精華收穫
這支影片強烈呼籲企業領導者要像Brex CEO Pedro Franchesci一樣，以「AI狂人」的思維，將AI深度整合到企業的每一個角落。關鍵在於突破對大型語言模型的過度限制，像「釋放爪牙」般讓AI代理自主運作，並透過Crab Trap等創新方案解決安全疑慮。最終目標是讓AI成為企業的「虛擬員工」，讓每位非技術人員都能輕鬆利用AI提升效率，引領公司衝向AI的新紀元。
由 PotatoLearning Hub 自动生成