AI 不是展示品
是落地武器

有。落地師的定義是交付跑起來的系統，不出報告。從伺服器選型、模型部署、API 串接到企業內部流程整合，全程動手做。GX10 自建 14 個 LLM、22 個對外服務，零停機超過一年，是實戰不是展示。

雲端模型（Claude、GPT）負責複雜推理，地端模型（Qwen、Gemma）處理內部敏感資料。兩者透過 API 路由分流：需要隱私的走本地，需要算力的走雲端。企業保留資料主權，不需要全部上雲。

看場景。資料不能出台灣、長期使用量大、需要客製微調的情況，自建 ROI 高。API 的優勢是零維運、即開即用。實務上兩者並行是最優解——敏感任務走本地，突發流量走雲端 API。

一般搜尋找關鍵字，RAG 找語意。把企業文件、FAQ、SOP 轉成向量，AI 可以根據語意理解回答問題，不是搜到哪個詞就回傳哪個詞。實際部署案例：6,021 塊向量記憶，問「這季哪個流程最耗時」比 Excel 搜尋準確得多。

RPA 照規則走，畫面換了就壞掉。AI 自動化能理解意圖、處理例外、從非結構化輸入（郵件、截圖、語音）提取資訊。n8n + LLM 組合可以做到「讀進來的信，自動判斷優先級並分派給對應的人」，不需要人工介入。

5 人以上的公司就有導入價值。最低成本方案：雲端 API 月費幾千元台幣，加上客製化工作流程，可以替代 1–2 個行政人力的重複性工作。門檻不是錢，是有沒有人幫你把場景想清楚再串起來。

ChatGPT 是通才，你問它才回答。AI 秘書是主動的：主動追蹤待辦、主動整理開會記錄、主動提醒異常。背後接了你的行事曆、通訊工具、內部系統，不是在聊天介面貼貼貼。

送到 OpenAI/Anthropic 的資料有使用條款約束，但仍是離開你的伺服器。敏感資料（客戶個資、財務數字、內部策略）建議走地端模型。目前台灣可用的本地模型效能已足夠處理大多數企業內部場景。

三個指標：① 有沒有跑起來（不是 demo，是生產環境）② 有沒有人在用（不是強制，是自願）③ 有沒有可量化的時間節省或錯誤減少。很多 AI 專案失敗在第一關——永遠在「快好了」。

矽谷預設環境：英文語料、高速網路、大公司資源。台灣實況：繁體中文語料不足、本土法規限制、中小企業沒有 IT 部門。落地師的價值在於熟悉台灣企業的實際狀況——不是把矽谷方案搬過來，是根據台灣環境重新設計可落地的方案。