目錄

1. 麥當勞教會我們的事
2. 這一波發布，都在講同一件事
3. 護城河正在搬家：從 Model 搬到 Context
4. 信任，正在變成一種產品設計
5. 「最強模型」可能根本不是答案
6. OakMega： 一站式的 Context、Action、Trust
7. FAQ

‍

麥當勞教會我們的事

2021 年起，麥當勞在美國超過 100 家分店，跟 IBM 合作測試一套「AI 語音點餐」得來速系統，想像很美好：顧客不用再對著喇叭反覆喊單，AI 就能聽懂、下單、結帳，一路準備推廣到全美國。

但沒多久，社群上開始瘋傳各種翻車影片 — AI 聽不懂顧客的話，一份點單硬是被加到 260 份雞塊、往冰淇淋裡加培根跟奶油，顧客不斷糾正它還是聽不懂（其中一支流傳最廣的影片，就是一位顧客對著喇叭大喊，AI 卻愉快地覆誦九杯甜茶、一份加培根的焦糖聖代，外加約 222 美元的雞塊。她根本沒點過這些）。這些片段在 TikTok 跟 Twitter 上瘋傳之後，麥當勞在 2024 年 6 月宣布喊停這套系統（CNBC 報導），超過 100 家分店測試用的機台，在當年 7 月底前全部撤下，退回人工點餐（Al Jazeera 報導）。

我看到這則新聞的時候，心裡想的不是「AI 不行」，而是：這說明了一件更根本的事 — Intelligence 再強，也不等於能被規模化地信任去做事。 語音辨識再厲害，如果沒有足夠的 context（現場噪音、顧客真正想要什麼、什麼時候該轉交給人）、也沒有讓顧客隨時能喊停、修正的機制，再聰明的系統也會釀成一場被全網拍下來的災難。

這個提問，剛好也是這幾週我看完一整輪各大廠發表會之後，一直放不下的問題：當模型能力都快速逼近，AI 產品到底還剩下什麼可以形成差異化？

一句話先講結論：當 GPT、Claude、Gemini、Grok 的智能都快速逼近，AI 產品的差異化正在從「模型有多聰明」轉移到三件事 — 它擁有的 Context、被賦予的 Action 權限，以及使用者願意給的 Trust。模型會持續商品化，這三層不會。

這一波發布，都在講同一件事

最近 4 到 6 週，幾乎所有大廠都在往同一個方向移動。OpenAI 的 GPT-6 Astra 主打的不是「更會聊天」，而是 Computer Use、Browser Use、可以直接完成文件、試算表、簡報等完整工作產出 — 而且需求變動之後，它會繼續調整成果，而不是打掉重練。SpaceXAI 更直接，把 Grok Bot 定位成「企業的 AI teammate」，每個 Bot 有自己的雲端電腦，能自己使用網站與 App，登出之後還在背景繼續工作。Meta 的 Muse 走得更個人化，它不是等你問問題，而是持續理解你的 context，主動幫你推進目標。Anthropic 同期發表的 Claude Fable 5.1 與 Mythos 5.1，也把重心放在 coding、知識工作與科學研究這類需要長時間、多步驟執行的任務上。

這些發布擺在一起看，不是巧合，是一整個產業的共識轉向：2026 年的競爭焦點，已經從「Intelligence」移到「Execution」。 過去我們在意模型會不會回答得聰明；現在大家在意的是，它能不能真的把一整段工作做完。

但正因為每一家都在往「更能做事」前進，一個更尖銳的問題也隨之浮現：如果 GPT、Claude、Gemini、Grok 都已經聰明到可以做完一整段工作，使用者為什麼一定要用其中一個？

護城河正在搬家：從 Model 搬到 Context

答案正在收斂成一句話：誰最了解「現在這件工作」。

Salesforce 跟 Anthropic 在 8 月底宣布的 Claudeforce，是我目前看過最直白的示範。它的核心根本不是推出另一個模型，而是把 Claude 接上 Salesforce 自己的即時營收資料、workflow、business logic 與治理規則。第一批「Salesforce in Claude」就提供了 37 個 sales skills，讓 Claude 可以直接從活的 pipeline 資料做推理、更新 deal 狀態、執行受治理的動作。這些 skill 之所以值錢，從來不是因為背後用了哪一家的模型 — 換成任何一家聰明程度相近的模型，結果都不會差太多。真正值錢的，是 Salesforce 手上那份「這家企業的顧客關係到底長什麼樣子」的資料與規則。

這件事印證了一個我愈來愈確信的公式：

Better AI ≠ Better Model Better AI Product = Model × Context × Tools × Memory

這裡的 Context，指的是讓 AI Agent 得以理解一家企業獨有的顧客關係、業務邏輯與治理規則的資料與規則層 — 它不是模型本身，而是模型之外、讓 Agent 知道「該怎麼行動」的那一層。

Model 智能商品化的速度,可能比我們想像得快。多篇 2026 年的商業評論都在講同一件事 — 模型本身正在快速變得「哪家都差不多」，真正沉澱下來、不會隨著模型升級就蒸發的優勢,是那些「connector、evaluation harness、agent orchestration、guardrails」— 說白了,就是 Context 跟這個 Context 被治理的方式。這跟我們一直在講的第一方資料,其實是同一件事的兩種說法:AI 時代,顧客資料的價值不是「可以拿去分析」,而是「能不能讓 Agent 知道該怎麼行動」。

這個道理也不是矽谷專屬。台灣的 AI Agent 平台 MaiAgent 最近在 VivaTech 2026 上提出的主張幾乎一模一樣：企業不需要再一個孤立的 AI 工具，而是需要一個「治理型 AI Core（governed AI Core）」，讓團隊能在正確的權限下安全使用正確的資料 — 這跟本文的論點是同一件事的不同說法。

信任，正在變成一種產品設計

Agent 真的能做事之後，問題的性質也整個變了。以前 AI 出錯，頂多是回答錯一題 ; Agent 出錯，是寄錯 Email、改錯 CRM 資料、訂錯東西、執行錯一整段 workflow。

所以我們看到 Permission 跟 Governance，正在從「事後補救的合規勾稽表」，變成一個獨立的產品層。Meta Muse 就是個清楚的例子 — 它刻意把「執行」跟「授權」拆成兩個系統層級隔離的 agent,Muse 本體負責規劃跟建議，但沒有另一個叫 Sentinel 的獨立 agent 核准，任何連網動作、任何 connector 操作都不能執行，敏感步驟一律轉回使用者確認，而且使用者能看到完整的 audit trail。GPT-6 Astra 也走上類似的路 — 因為它的資安能力首度觸及 OpenAI 自家安全框架裡的「Critical」等級,OpenAI 反而加大力度做行為監控，一旦系統判斷 Astra 可能誤解指令，就會暫停工作，等使用者確認才繼續。

有一組數字很值得放在這裡對照：目前已經有超過六成的企業在實驗 AI agent，但真正在某個職能規模化部署的，只有二到三成 ; 更值得注意的是，只有一成出頭的 IT 主管，認為自己有能力有效治理旗下的 agent。這個落差，不是技術能力的落差，是信任機制的落差。

未來的產品介面，很可能不再是「允許 AI／不允許 AI」這種二選一，而是一整排更細緻的授權：

• 讀取 ✓
• 分析 ✓
• 草擬 ✓
• 更新 CRM ✓
• 對外發送 → Ask me
• 花錢 → Ask me
• 刪除資料 ✕

換句話說，Agent 時代的 Trust ，不再只是品牌信任的問題，而是要被實際設計進產品架構裡的一環。

「最強模型」可能根本不是答案

Google 在同一週發表的 Gemini 3.8 Flash,給了我另一個角度的提醒。它的定位不是「我們做出了最聰明的模型」，而是主打低成本、高效能的 workhorse — 定價維持在每百萬輸入 token 0.75 美元、輸出 3.75 美元，甚至公開建議部分工作負載留在舊版模型上就好，不必每次都升級。

這件事對 Agent 特別重要。因為聊天機器人可能一次推理就結束，但 Agent 要做一件事，常常得推理、搜尋、再推理、讀取、再推理、使用工具、檢查、重試、產出、驗證 — 跑上幾十次甚至幾百次推理。這時候問題就不再是「哪個模型最聰明」，而是「這一步，哪個模型最便宜又夠可靠」。Perplexity 最近展示的本地加雲端混合運算，也是同一個邏輯 — 敏感資料留在裝置端，真正需要更強能力時才升級到雲端。

所以我認為,產品的核心競爭力，正逐漸不是「我們用了哪一家模型」，而是「我們怎麼幫每一個任務,挑到最適合的智能」。這就是 Model Orchestration — 簡單說,就是依任務性質，動態選擇最適合、最划算的模型組合，而不是每一步都丟給同一個「最強模型」處理。而它,跟前面講的 Context 與 Trust，其實是同一件事的不同切面：你必須先懂這個工作、懂這家企業的規則，才有辦法決定什麼任務該用什麼模型、什麼動作需要什麼授權。

拉回 OakMega：一站式的 Context、Action、Trust

這幾週看下來，我對 OakMega 接下來要走的路，反而更篤定了。

第一段,是 Social CRM 的角色。我們把「理解並經營顧客關係」這件事產品化 — 讓已經有一定規模、資料結構相對標準化的品牌客戶，直接透過 Social CRM 取得這一層 Context Layer 的能力。這是規模化的路徑:以前 Social CRM 是「管理顧客關係的工具」，未來它更接近「讓 AI 能理解並經營顧客關係的 Context Layer」。

第二段,是 FDE (Forward Deployed Engineering) 的角色。但現實是,每一家企業的資料結構、業務邏輯、授權規則都不一樣 — 沒有一個現成產品可以直接套用到所有情境。這正是 FDE 存在的理由：當一家企業需要的不是「買一個功能」，而是「把我們獨有的顧客關係邏輯，實際搭建成 Agent 能安全執行的系統」，我們的工程師會蹲進客戶的資料與流程裡，一家一家把 Context、Action、Trust 這三層規則做出來。而 FDE 專案裡驗證過的模式，最終會回饋進 Social CRM 產品，讓下一批客戶直接受益。

不管一家企業現在處在哪個階段 — 已經有標準化需求，或是還需要客製化落地 — 我認為 OakMega 提供的，其實是同一件事的兩種形式：讓 AI 真正理解你的顧客關係，並且被信任地去經營它。

Salesforce 的 Claudeforce 已經清楚證明了一件事：AI model 本身不是 CRM 的護城河 ; CRM 裡的顧客 context、business logic、permission 與 actions,才是。當模型智能持續商品化，我相信這正是 OakMega 接下來要花最多力氣蓋出來的東西 — 不管是透過 Social CRM 規模化地蓋，還是透過 FDE 一家一家客製化地蓋。

FAQ

Q1：模型會不會被商品化，真的有共識嗎?

目前業界評論的方向相當一致 — 包括對「模型會愈來愈像日用品」的討論在內，多數觀察都指向：模型智能本身的差異會愈來愈小，真正沉澱下來的優勢會轉移到 connector、資料、治理規則這類「模型周邊」的資產。但這是趨勢判斷，不是定論，仍值得持續觀察。

Q2：企業現在導入 AI Agent，卡關的地方通常是什麼?

根據目前看到的產業觀察，多數企業不是卡在「模型不夠聰明」，而是卡在治理與信任機制 — 不確定該給 Agent 多少權限、出錯了誰負責、怎麼追蹤它做了什麼。這也是為什麼 Permission/Governance 正在變成一個獨立的產品設計問題。

Q3：OakMega 的 Social CRM 跟 FDE 服務，企業該怎麼選?

簡單來說，如果企業的資料結構與流程已經相對標準，Social CRM 可以直接提供 Context Layer 的能力 ; 如果企業有獨特的業務邏輯、系統整合或治理規則需要客製化落地，FDE 會是更適合的起點。兩者也可以先透過 FDE 驗證,再逐步導入 Social CRM。

Q4：什麼是 Context Layer？

Context Layer 是指讓 AI Agent 得以理解一家企業獨有的顧客關係、業務邏輯與治理規則的資料與規則層。它不是模型本身，而是模型之外、讓 Agent 知道「該怎麼行動」的那一層 — 這正是本文主張的下一階段護城河所在。

References

• OpenAI, GPT-6 Astra: A new generation of intelligence
• Fortune, OpenAI launches GPT-6 Astra
• CSO Online, OpenAI launches GPT-6 Astra, its first model to cross a critical cybersecurity threshold
• Salesforce, Salesforce and Anthropic Announce Claudeforce
• Anthropic, Introducing Claude Fable 5.1 and Claude Mythos 5.1
• Enterprise DNA, SpaceXAI Launches Grok 4.6 for Enterprise Agents
• Reworked, xAI Wants In on the Enterprise With Grok Bot
• about.fb.com (Meta), Introducing Muse: The World's First Personal AI Agent
• Help Net Security, Google's Gemini 3.8 Flash takes on bigger AI models at a lower cost
• VentureBeat, Perplexity AI unveils hybrid local-cloud inference system at Computex 2026
• Seeking Alpha, AI's Next Moat: What Survives When Models Become Commodities
• Accelirate, Agentic AI Statistics 2026
• CXO XPERTS, AI Agent Governance: Why It's Enterprise AI's Biggest Challenge in 2026
• CNBC, McDonald's to end AI drive-thru test with IBM
• Al Jazeera, McDonald's scraps AI pilot after order mix-ups go viral
• Restaurant Dive, McDonald's ends IBM drive-thru voice order test
• Restaurant Business, McDonald's is ending its drive-thru AI test
• TikTok (@tech360.tv), McDonald's withdraws AI technology after bacon ice cream and nugget overload orders
• PR Newswire, At VivaTech 2026, Taiwan-Based MaiAgent Says Enterprises Should Stop Building RAG and AI Agent Systems From Scratch