開場與自我介紹
今天他就希望可以透過這一段實戰經驗來向大家分享這個主題：Leading to Agent-Native Company。讓我們一同掌聲歡迎林裕欽為我們帶來的分享，歡迎。
嗨，大家好。嗨，OK 好，以下是真人。OK 好，哈囉，我是林裕欽，大家可以叫我 Peter Lin。那我是 Dcard CEO。那我今天很想要跟大家分享說，我過去一年半到兩年之間，在公司做整個 Agent Native 的心得，然後我覺得蠻興奮的。
那我自己是個企業主，那我不是上市公司，說整天要喊 AI、AI。所以其實對我們公司來講，真正重要的是 AI 真的落地、發揮的價值是多少。所以過去一年多、兩年多，或是過去十年，其實我一直在做一件事：到處去看。那所以像上個月我還在紐約參加這種 AI Agent conference。
自己當 FDE，從爆紅的年度總結文章說起
在這個過程中，我很早就了解到 AI 要落地，有人在服務是非常重要的。所以我一開始在公司做了自己當 FDE。後來就分享這篇文章，算我去年一整年的心得吧。比如說去年一整年，我就寫了大概 50 個 MCP Server，為了公司上下要串接。
這篇文章我就發出來，我本來想說只是一個簡單的年度總結，結果後來七天內就有 60 萬人看過。我想要知道底下多少也是這 60 萬人的，可以舉個手嗎？對，蠻多的，謝謝各位。
給大家一個簡單的畫面，知道我去年大概怎麼做的。其實大概去年 2、3 月開始有 Claude Code 之後，我就發現公司內要幫大家解決問題變得太容易了。我自己又是一個已經十幾年的 Engineering background 的人，所以我就開始說，解了幾個問題之後，我就跟全公司的同事徵求說：你們全部有什麼 Agent 的需求就告訴我，我就把你們都去 fulfill。
導入曲線與關鍵數據
如果 Agent 我們真的可以讓它把問題端到端解決，它就會變綠色的，它就會 mark 起來，就是有被解決。所以可以想像這個規模，全公司有這麼多，就像每個崗位上大概都有十到二十幾個，它乘起來，全公司的案例就是五、六百個以上。
好，那這個數據是我覺得最蠻關鍵的。就是說，其實在做 Agent Native 的時候，不是要訂 KPI 讓大家都去用某個工具，這個它也不是一蹴可幾的，其實最核心是一個導入曲線，就像這張圖一樣。我們一開始 3 到 6 月的時候，我開始手工做第一版，那 8 月就上了一套新的內部的 Agent 的平台之後，你看它持續的 Weekly Activation 是一直在往上升的。那這個代表說，其實大家真的覺得做的東西有用，而不是做了一個沒用的 Agent 就放著。
那到今天，就是現在 6 月，已經超過 90% 的 Dcard 夥伴每週都會用這個 Agent 的平台。這還是在我們公司所有的 engineer，從去年 6 月開始都已經是無上限補助 Claude Code、所有崗位都可以去申請，底下做到這個程度。
那給大家另外一個數據去想像一下，就是說這裡有三條線。一個是 user prompt，這條線其實是大家每週去下的任務數。其實人都會累，所以就像 Claude Code 一樣，5 個小時要 reset 我們，人不可能無上限的工作，但是你會看到，其實人會隨著時間越來越熟練，每週丟的任務數會變多。
讓全公司每個人都能自己 build agent
一旦這個東西被 trigger，有一個正循環之後，它其實擴大的速度會非常快，而且你會找到非常多有價值的事情。那 eventually 它會長到什麼樣子呢？不是有個 IT 團隊或公司有一些 AI 部門去幫助大家去 build agent，真正重要的，其實是讓公司上到下所有同事都能夠自己 build agent。
可能他需要的 skill、他自己的 agent，然後有 Permission Control、Action Control 這一系列複雜的自己流程之後，要教會大家怎麼去做。在我們公司，財務、行政、法律，你想到各式各樣的崗位都會自己 build Agent。
我很喜歡這本書的架構，就是跨越鴻溝。其實所有的技術都是從早期的技術狂熱者，才到 early adopter，然後再往後擴。大家如果以 ChatGPT 來講，其實已經到 late majority 了，就是基本上世界上大多數有在上網的人，都有在用相關的 LLM chat。但是真的公司變成 Agent Native，在 Enterprise 端其實才剛開始，我覺得還不到 1%。
這本好書 early markets
緣起：兩個小時幫家裡做好一個網站
那我簡單分享一下，一開始原起，我怎麼發現這件事的。我覺得它有一件事蠻有趣的，就是呢，因為我以前就會寫網站，所以我就想要幫家裡寫一個網站嘛。那這是我家的 Google Maps，大家可以無視，刷刷看去幫我刷 SEO 這樣。
我就想要幫家裡寫一個網站嘛，我就覺得哇，如果做原意的，那我再寫一個網站，我以為寫一個網站我就稱霸了嘛，所以我就想要幫家裡做。雖然我會做，但過去大家應該知道，我做的網站又設計起碼四週起跳。那我後來就兩年前知道有 Replit 之後，我就先叫 AI 去幫我找，之後就 prompt 了它去幫我做網站。結果兩個小時內，我家的網站就做完了。
這件事就是給我很大的啟發，說：哇，我們過去手工藝、覺得很自豪做網站的技術，其實已經完全不一樣了。我兩個小時內連 Domain 都買好了、也都綁好了。它叫 Bonsai.com.tw，就是日文盆栽的意思。好，業配到這邊。
寫程式為什麼特別好用：context 集中
這件事給我最大的啟發是，Dcard 其實是做一個很大的 Social App 的公司。博士級智能的 LLM 這麼容易取得，為什麼沒有大幅改變公司的做事方式？這點很奇怪吧？
好，那我就仔細去看，這些 coding agent 到底怎麼做的，它比 ChatGPT 或其他都還要好，好在哪呢？我發現其實一個很重要的關鍵是，寫程式這個任務，它大量的 context 都在同一個地方。比如說前端、後端、程式碼、資料庫、過去的對話、接下來要做什麼、渲染的畫面，它其實 context 是非常 defined 的，它一切都在那邊。只要你 context 都充足的時候，其實 LLM 的表現已經非常非常好，去年是這樣，今年又再更好。
所以我就反過來想說，如果一間公司的 context 都會被 AI 很容易的調用跟行動的話，到底會發生什麼事情？所以我就開始去 build。反正 15 年前開始，我在大學做了 Dcard，今天 MAU 大概超過 2000 萬的 social 平台。所以這次我也是先從一個學校的點開始，可是不知道第一天能夠長到多大，我就先從同事的一個問題解決，到最後打造一個我們所有夥伴需要的 Agent 的平台。
案例一：onboard 新人與 Agent 平台的運作
我來講一些 exemplar，讓大家有具象。第一個呢，其實是剛剛有人講嘛，前面幾個演講者都有講到 onboard 新人這件事情。而且我覺得 onboard 新人這件事最有趣的是，過去比如說很多大的公司，他都會覺得要有個 bootcamp 一兩個月再去 onboard，是因為真的很多資料真的很複雜。你要完成 delivered，比如說第一個 commit，或是交出第一份財務的分析，其實是需要大量的知識累積的。
Dcard 解決這件事後，大量使用。今天我們 onboard 第一天，同事第一件事開完 Google 帳號之後，就一定是開我們的 Agent 的平台給他們用。給個範例，比如說一個新人的 engineer 來，他想知道 Dcard 的某一個內部的 terminal 是怎麼做的，外部是沒有這些資料的時候，他就會下說：你可以去看一下這個東西我怎麼做的嗎？
內部 Agent 平台就會做複雜的事情。第一件是它會去找全公司可以用的工具。以今天來講，全部所有能做的工具有兩千多個，所以它其實是一個複雜的東西。如果你作為 Agent 就知道，你不可能把所有的 Tool Spec 都一起塞進去，你要怎麼在正確的時間、正確的 prompt 去調用正確的工具，就是一件複雜的事情。
接下來要去確保授權。以 Enterprise 內部在跑來講的話，每個人其實的權限一定要是非常非常 protected，不然你不能 data leaking，會造成這樣大的問題，尤其 Dcard 要是做一個極度隱私的平台。第三個是 AI 會去做多輪的搜索，去看各式各樣的內容，從上一個問題再去找下一個問題，然後慢慢整理出來。
最基本的話，它最主要就是出一個各種類型的開發報告，所以最基本就是出文字嘛。那在 Dcard 那邊，其實我們最鼓勵大家就是你去出成各式各樣的投影片。那你出投影片之後，它就是專屬為你做的一個 onboarding 的 material，然後很多很複雜的圖、邏輯、架構，其實都可以透過這樣的方式去畫出來。對，各式各樣的。
它的本質是企業的學習工具
那我覺得這裡最重要的一件事，它不是什麼簡報製作或找問題的工具，最核心的是一個企業的學習工具。
我們最核心的 measure 是這個東西：不是說公司同事 AI 用多少，而是公司新人產生價值的 time to value 有沒有大幅縮短。因為比如說我們財務、法務，過去這樣可能第一、兩個禮拜能做很多東西；我們的工程師通常在第一天到第一週就會送出第一個 PR。
案例二：怎麼分析內部數據
第二個我想要分享一下怎麼分析內部數據。Agent 去分析數據其實應該是大家很成熟理解的 typical case，但是這裡我想要分享就是說，其實寫 SQL 只是基本。因為最難的啊，你看到一個 datasheet，它上下游的關係是什麼，它才能夠決定這個數據寫出來的東西可不可信，所以怎麼理解它的上下游關係才是優先、才是關鍵。
以 Dcard 來講，我們收集用戶的數據量就非常龐大，數百 TB，幾千張到三、四千張的 Data Table。所以你要知道它上游到下游的關係是很複雜的，但是你必須要知道這個關係，你的 AI 寫出來的 SQL 才會正確，而且結合我們線上的功能，這些 project、各種各樣的東西。所以 AI 在這裡最大的用途是，它會動態地去生成你需要的分析介面，然後穩定地去注入這些資料。
所以其實我們過去就想說是這樣，就是比如說產生 SQL，這是第一步；第二個就是你可以在對話中渲染圖表，那是第二步；第三個是你可以直接去控制你既有的 dashboard，這是第三步；最後一步就是它能夠動態來幫你產生分析的介面。因為如果你可以動態分析的介面，你出長報告或跟同事溝通的效率都會快非常非常多。
data 和 metadata 是完全不一樣的
那我們自己在看的時候，其實很重要的一件事就是說，其實 data 跟 metadata 是完全不一樣的。左邊講的過去都是這種 data 的 preparation、schema、字體，但更複雜的其實是右邊這段，說它整個語意 process、它的權限的技術，這所有東西其實都要管起來。其實像我們自己有看到一件事就是說，這些東西其實是散落的，所以 Agent 的能力越強，你的 preparation 就越少，因為這些東西你要整天叫大家去標出一大堆複雜的東西、Skill 啊什麼東西去給 AI，那是不容易的。但是你只要打出幾個關鍵節點，Agent 其實是很容易去把這些散落的東西 gather 在一起。
那我們自己在看，其實像我們自己在 Dcard，以及我們現在在幫一些公司去 consult，其實大部分的公司企業內的 Meta Data 都是很有限的。它一類不是 NOT accessible，要不然就是沒有不用 overnight，那最後甚至最多的是 NOT documented，比如說在會議中、在各式各樣對話中，沒有被 documented。那這些東西其實是公司突破的一個機會。
那為了這一系列問題，我們內部就做了十幾個工具在解決類似的事情。你怎麼標出內部需要的 Ontology、你的 Semantic Data 怎麼辦、你常用的 Data People、你怎麼樣更好地去把它 complete 起來。
案例三：如果銷售壞了怎麼辦
第三個，如果銷售壞了怎麼辦？這應該是所有公司都會遇到的問題，因為銷售往往是公司內帶營收最重要的崗位。以 Dcard 來講，核心就是廣告的業務，就是怎麼去給客戶提案、去做廣告。新人 onboard 的時候，他其實不是再去看過去的 CRM，因為 CRM 其實你要錄資料，那是很花時間，大家又要去學各式各樣的工具。
Agent 那個程式真的非常非常好用，只要你 Agent 給夠多的東西給他。所以像以 Dcard 來講，我們現在所有的業務，他想要知道一個客戶他過去的交易紀錄，他喜歡什麼、不喜歡什麼，他都可以馬上告訴他。以外呢，它會隨時搭配跟他講說，看他的行為 pattern 給他進攻策略，這些都是不斷不斷會去 update，所以就等於說每個 Sales 旁邊都有一個 Sales Coach 不斷去協助他。
那這件事其實是一個很複雜的、大規模 Sales 的 Agent 的組織問題。因為啊，其實好的一個商業提案，它有四大的資料來源，都是你要同時在提案之前都是 figure out 好。第一個是客戶做什麼、為什麼做；第二個是競品過去做什麼、現在做什麼；第三個是內部提供什麼、外部有什麼切割，內部的產品推廣，比如說每個月出了一些產品，其實銷售的教育跟市場的推薦是一件困難的事情；第四個就是外部流行什麼、趨勢什麼，因為這是對廣告主很重要的事情，對吧，所以像推什麼、市場流行什麼。
今天不是薩泰爾，我就繼續講 AI。我愛薩泰爾，我會拿出來。我怕那些話誤會。
一個內部的小故事
Agent 啊，其實你跟 Agent 在一起之後，你會大幅提高你提案的速度跟成功率。我舉一個內部的小故事。有一次我在跟一群 CEO 在參加晚會的時候，來了一個上市公司的董事長，他去分享他們接下來的商業策略是什麼。剛好是我們想要進攻的一個廣告大客戶，所以他在台上還在講他的接下來的策略的時候，我就想說怎麼辦，我 Sales 不在旁邊。Agent Native 叫我的 AI 去幫我查，他還在台上講的時候、他還沒下台，我們簡報就拿給他了。董事長非常非常 surprise，我剛剛講的話我們快速地反應了，這已經是我們半年前就能做到的事情。
同樣是做一個簡報，能不能代表公司的出去是天差地別的，這裡有非常複雜的議題。裡面有很多技術，我就不今天講，會在未來寫文章去分享。還有兩個核心的重點：簡報出去的資料正確性是非常重要的，因為上面有大量的知識點，你用單一 Agent 去做核實一定會失敗，所以你一定需要做對抗性的核實，大概有好幾道工序的跑法。第二個就是說，其實現在 Agent 渲染不好，很多時候是它不知道 PPT 到底長什麼樣子，所以做一套渲染引擎是非常重要的。但這裡太多技術細節，我今天就不提。
最重要的事：讓 Agent 重構公司的價值鏈
這張是我覺得全部最重要的，就是我們最核心是需要讓 Agent 去重構公司的價值鏈。內部推不動，最核心是這個結構，因為你沒有看到案例你就不相信，你不相信，怎麼教大家重新去配合走這個流程。今天的很多演講其實都在講一樣的事情，所以真正核心的東西是文化，不是技術。
這是為什麼我過去一年，其實除了我們公司內部，也輔助一些客戶，我們才在兩三禮拜前發佈出我們做的 GNTC，其實就是我們看到這個趨勢非常非常大。好，那我接下來想要簡單分享一下我們覺得最重要的兩點文化。
文化第一點：觸發正循環
跟大家講第一點呢，最核心就是觸發正循環。就像前面的講者講的，就是要跑完，或是覺得你有正向的機率。所以像以我來講，我們最核心在想的就是這個想像：你就想想像第一次學騎腳踏車，其實腳踏車一開始你會摔，但到最後你會騎腳踏車騎得非常開心，怎麼樣把這個東西複製出來。
Prompt 就像寫作一樣，人跟人之間，他覺得他在用 Agent，其實能力差異還是可以到非常非常大。因為如果一個概念不在人的認知結構內，他其實 prompt 就不會出現，你到時候 Agent 就做不好。但是 Agent 現在能做的事情，其實比一個人能做的事情多太多了，所以建立這樣的學習循環是最重要的。
然後在組織內，右邊其實又比左邊重要。大家都會想著我背後有多少 Agent，但其實我每天都在想的是，我要怎麼改變更多我們公司人的認知結構，再去設計相關的系統。
文化第二點：內部 FDE、workshops 與每個人都是 Builder
好，所以其實簡單幾個，比如說內部的 FDE 支持，就是我不斷在強調的。所以在去年六月我就發現，哇，這個需求量非常大，除了我自己以外，我在內部就設了一些 FDE 的崗位，那時候台灣就很少人、在台灣有 FDE。
第二是，workshops 真的超級重要。因為你告訴大家用 AI，都沒有你陪著他辦一個 workshops 之後幫他把東西 set up 好，Manager、Ops、BI、PM、Designer、Engineer 下去去做。
未來的所有人，未來核心就是一個概念：Agent 已經可以讓寫 code 這件事變得很容易的時候，每個人都應該要變成 Builder。這也是現在很多美國的公司都已經在往這個方向去走，以我們那邊寫的都是這樣推動。最核心就是 Builder Culture，市場、設計、產品，接下來所有東西會議題化。所有的 Engineer 要更接觸市場，所有的市場能夠直接打造它的東西。
以 Dcard 來講，誰可以寫 code？Engineer 以外，PM、Designer、HR、Legal、Finance、PR、Me、Sales、Customer Service，全部都可以 vibe coding 去完成。
每個人都看到自己更多的可能性
我們現在作為這些費用、開支，其實在所有公司都是很複雜的，你的報銷那個是對不對、有沒有在預算內。我們就是查核主管，做出整個 Dashboard，所有的部門的主管去使用。所以我覺得這是很重要，當大家用了這些 Agent 之後，他會想像說，我能做的事不是只有原本被 defined 的 scope，我可以再擴大。每個人都會在未來看到更多自己的可能性。
所以我自己想像一件事，就是 Go Agent，就是看到人跟組織外的可能性。謝謝各位。