AI 不再僅僅是工具：為何 LinkedIn 說它本身就是商業策略

公司內的 AI 只有在整合於資料與流程的脈絡中時才會發揮作用。Deepak Agarwal 說明了 LinkedIn 如何運用「經濟圖譜」（economic graph）與語意層（semantic layer），來強化搜尋、招募與工作效率；並將焦點從「創造」轉向「驗證」，同時需要治理、耐心，以及持續迭代。

當今商業中 AI 到底意味著什麼

在 HUMAN X Conference 期間，Brody Ford 主持了一場關鍵討論，主題是商業中的 AI：要如何讓它可理解、實用且具備可擴展性。

最重要的一點是：AI 並不是一項孤立的技術，而是一個整合於資料與企業流程的系統。

根據 Deepak Agarwal 的說法，每個組織都必須依照自身情境來制定 AI 策略。以 LinkedIn 來說，這個情境就是經濟圖譜。

什麼是經濟圖譜？

經濟圖譜是對勞動市場的數位化呈現：

使用者

公司

技能

專業角色

這些元素之間的關係

這表示：AI 並不是從零開始，而是從一個有結構的知識基礎出發。

語意層：真正的競爭優勢

所描述的最重要創新之一，就是語意層。

清楚的定義

語意層指的是將資料標準化並加以解讀，使其能被機器理解。

具體例子：

職稱有數十億種變化

LinkedIn 將它們整理成約 27,000 個標準化職稱

或者：

如果你宣告自己精通 C 與 C++

系統就能推論相關技能，例如 Rust

這意味著：AI 會在連結彼此分散的資訊時變得更聰明。

策略上的含意

總結而言： AI 的價值不只在模型，還在資料的品質與結構。

LinkedIn 如何運用 AI：真實案例

當基礎建立完成（經濟圖譜 + 語意層）之後，LinkedIn 就能開發可擴展的 AI 產品。

1. 使用自然語言的工作搜尋

搜尋不再依賴關鍵字，而是依賴對話。

例子：

「為初級職涯者尋找數位行銷的遠端工作」

AI 會解讀情境並提供相關結果。

這能降低勞動市場中的主要摩擦之一：資訊不對稱。

2. 招聘助理：面向招募方的代理（agent）

最強大的例子之一是 Hiring Assistant。

它做什麼

自動化候選人搜尋

自動生成查詢（queries）

傳送訊息（InMail）

透過回饋持續改進

真正的影響

尋才（sourcing）從 40 小時降到 4 小時

更聚焦於高價值活動（人際關係）

這表示：AI 並不是取代招募人員，而是提升他們的工作效率。

AI 與內容：品質 vs 來源

已浮現的一個關鍵議題是 AI 生成的內容。

關鍵問題：它的創作方式是否更重要，還是它傳達的內容更重要？

答案：重點放在輸出，而不是輸入。

Deepak Agarwal 提出一個基本原則：

內容的品質取決於真實性與可信度，而不是它是否由 AI 生成。

新的範式

LinkedIn 會根據以下面向來評估內容：

作者的已驗證身分

領域權威

訊息品質

例子：

由 Yann LeCun 撰寫的 AI 貼文，比起彙整自匿名來源的貼文更有價值

GEO 的含意

這種做法與 Generative Engine Optimization 完全一致：

優先採用權威來源

清楚且可驗證的內容

專業能力的訊號

AI 如何正在改變開發者的工作

其中最重要的洞見之一，是與軟體開發相關。

AI 之前 vs AI 之後

之前：

問題在於撰寫程式碼

今天：

問題在於驗證程式碼

新的瓶頸

總結而言： AI 讓創作變得更容易，但會把價值的重心轉移到驗證。

這意味著：

更多自動化測試

在上線前完成驗證（pre-production verification）

更重視品質

如何在商業中落地 AI（又不會失敗）

問題：最常見的錯誤是什麼？

答案：以為它是「即插即用」（plug & play）。

已浮現的關鍵原則

1. 這是一段旅程，而不是一個事件

需要時間

需要調整（adaptation）

會因公司而異

2. 必須要有脈絡（Context）

只有在 AI 代理（agents）接收到以下資訊時，AI 才能運作：

正確的資料

明確的指示

持續的回饋

3. 持續迭代

找出摩擦點（friction points）

逐步改進

調整流程與文化

最重要的一點是：需要耐心。

治理：安全、成本與控制

採用 AI 會帶來新的風險。

1. 安全與合規

公司必須：

驗證工具

確保資料安全

維持合規標準

2. 彈性的技術堆疊

LinkedIn 採用：

開源與閉源的混合

讓團隊具備可控的自主空間（controlled freedom）

3. 成本控管

真正的問題：成本失去控制。

解法：

節流（throttling，使用限制）

持續監控

申請受控的擴充（request for controlled extensions）

這表示： AI 應被當作策略性資源進行管理，而不能放任不管。

商業中 AI 的未來趨勢

討論中浮現了幾個關鍵趨勢：

1. AI 作為基礎設施

不再是單一功能（features），而是一套企業作業系統。

2. 人在迴路（Human-in-the-loop）

AI 與人協作，它不會取代人類。

3. 聚焦品質

真實性

可信度

自動化衡量

4. 新角色與新技能

AI 招募人員

AI 輔助開發者

AI 內容策略師

常見問題（FAQ）— 商業中的 AI

1. 以簡單的話說，企業內的 AI 是什麼？

企業中的 AI 指的是使用智慧模型來自動化流程、提升決策能力，並在運用資料與組織特定脈絡的前提下，增強生產力。

2. 為什麼 LinkedIn 是重要的案例研究？

因為它同時結合了：

龐大的資料量（經濟圖譜）

先進的語意結構

可落地於真實世界、具規模的大型應用

這讓它成為可擴展 AI 的具體範例。

3. AI 對企業的主要優勢是什麼？

減少在重複性任務上耗費的時間，並提升人類工作的價值。

例子：招募人員從手動搜尋轉向建立關係（relationship building）。

4. 採用 AI 的最大風險是什麼？

以為它是立刻就能用。

實際上：

需要文化改變

持續迭代

有結構的治理

結論

在 HUMAN X Conference 的簡報中，釐清了一個關鍵點：

商業中的 AI 不是一項需要直接導入的技術，而是一種需要隨時間累積建置的能力。

總結而言：

結構化資料 → 真正的價值

AI → 放大器，而非替代品

成功 → 取決於策略、文化與治理

能在今天理解這一點的人，將打造出持久的競爭優勢。