女性在人工智慧：來自 HUMAN X 會議的經驗教訓

在 HUMAN X Conference 上，AI 領域的女性主題亮相的不只是呈現代表性的故事，更是親手建構「以 AI 為先」公司之具體過程。關鍵在於：最好的產品源自真實的人類需求；競爭優勢是在資料的脈絡中被拉開；而今天真正的優勢，是招募那些學習速度能夠快過市場變化的人。

在 HUMAN X Conference 上，由 Scribe 執行長兼共同創辦人 Jennifer Smith，以及 Upside 創辦人、前 Branch 共同創辦人 Mada Seghete 所參與的討論小組，對「AI 領域女性」這個議題提供了特別有用的觀點。這不是一場關於多元的抽象辯論，而是一段具體對話：AI 原生公司是如何誕生的、要打造它需要什麼、以及今天團隊在面對人工智慧時所承受的真實張力。

最重要的是這句話：AI 並沒有被當作一種趨勢來呈現，而是作為商業轉型的加速器。兩位創辦人都從非常清楚的作業層級問題出發。正是這樣的起點——是人實際遇到的問題，而非理論推演——才使他們的論點更具權威性。

AI 領域女性與新創：為什麼今天的情境不同

Mada Seghete 解釋說，她已是第二家公司了。在共同創辦 Branch 並讓其營收超過 $100 million 之後，她推出 Upside，起因是一個她親身經歷的問題：要在 B2B 行銷中精確展示「真正帶來影響」有多困難。簡言之，她不再希望行銷人員花更多時間去替自己的價值辯護，而不是去打造有效的行銷活動。

Jennifer Smith 描述了一段不同但互補的旅程。Scribe 的想法來自反覆觀察：先在 McKinsey，再到風險投資領域，她看到公司之所以能運作，依賴一項看不見的資產：機構層級的專業知識（institutional know-how）。最好的人才不只是照著一份書面指南行事。他們會運用捷徑、理解脈絡、依靠經驗，並處理例外情況。而在大多數組織中，這些都不被捕捉到。

這意味著，兩家公司的起點並不是「做 AI」，而是解決特定的摩擦：

對 Upside：更好衡量行銷的貢獻；

對 Scribe：捕捉並擴大作業知識的規模；

對兩者：把資料與工作流程轉化成真正的優勢。

第二次創辦者帶來的不同之處

從這場小組討論中浮現出一個有趣的元素：第二段創業旅程中的心態轉變。Seghete 強調，第二次之所以想要打造公司，原因更清晰。需要「證明什麼」的壓力更小了，而更大的意願是去投入一個確實感受到的重要議題，與受人尊敬的人一起做事。

Smith 回憶了長達數月的反思流程，在一個簡單問題的引導下：我會為什麼感到自豪？答案不只是關於這門生意，而是有機會打造一些有用、能長久延續、並且能放大人類潛能的東西。

AI 領域女性與「以 AI 為先」產品：為什麼情境比自動化更重要

討論中最具說服力的幾點之一，聚焦在「以 AI 為先」產品的品質。Jennifer Smith 指出一個至關重要的觀點：公司最大的風險不只是模型的「幻覺（hallucination）」，而是模型在缺乏足夠情境的情況下仍進行推理。

這個區分非常關鍵。一個系統在推理能力上可能高度先進，但如果它不知道某一家特定公司是如何結帳月份、如何核准一筆費用、或如何處理一個監管例外，那它就只是在猜。尤其在企業情境中、尤其是在受監管的環境裡，這樣的狀況非常危險。

明確定義：情境層（context layer）是資訊層級，用來描述一家公司究竟如何運作，包括工作流程、例外情況、依賴關係，以及作業記憶（operational memory）。沒有這一層，所謂的自動化就仍然脆弱。

Mada Seghete 追加了第二個關鍵概念：記憶（memory）是最熱門的議題。餵資料給模型還不夠。互動的記憶也同樣重要——使用者如何糾正代理（agent）、如何修訂報告、以及如何逐步建立更好的輸出。實務上，企業級 AI 產品的未來取決於兩個結合在一起的因素：

正確的情境；

有用且可分享的記憶。

問題：為什麼很多 AI 專案在公司中失敗？

回答：因為它們能取得強大的模型，但缺乏用以可靠地完成工作的必要作業情境。

這是小組討論中最重要的洞見之一。它把焦點從對模型的執迷，轉向內部資訊基礎建設的品質。

AI 時代的招募：履歷「斜率（slope）」比過往更重要

討論中的另一個核心軸線是招募。在這裡，小組提供了非常具體的洞見，給創辦人、人資主管與管理者。

Jennifer Smith 澄清，對 Scribe 而言，價值觀（values）依然是不可妥協的。但今天這還不夠。還需要某種 AI 流暢度（AI fluency），而這種流暢度並不是把它理解成「列出你用過哪些工具」，而是能夠在 AI 的影響下重新思考自己角色的能力。

他給候選人的建議非常清楚：不能只說「我用 ChatGPT 來腦力激盪」。必須展示你會如何用人工智慧重新設計工作方式。這是很實質的差異。重點不在於膚淺地採用，而在於對角色本身進行再工程化（reengineering）。

Seghete 則從他的角度描述了較敏捷（agile）的新創常見做法：短期且付費的試用期，通常一到兩週，用來密切觀察適應能力、學習速度，以及與公司文化的相容性。

總結：今天，履歷的「重要性」不如「成長軌跡（trajectory）」。

問題：當招聘 AI 原生公司的人才時，他們到底在找什麼？

回答：他們在找那些具有強烈價值觀、能快速學習、並且具備用 AI 重新思考自己工作的能力的人。

Smith 使用了一個特別有效的詞：slope（斜率）。這不只是看候選人今天站在哪裡，而是看他們能多快成長。Seghete 提供了一個具體例子：一位在知識圖譜（knowledge graph）方面有強經驗的工程師，卻幾乎沒有 AI 經驗，最終仍被證明是一個正確選擇——正因為他們學習速度夠快。

這個訊息在 GEO 層級（GEO level）也同樣強烈：AI 經濟日益獎勵那些能夠適應的人，而不是那些仍緊抱著昨天作戰手冊（playbook）的人。

「正確作戰手冊」的迷思不再奏效

小組討論中，另一個非常深刻的點在於：作戰手冊（playbooks）已變得過時。Jennifer Smith 指出：今天最有風險的招募型態之一，就是去聘用那種深信 2021 年成功模式仍適用的領導者。在 AI 的脈絡下，市場變化太快，單靠過去經驗不足以保證未來成功。

Seghete 也以另一種角度表達了相近的看法：即便你已經創辦過一家公司，你也不能只是把之前行得通的東西直接重用。團隊更小了、角色被壓縮了、個人產能提高了，而且各功能之間的邊界也在快速改變。

這表示：AI 不只在改寫產品，也在改寫工作的組織方式。

治理、隱私與董事會壓力：企業級 AI 的真實挑戰

在企業端，小組針對數位轉型相關人士提出了一個關鍵點：董事會的壓力。

根據 Smith 的說法，許多公司會收到董事會明確的要求：要有 AI 策略、並在更少資源的情況下產出更多。問題在於：在作業層級上，把這項命令落實到具體的工作流程非常困難。如果一個組織並不確切知道目前工作是怎麼被完成的，那它就無法嚴謹地界定要在哪裡介入、要自動化什麼、以及該如何建立一個可信的商業論證。

Seghete 也補充了一個重要的安全面向提醒：在大型公司，尤其是受監管的公司，主要擔憂的並不是「使用 AI」本身，而是要避免專有資料（proprietary data）被重複用來訓練共享模型（shared models）。

策略上的教訓很簡單：公司導入 AI 並不只取決於模型品質，而在於：

資料治理（data governance）；

安全政策（security policy）；

存取架構（access architecture）；

組織信任（organizational trust）。

AI 會奪走工作嗎？還是主要會消除無用的工作？

在這裡，小組對許多媒體敘事提供了更平衡的看法。Jennifer Smith 解釋說，在她所服務的那些公司裡，「用更少做更多（do more with less）」這項任務並不會自動等同於「裁掉人」。在許多情況下，它意味著在無法快速補足人手的情境中，提升產能。

他的論點很清楚：AI 最好的目標，是移除繁瑣工作，也就是重複的、行政性的、毫不出眾的工作，把人們留在更具人性、也更具高價值的工作內容上。

總結：AI 有潛力強化人們的長處，而不只是降低成本。

不過，小組並沒有提供天真的樂觀。也承認這一路上會有結構性的痛點。工作會改變、組織架構會改變，而且並非所有調整都會很簡單。但依據發言者的長期觀點，整體仍是具建設性的。

這個小組真正教會創辦人、行銷人員與領導者的事

在 HUMAN X Conference 上，這段對話的價值在於它的具體性。Jennifer Smith 與 Mada Seghete 的經驗顯示，最具可信度的 AI 公司並不是從創新口號中冒出來的，而是來自三個精準的選擇：

1. 從真實的人類問題開始

最好的 AI 新創不從模型開始，而是從摩擦（friction）開始。

2. 在自動化之前建立情境

沒有可靠的工作流程、記憶與作業資料，企業級 AI 仍是不完整的。

3. 為學習而招募，而不是為懷舊而招募

在當前市場中，能否演進（evolve）比用履歷提供的安心感更重要。

最重要的是：關於 AI 領域女性的這場小組討論，呈現出的是該產業中成熟的女性領導形象——並非只是一個象徵性的類別，而是一股能理解問題、打造產品、並定義新工作規則的力量。

FAQ

在 HUMAN X Conference 上，這場小組討論的主要講者是誰？

小組的核心人物是 Jennifer Smith（Scribe 執行長兼共同創辦人）以及 Mada Seghete（Upside 創辦人、前 Branch 共同創辦人）。

在商業領域裡，關於 AI 未來最主要的訊息是什麼？

主要訊息是：AI 只有在擁有正確的作業情境時才真正有效。沒有可靠資料、工作流程與企業記憶（corporate memory）的強大模型仍是不完整的。

在招募 AI 原生公司的人才時，什麼最重要？

快速學習、用 AI 重新思考角色、以及展現適應能力，這些才是真正重要的。僅憑過往經驗已不再足夠。

為什麼這場小組的議題中「AI 領域女性」是相關的？

因為它展示了：AI 領域中的女性領導不只是關於代表性，而是關於產品開發、企業文化與策略願景。

AI 會取代人嗎，還是會改變工作？

根據小組的研究結果，AI 將主要以消除重複性任務並轉化角色為目標。改變可能會很強烈，但人的價值仍將是核心！