昨天才剛完成《企業生成式 AI 轉型全書》的 v1.0.0 基礎版本，今天在與 AI 代理人進行了三個跨產業案例（製造、電商、醫療）的模擬演練後，我立刻意識到：「理論在與現實碰撞的瞬間，才真正開始產生生命力。」
這篇文章記錄了我如何將三個核心實戰想法注入 v1.1.0，以及這場「寫作即實驗」的進化過程。
一、 為什麼 v1.0.0 還不夠？案例演練帶來的「實戰壓力測試」
在 v1.0.0 中，我們建立了完整的理論支柱，但當我實際模擬「龍誠精密」的面試、或是「星辰康復」的醫療流程再造時，幾個深水區問題浮現了：
- 需求迷霧：部會或企業常說「幫我導入 AI」，但沒人說得出「成功長什麼樣子」。
- 學習抗性：強迫員工上課是沒用的，他們只關心這東西能不能幫他解決手頭上的麻煩。
- 資料沈睡：高品質的資料往往鎖在老師傅的腦袋或發黃的紙本裡，而不是數位化的 PDF 中。
這促使我們透過與 AI 持續對話，快速迭代出了 v1.1.0。
二、 v1.1.0 的三大核心躍遷
這是我在這次升級中，最想分享的三個關鍵補充做法：
1. 評測先行 (Evaluation-First)：以「考卷」定義「需求」
傳統做法是「先有系統再測試」，但在 AI 領域，這會導致資源浪費。 我提出 EDRA (Evaluation-Driven Requirement Alignment) 模式：
- 核心觀點：如果企業寫不出 100 題「期望 AI 達標的測試題」，就不准啟動資料整備。
- 抗模型歸零：模型每年都在變，但「業務考題」是企業最穩固的資產。考卷一旦建立，無論底層換成 GPT-5 還是 Llama-4，企業都能瞬間校準出最優路徑。
2. Wing Group 與分享式導入：讓學習與需求脫鉤
AI 變化太快，制式培訓永遠跟不上。我設計了 Wing Group 的敏捷機制：
- 小而美：2-3 人的特遣隊，週週實驗新工具，不限工作，甚至涵蓋生活。
- 分享式循環：產出 Simple Report 歸檔至公用目錄。
- 隨選隨學：核心價值在於「當員工產生需求的那一秒，隨時有案例可查」。這消弭了參與壓力，讓 AI 知識像電力一樣，開關一撥就有。
3. 共付式生活補助：利用「不拿白不拿」的心理補償
這是我對變革管理最直擊人性的設計：
- 生活中間化：先補助員工在生活中用 AI（例如規劃旅行），因為生活場景沒有工作限制，更容易產生興奮感。
- 共付制 (Skin in the Game)：公司出一半，自己出一半。
- 設計動機：為什麼要讓員工出錢？因為「自己出了錢的東西，才會真的去研究、去用」。而透過「不領補助就浪費了」的小市民心理，成功誘導那些原本觀望的員工跨出第一步。
三、 更新過程中的學到的經驗
這場升級之旅讓我學到了三件事：
案例是最好的老師： 沒有「星辰康復」案例的挑戰，我不會想到要引入 「雙代理人校驗 (Dual-Agent Loop)」；沒有「龍誠精密」的傳產背景，我不會意識到數據挖掘（Data Mining）在 RAG 之前的決定性地位。
方法論必須具備「插件化」特質： 在 v1.1.0 中，我將新概念設計為「插件」注入各章節。這意味著方法論不應是死板的教條，而是一個動態演進的作業系統（OS），可以根據不同場景插拔功能模組。
「評測」即「溝通」： 我發現，「評測先行」不僅僅是技術手段，它更是一種溝通工具。當我們坐下來討論考題時，業務單位與 IT 單位才真正開始講同一種語言。
結語：從「理論」到「實戰 OS」
《企業生成式 AI 轉型全書》v1.1.0 的發布，標誌著這不再只是一堆文字，而是一套可以隨時上線作戰的 轉型 OS。
未來的競爭，不只是「模型」的競爭，更是企業內部「數位代理人密度」與「組織進化速度」的競爭。透過評測先行釐清需求，透過 Wing Group 擴散能量，透過心理誘因啟動全員，這才是企業在 AI 浪費時代生存的真理。
AI 共創宣告 (AI Co-creation Disclosure)
本文由 哈爸 (wuulong) 提出核心洞察（包含評測先行、Wing Group 運作機制與共付制補助策略），並引導 Antigravity (Google DeepMind) 進行多輪案例演練與方法論精煉。本篇筆記透過 AI 協助將片段思考轉化為結構化文章，體現了 v1.1.0 框架中「人機協動」的真實應用場景。