AppWorks

13/10/2026

當越南和印尼的創業者在胡志明市同桌吃飯，會擦出什麼火花？

答案是：聊不完的好話題 🇻🇳🇮🇩

這次越南校友聚餐，剛好我們印尼 CEO 社群的夥伴們也來越南 retreat，於是我們特別安排了跨國的交流 ！大家聊得超熱絡：有些印尼 CEO 已經在越南打下基礎，想再擴大版圖；有些則還在觀望，想知道該怎麼踏進越南市場。反過來，越南創業者也趁機請教印尼市場的眉角，聊聊下一步怎麼往印尼發展。你來我往、互相取經，不少人還主動說要幫彼此牽線、介紹身邊的人脈，一頓飯下來，大家都多認識了好多新朋友！

AppWorks 大家長 Mr.Jamie 這次特地飛來胡志明市，整晚都陪著大家，同桌吃飯聊天之餘，創業者也有備而來，順道和 Jamie 討論商業上的建議與想法，大家都超開心～

越南創業者總是讓人刮目相看：世界級的工程人才、敏銳又拚勁十足的創業文化，加上越來越有活力的生態系。 AppWorks 在越南也持續地舉辦聚會、提供 AI 資源，投資在地團隊，一路陪著越南創業者往前走💪🏼

當然，來到越南一定要用當地的方式乾杯：Một, hai, ba, vô! 🍻也特別感謝 Jin Lee (AW #27 校友、Oda 的創辦人暨執行長) 幫我們挑了這麼讚的餐廳！

謝謝所有來參加的越南校友，也謝謝遠道而來的印尼 CEO 們，我們已經期待下次再來越南了！🤩

08/10/2026

30–40 人的團隊，如何靠 AI 讓零售成長 72%、電商業績翻倍？

在上一篇〈AI 時代的組織新形狀：創業者前線實戰〉中，我們介紹了新加坡食品供應鏈新創 Farmio（AW #31），如何從 Day 1 打造 AI-native 組織。

但對多數公司來說，更現實的挑戰是：如何在既有組織持續運作的同時，重新設計工作方式？

這次我們訪問了 FLH 費米 智慧家庭 創辦人暨 CEO Edward Lee（AW #27）。

FLH 約有 30–40 位員工，橫跨零售、電商、全屋智慧家庭及企業 AIoT 四個事業單位。過去將近一年，在團隊人數大致持平的情況下，零售成長 72%、電商翻倍、全屋智慧家庭成長 40%。

這些成果背後，FLH 究竟如何從資料、組織到人才，一步步重新設計工作方式？

Q1：很多公司導入 AI，都是先鼓勵員工使用工具。你們也是如此，後來為什麼發現這樣還不夠？

Edward：一開始我們沒有太多策略，就是讓各單位自己用 AI。結果每個部門各自做工具、產報表，有時連資料來源都不同，反而增加溝通成本。

有一次，業務和財務用 AI 計算同一條產品線的毛利，結果差了 5 個百分點，開會半小時才發現雙方採用的日期基準不同。

那時我才意識到，問題不在 AI，而是我們缺乏共同的資料基礎。

於是我們花了三個月，由一位 RD 和各部門主管共同建立 Company Knowledge Base，統一資料來源、權限與管理方式。

真正的 AI 導入，不是比誰做了更多 agent，而是先讓整個組織建立在同一套可靠的資訊上。 否則自動化再快，也只是讓錯誤跑得更快。

Q2：當 AI 成為組織的基礎建設後，你們的管理方式有什麼改變？

Edward：我們以前也是傳統的職能分工，有行銷、財務等部門，以及不同產品線。

其實一直想推 DRI（Directly Responsible Individual，直接負責人）制度，但 30 人要管理四條產品線，跨部門協作需要大量追進度、對資訊的工作，公司又養不起那麼多管理層。

AI 降低了這一層管理成本。

現在每條產品線都有一位 DRI，直接對成果負責，再依照目標調用不同部門的人力。AI 則協助追蹤任務、整理進度與檢視風險。

例如現在開會前，我們可以讓 AI 在約 15 分鐘內整理出進度與風險報告，大幅減少過去花在資訊對齊上的時間。

我們也開始把營運人員的工時歸到各產品線，讓每位 DRI 更清楚掌握自己的成本與損益。

工作的起點不再只是「我是什麼部門、負責什麼事」，而是「我們要達成什麼結果、需要哪些資源」。

Q3：實際工作中，agent 帶來了多大的改變？

Edward：供應商管理是最典型的例子。

我們先把流程拆開，發現將近四成的時間都花在搜尋資料、找聯絡人、寫信、整理報價等重複性工作。真正需要人判斷的，主要是最初的選品方向和最後的決策。

於是我們建立不同的 agent，分別負責供應商搜尋、聯繫、法務與財務計算，最後由一位同事管理整個流程。

過去需要 2.5–3 位全職同事、一年處理約 200 件的工作，現在只需要一個人搭配一組 agent，一個月就能處理約 200 件。

更重要的是，這讓我們有機會接觸更多供應商、擴大選品，突破過去受限於人力的成長瓶頸。

當然，agent 一開始也會寫出奇怪的信，甚至對供應商過度承諾，所以仍然需要有人對結果負責。

而且現在新的瓶頸已經轉移到庫存與物流。AI 不會一次解決所有問題，但能讓我們逐一突破原本的限制。

Q4：當越來越多工作交給 agent，對員工的要求也改變了嗎？

Edward：我們導入 AI 有一個很重要的原則：AI 是拿來服務員工的，讓人把時間留給真正需要判斷的事情。

但每個人接受 AI 的速度不同。我們先讓有熱情的同事做出成果，再慢慢影響其他人。

遇到擔心被 AI 取代的同事，我們不會只用講的，而是直接針對他的工作做一個小工具，讓他實際體驗。目前大約九成的人用過之後，接受度都會提高。

這也改變了我們對人才的看法。

以前資深與資淺工程師的經驗差距可能很大，但現在一位願意學習、善用 AI 的 junior，可能比過去更快追上。

比起一個人現在會多少東西，我們開始更重視他的學習速度，以及能不能持續改善自己的工作方式。

Q5：你認為現在的效率提升還只是 AI 最基本的價值。下一階段真正期待的是什麼？

Edward：現在大部分的 AI 應用，還是在把原本就知道怎麼做的事情做得更快。

但真正讓我期待的，是 AI 開始幫我們做到原本認知範圍之外的事情。

以供應商管理為例，重點不只是每個月處理 200 件，而是當 agent 評估第 200 件時，已經能參考前面 199 件累積的報價、回覆和決策經驗，做出更好的判斷。

客服也是一樣。當每一次互動都持續累積，AI 就能越來越了解客戶，甚至提供過去難以規模化的個人化服務。

工具大家都可以用，但每間公司累積的資料、知識和經驗不同。這些能力持續累積，才可能形成真正的護城河。

現在看到的效率提升和業務成長只是第一步。更值得期待的是，未來能因此創造多少過去做不到的成長機會。

⸻

Farmio 展示的是一間公司如何從 Day 1 長成 AI-native；FLH 則走了另一條更常見的路：在既有組織持續運作的同時，一層一層重新設計它。

從建立共同的資料基礎、改變管理方式，到重新分配人與 agent 的工作，FLH 的案例說明了：AI-native 不只是使用更多 AI 工具，而是讓整間公司的能力開始持續累積。

工具可以被複製，但一間公司累積的資料、知識，以及人與 AI 協作的方式，很難在一夜之間被複製。

這或許才是 AI-native 組織真正開始形成護城河的地方。

07/10/2026

九月的吉隆坡，我們辦了兩場很過癮的創業者交流 🇲🇾
一場是和 Innowave Technology 創辦人 Jinsong Xu（AW #32）的晚餐聚會，另一場是 Signature Market 創辦人 Edwin Wang（AW #14）的分享。

兩場主題不同，但有個共通點：我們邀請到的，都是在各自領域累積多年經驗的創業者。由他們先把想法拋出來，在場的創業者再接著提問、交流，聊到後來，還真的「吵」出了幾種不同的看法。

兩位講者帶出的幾個話題：

🛠 AI 時代的招募
AI 能放大工程師的產出，但效益會依資歷而不同，所以有些團隊更傾向以資深的角色為核心，走精實路線。

🏭 把 AI 帶進製造業
當市場龍頭一開始攻不進去，不妨先拿下第二、第三名，只要他們看到成效，後面的公司往往會自己找上門。

💡 舊打法不靈了，然後呢？
AI 能把「可以被定義的事」做到極致，那真正拉開差距的，可能是難以被定義的東西：品味、獨特的觀點，還有真實的社群。

我們一直想辦這樣的聚會，是因為創業路上很多事，常常要自己經歷過才懂，但在場的某個人，說不定早就走過了。同一張桌子聊幾個小時，可能就省下好幾個月的摸索。有時候，最有用的點子，甚至來自坐在你旁邊的那位創業者 🙌🏼

謝謝 Jinsong 和 Edwin 毫不藏私的分享，也謝謝每一位到場的創業者，帶來滿滿的能量和犀利的提問！

接下來還有更多豐富的活動，將由我們常駐馬來西亞的社群經理 YJ 陸續推出。除了服務在地社群，也隨時歡迎台灣創業者來探訪市場與交流！

05/10/2026

AppWorks #33 開跑一個月

9 月 1 日，AW #33 來自各地的團隊到台北參加三天的 kick-off retreat。創過業的人都知道這種場合的作用: 身邊都是聽得懂你在說什麼的人，一起進行活動、一起吃晚餐，難得可以暫時放下一個人盯著公司的感覺。然後結束各自回家，打開電腦，又只剩下你和你的公司。

所以第一個月，我們圍繞兩件事情來安排，目的是讓 retreat 建立起的歸屬感，在大家離開台北之後繼續維持。

For founders。經營公司的人，往往最難看清楚自己的公司，因為離得太近、太多待辦事項、太專注在眼前的事。所以每個團隊都和我們的 Partner 一對一坐下來，一起討論、一起探索：策略和焦點、真正重要的指標是什麼、技術的強項在哪裡、Demo Day 前這六週該把資源放在哪。每一位 founder 在會議結束後，都比開始前更了解自己的生意一些。

By founders。其他的事，就交給這一屆的 founder 們自己來。新加坡、吉隆坡、首爾、台北的實體聚會就由 founder 自己規劃，前幾屆的校友也到場參與；而每兩週一次的線上聚會，講者也是同屆的 founder 來分享自己的強項。往往一段時間後還記得的建議，是來自當時坐在左右的人。

這就是 AppWorks Accelerator 想做的事：一個了解自己公司的 founder，身邊是一群了解他的 founder。

謝謝 AW #33 的 founders，這一個月彼此出席、互相撐場。

想加入一個 founder 互相支持的社群嗎？
👉 https://appworks.tw/accelerator/

29/09/2026

AppWorks 社群內的 AI 交流聚會「AI Founder Circle」從 2025 年 vibe coding 剛開始流行時就一路辦到現在。這段時間，我們看著 agent 快速崛起，也花了不少時間和 Founder 們一起討論：AI 到底可以怎麼進入組織、重新分配工作，甚至真正帶來降本增效 (歡迎參考留言處的「AI 時代組織新形狀」系列貼文！)

而當大家從「怎麼用 AI」開始走到「怎麼把 AI 做成產品與服務」，下一個問題也自然浮上來：AI 產品或服務，到底要怎麼賣給客戶？

所以九月份的 AI Founder Circle，我們邀請到 MiracleX 的 CTO Alex，分享他過去怎麼把 AI 服務賣進食品、住宿、製造等傳統產業。他的分享從「怎麼敲開客戶的門」，講到「怎麼真的落地且持續活化客戶。

🧱「教育」不只是敲門磚，也是客戶篩選與需求探索

對 Alex 來說，公開課、工作坊這類教育型產品，是切入傳產很有效的第一步。現在多數企業多少都有 AI FOMO，知道 AI 不能不碰，卻未必已經想清楚該從哪裡開始。Alex 分享，透過成本較低、承諾較小的教育型產品，通常更容易被客戶接受，有效縮短銷售週期，初步建立和客戶的關係。

更重要的是，這其實也是一個很好的客戶篩選與需求探索過程。透過課程與工作坊，可以更快理解客戶真正卡在哪裡、決策者在意什麼、內部是否有足夠的推動意願，也能初步判斷客戶的願付價格是不是落在自己的服務區間。

當需求開始變得具體，下一步就可以自然往小規模 PoC 推進，先用一個範圍有限、可以快速驗證成果的場景證明產品價值。再從這個 win 出發，一案帶一案，逐步找到下一個更大的問題、更高價值的 use case，讓合作從教育、PoC，一路延伸到規模更大的專案與合約。

但拿下案子，只代表進了門。真正困難的是：怎麼讓 AI 在組織裡被真正被使用，並且成為工作的一部分。

🔓 AI 落地的三道關卡：摩擦力、落地力、續航力

Alex 把 AI 落地會碰到的挑戰歸納出來，在場的 Founder 通通點頭如搗蒜 😂

第一關是摩擦力，也就是 AI 剛進入組織時，第一線員工對新工具與新流程的排斥。Alex 的做法是先問：「哪一件事，是大家最不想做、卻每天都得做的？」有時候，答案甚至不是 AI，可能只是先把散落各處的 Excel 集中成一個儀表板，把原本混亂的資訊重新整理好。先讓前線員工感受到工作真的變簡單，也讓大家知道，這不是一場「誰會被取代」的改造。

第二關是落地力，也就是東西做出來之後，究竟會不會真的被使用。好的落地場景通常不是和老闆坐在會議室裡想出來的，而是從前線工作裡找出同時符合「常做、耗時、有規則、能比較前後」的任務，再用兩三週做出 MVP，直接讓客戶看到差異。

第三關是續航力，也就是顧問或是 FDE 離開之後，這套產品和新的工作習慣還能不能繼續運作。因此，真正成熟的交付，不只是把產品留給客戶，而是讓客戶有能力自己調整、自己開權限、自己練手，把規則寫進系統，而不是永遠留在某幾個人的腦袋裡。

而當案子真的開始往客戶公司的深處走，下一個瓶頸：是資料。

🏆 真正稀缺的，是資料存取

真正開始動手之後，最棘手的問題常常很快浮現：傳統產業客戶的資料通常又亂又複雜。帳對不上、指標定義不一致、資料散落在不同系統裡，而且通常沒有人想先碰這件苦差事。偏偏這正是 Alex 願意先做的事，先幫客戶把帳、資料和口徑對齊。除了建立信任之外，更長期來看，真正換到的其實是兩樣更稀缺的東西：對客戶業務的理解，以及被授權存取和整理資料的機會。

這場也有不少 Founder 提到，AI 產品的導入和交付之所以卡住，很多時候不是產品能力不足，而是根本碰不到客戶的資料。客戶可能因為資安疑慮，直接鎖死外部存取；某些產業的資料，更受到法規或內部治理限制。這時候，務實的做法未必是硬闖，而是退一步：用合成資料、重新收集資料，或先從可存取的流程開始，一樣有機會先把服務做起來。

-

把這一套對傳統產業交付 AI 產品的過程梳理下來，其實有點像早期 ERP 顧問業走過的路：真正困難的，往往不只是把一套軟體賣進去，而是先把客戶原本混亂的流程攤開、重新畫一次。

模型會越來越強，工具也會越來越容易取得。但對產業流程的理解、被客戶信任的程度、累積下來的資料，以及把這些東西真正嵌進工作流程裡的能力，不會在一夜之間被複製。這可能才是 AI 服務公司真正開始建立護城河的地方。

24/09/2026

越來越多新創開始探索「語音」當作下一代的使用者介面，原因很好理解：用說的比打字更快、更自然，做得好的話，使用者體驗真的能大幅提升。

為了回應創業者的需求，我們邀請了夥伴 ElevenLabs 的新創 Partnership 負責人 Jonathan Chang，和大家分享 AI 語音目前能做到什麼、新創們又該如何善用這項技術。比起那些酷炫的功能與 demo，更讓我們印象深刻的，是語音這個新介面其實已經走得比想像中更遠。以下是幾個 highlight：

📱 語音早已是一種介面，只是藏在不起眼的地方

Jonathan 分享了幾個讓在場的人印象深刻的案例：有工具透過聲音偵測使用者的情緒，也有語音輸入工具，幫助農夫直接把資料口述記錄進 CRM。我們在自己的生態系裡，也看到類似的軌跡：有新創用語音打造供應鏈管理解決方案，也有團隊正在打造 AI 陪伴者的聲音。

這些應用的共通點，不是花俏的功能，而是用聲音解決了各種產業裡具體、不起眼的問題。

⏱️ 如果你正在用 AI 語音打造產品，「速度」是影響體驗的關鍵

當語音成為介面，「講起來的感覺」和「能做到什麼」一樣重要。Jonathan 提到，ElevenLabs 的基準反應時間在 200 毫秒以內，也強調聲音 AI 已經進入「可實際上線」的階段，而不只是 demo 上好看而已。

有個細節特別值得注意：當使用者打斷語音助理，或講到一半改變想法時，系統能不能自然應對，正是「順暢」與「卡卡的」體驗之間的分水嶺。如果你正在思考導入聲音，建議一開始就把反應速度納入使用者體驗設計。

📖 AI 語音也正在成為品牌內容與說故事的一部分

整場活動最讓人驚艷的環節之一，是一段即時配音的 demo：一段 F1 賽事直播片段自然地在英文原聲和中文配音間轉換，而原本講者的語氣與情緒被完整保留。這對創業者來說相當有啟發性，未來的募資簡報、產品影片、或是行銷素材，都能規模化的在地化，並且不丟失品牌原本的「聲音」。

多數新創在 AI 語音的應用仍在試驗階段。不論是在客服、內容，還是還沒有人嘗試過的領域，那些願意及早動手實驗的創業者，將會是定義「下一代更好的使用者體驗」長什麼樣子的人。

也要特別感謝 ElevenLabs 帶來這麼多有啟發性的 demo，並提供 AppWorks 創業者專屬福利，讓大家能更快、更輕鬆地開始嘗試聲音 AI 💪🏼

22/09/2026

在上一篇總論〈AI時代的新組織形狀 The New Shape of Work〉裡，我們提出了一個假說：AI正在把組織從職能分工，推向以成果為核心的小隊，而底層則是一台持續學習、共用的智能機器。

接下來，我們會用三篇文章，分別走進小型、中型、大型規模的創業者案例，看總論裡的假說，實際長成什麼樣子。第一篇先從 Farmio (AW #31) 開始，這是一間 Day 1 就 AI-native 的新加坡食品供應鏈新創，在總論中也有用簡短的篇幅介紹他們的 AI 歷程。接下來，文章會用一問一答的形式呈現，一題一題帶你看 Farmio 怎麼把 AI 刻進組織的骨子裡。

Farmio 成立三年，有 13 位員工，在新加坡、香港有超過 3,600 家客戶，年營業額達到 1,300 萬美金。若能有效槓桿 AI，員工人均 GMV 達到 100 萬美金被 Farmio 證明是個可實現的目標。

1️⃣：Farmio 是如何打造一間 AI-native的公司？回頭看覺得哪些步驟真的很重要？

🥚Paco：我們一開始其實沒有想著要一次做完整套 AI 系統，而是先從一個高頻、重複性高、而且很適合自動化的環節切入。第一個 AI agent 從自動化 WhatsApp 下單開始，先幫我們自動處理訂單、生成資料，再進行客戶回覆。當這個 agent 跑起來之後，我們很自然地做下一個可以被自動化的節點，像是客戶管理、庫存管理、物流等等。

隨著 agent 不斷擴展，也會累積大量資料。這些資料必須能被其他 agent 和同事讀取，才能將不同面向的資料整合、轉化成真正有用的資訊。因此，我們逐步建立了 company knowledge base 這一層，以及讓同事存取 knowledge base 的介面。

回頭來看，我覺得這可能是整個過程中最重要的一步，也是因為這個基礎，我們才能一步一步從最初的一個 agent，擴展到現在 70 多個 agents，最後把下單、客戶管理、庫存、物流到配送等整個流程串起來，慢慢形成今天這套 AI-native 的公司架構。

2️⃣：可以舉一個例子，說明這些 agent 和 company knowledge base 彼此間怎麼運作嗎？

🥚Paco：舉一個我們每天都會遇到的例子。客戶下單雞蛋後詢問：「明天可以送到嗎？」但實際上物流排程要到後天才會經過店家所在的區域。過去遇到這種情況，客服得先確認庫存、再詢問物流排程，最後才能回頭答覆客戶。看起來只是一個很簡單的問題，但中間其實有不少來回確認的時間。

現在，因為訂單、庫存和物流路線等資訊都串接在同一個 knowledge base 裡，客戶一提出問題，客服 agent 就能即時查詢相關資訊，直接準確地回覆「後天才能送達」，省去跨部門來回確認的時間。

客訴也是同樣的邏輯。當客訴進來後，agent 會先判斷問題類型，再根據後端資料產生建議的賠償方案，客服只需要做最後的確認，而不必從頭處理整個流程。

不過，agent 的回覆是否可靠，很大程度取決於 knowledge base 裡的資料是否準確。因此，我們的技術團隊會持續負責 knowledge base 的維護與調校。這其實是整套系統非常關鍵的一環：knowledge base 並不是建好就結束，而是需要隨著業務與 agent 的使用持續更新、優化。

💡編按：這就是 AppWorks 所提假說中的一大關鍵，底層運行的智能機器也需要一個專業的小隊來維護，就像是組織裡的製程工程師，每天調校 context、管理 agent、顧良率、把發生過的事萃取回來。

3️⃣：有了這些 AI agent，現在客服跟業務大概配置多少人？

🥚Paco：我之前是做過物流新創的，過去如果要服務 3,000 多個客戶，通常需要 20 到 30 個客服、更多的業務跑客戶。我們現在客服端只有 1 個人，剛剛提到的路線排程跟客訴處理都是AI agent 會先處理，真人員工做最後把關；業務端則是 5 人團隊，每人有一個「認得自己客戶」的專屬 agent，會主動提醒他哪些客戶款項逾期、誰太久沒下單、過去的訂單模式是什麼。

所以，我們把大量重複性高的工作交給 AI，而人真正需要做的，是跟客戶建立信任、維持關係，以及在遇到例外情況時做判斷。這也是我們認為 AI 最適合的分工：不是取代人，而是讓人把時間放在真正需要人的事情上。

4️⃣：AI agent 很強，但有沒有碰到過前線員工排斥使用新工具？

🥚Paco：我們幾乎沒做教育訓練或者強硬改變员工想法，也很幸運沒遇到員工抗拒。我認為原因是我在公司剛開始時就在第一線跑業務，所以很清楚業務每天真正的痛點在哪裡。所以工具從第一版設計出來就是解決業務會卡關的地方，比如哪些客戶該追款、哪些客戶可能正在流失。

當業務團隊發現，現在只要像平常聊天一樣直接問 AI，就能得到以前要自己整理 Excel、花很多時間才能找到的答案，而且可以更快地服務客戶，他們自然就會開始使用。後來甚至有些同事比我預期中更主動，自己摸索出新的用法，例如交叉比對客戶的下單週期。

這也讓我重新定義了自己作為創始人的角色：不是去管控前線怎麼工作，而是把最強大的武器交到前線夥伴手上，讓他們能好好發揮自己本來就擅長的事。

5️⃣：Agentic system 已經逐漸成為公司標配，那 Farmio 的護城河是什麼？

🥚Paco：我認為善用 AI 是我們能在三年內快速成長一個重要原因。但現在對手要複製一個 AI agent 系統並不困難。

我們真正的護城河，是在第一線場域大量收集到的高品質數據：從下單、配送、客訴累積出來的資料，不只持續優化了現有的食品供應鏈業務，更讓我們開始看到一些原本完全沒有想過的新機會，例如保險、金融。也是從這些數據裡，我們才看得到這些新商機在哪裡。建company brain從第一天的目標就不是降本增效，而是把數據養成護城河、再從護城河裡長出下一個生意。

我覺得這才是 AI-native 公司真正有意義的地方：AI 不只是幫你把事情做得更快，而是每完成一個任務，就留下更多資料；資料再讓整個組織變得更聰明，最後甚至幫你發現原本看不到的商業機會。

Editor's note：Farmio 是一人做出 100 萬美金營收的「成功」案例，而支撐它的是 70 多個 agent 和一個持續學習的 company brain。人不再被重複性的流程綁住，而是把時間留給信任、商業模式、和護城河；agent 則持續執行任務、累積資料，再讓整個組織變得更聰明。

這或許就是 AI-native 組織開始長出的樣子：AI 不只是降本增效的工具，而是重新定義一家公司如何工作、如何累積能力，甚至如何找到下一個生意。下一篇，我們會把鏡頭拉到更大的組織，看看這套模式如何隨著規模改變。

15/09/2026

【 AI 時代的新組織形狀｜一支火把，全新邊境】

身處一個龐大的創業者社群，最幸福的事，是能親眼見證創業者們每天的快速迭代。尤其今年初龍蝦登場以來，大家像是拿到了一支新的火把，開始探勘 AI 到底能帶組織走進多少過去走不進的隧道。

從去年四月開始，AppWorks 每個月在台北、每兩個月在新加坡辦 AI Founder Circle。十多場下來，題目一路進化：從怎麼用龍蝦，到怎麼打造自己的 AI Agent；從怎麼讓員工願意用 AI，到直接動手打造 AI 員工。

然後有趣的事發生了：大家不約而同走到同一個邊境，開始問同一個問題：過去的組織形狀，好像不太對了？

這個痛其實每個創辦人都懂。幾乎每家新創的起點，都是一支數人的游擊隊，每天全力以赴；然後在成長的路上，一路走向部門化、事業部化，到了一、兩百人，就開始感受到組織變大、生產力卻不見得跟上的痛。這個千年老問題，AI 好像終於要出手了。

所以我們 AI 事業總監 Sophie C Chiu 和校友關係經理 Natasha Chou 把這半年近身觀察到新創們在做的實驗，整理成一篇文章，大膽提出一個 AI 時代組織形狀的假說。

至於新形狀長什麼樣子，先賣個關子，但可以劇透的是：裡面有 FunNow Ting-Kuan Chen (TK) 正在進行的漸進式重組、印尼 Staffinc 在人才條件完全不同的印尼長出的另一種解法，還有無毒農 (AW #5)、Numbers (AW #23)、Farmio (AW #31) 三家小型新創各自從一個單點開始的實驗筆記，每一份都是社群裡創業者無私的第一手分享。

文章的最後，我們也探討更關鍵的下一題：形狀是看得見、學得走的東西。當它從少數人的實驗，變成每一家公司的標配，真正決定勝負的，會是什麼？

無論如何，希望你們喜歡我們久違的長文。在 AI 時代的起點，很榮幸能跟各位一起探討這場暌違 25 年的組織重組邊境。

文章連結 👇

with contribution from Natasha Chou, Alumni Relations Manager at AppWorks   身處一個龐大的創業者社群，最寶貴的事，是能親眼見證創業者們每天的快速迭代。尤其今年初 OpenClaw 龍蝦登場以來，創業者們像是拿到了全新的火把，正在探勘 AI 能.....

14/09/2026

當「該用哪個工具、哪個模型」已經不是重點時，創業者在思考什麼？

上週，我們邀請了在電商、醫療、製造業和企業軟體領域打拼的創業者，與 OpenAI 一起坐下來，聊聊現在十分重要的問題：當 AI 已經融入日常運作的一部分，「打造一家能走得長遠的公司」到底代表什麼？

以下是這群走在前面的創業者正在思考的幾個面向：

🧰 為 AI 而建，而不只是用 AI

有些創業者已經在想：「當 AI 不再只是工具、而是合作夥伴時，我們的商業模式需要怎麼調整？」Agentic commerce（代理式商務）是當晚多次被提到的話題。如果 AI agent 開始幫消費者探索、比較、甚至下單，那企業面對的就不再只是滑網頁的「人」，而是試圖理解你產品、定價、庫存的「agent」。

而這不只是「能不能被看見」的問題，更是「能不能真正被串接」的問題：開放正確的 API 和 MCP、把資料結構化到讓 agent 讀得懂、設計出 AI 真的能接上、能執行的工作流程，而不只是被查詢。護城河的問題也因此改變：公司不只能要被 agent「看到」，而是能不能跟公司合作。

🔭 把複雜留給自己，把成果交給客戶

創業者非常在意模型選擇、token 成本、延遲等細節，但企業客戶不需要、也不該需要懂這些。當晚幾個和企業客戶交手經驗豐富的新創，都是把這些複雜度留在自己身上，再把它包裝成客戶熟悉的東西：不管是訂閱席次、工作流程、可量化成果等。

🔐 資安不該「以後再說」

然後是安全性。就像過去每一波科技浪潮一樣，創業者往往先衝去證明「這件事做得到」，等採用速度加快之後才回頭補安全防線。API 金鑰正在變成有價值的攻擊目標，agent 能接觸的系統也越來越多。這些都不是全新的問題，是我們過去看過的老模式重演。對現在正在用 AI 打造產品的創業者來說，安全和防護機制值得現在就當作設計問題來處理，而不是「以後再說」的事：清楚知道你的 agent 能接觸什麼、記錄它做了什麼，並在任何有實質影響的動作前，設一道人工把關。

新創使用 AI 的第一階段，是證明它做得到。現在的對話已經不一樣了：如何為一個 agent-native 的世界打造產品、如何真正從中賺到錢、以及我們需要具備什麼條件，才能在規模化之後真正信任它。

如果你也在思考如何為下一步做好準備，這正是我們在 AppWorks 社群裡每天在聊的話題。歡迎加入，和同樣在思考這些問題的夥伴們一起前進 >> https://appworks.tw/

04/09/2026

🚀 歡迎 AW #33！27 支團隊的創業加速正式啟動。

剛剛結束了為期三天的 AppWorks #33 Kick-off Retreat。這一屆的主題是「解鎖」 —— 超過半數的團隊正致力於打造 AI 解決方案，將那些原本在專家腦中、資深經理人判斷裡，或是廠房工程師獨門經驗中的智慧解鎖，轉化為一套人人都能運行的系統。🔓

對剛起步的創業者來說，最稀缺的不是資訊，反而是那些通常需要花上數月才能打通的連結與人脈。因此，我們在台北集結了這群創業者，用三天時間，為大家一次打開所有的門。🚪

創業者不孤單: 建立屬於自己的「信任圈」 🤝
創業的路往往很寂寞，但在 AppWorks 的社群裡他們不必獨自面對挑戰。26 位創業者經過三天相聚，彼此不再是陌生人。從第一天起漫步在台北的歷史老街，到隔天下午共同登頂台北最高峰的過程中，大家的對話逐漸從「你是做什麼的？」轉變成「你現在的困難在哪裡？」。行程還沒結束，團隊之間就已經碰撞出合作的火花。這種分享脆弱、彼此支持的革命情感，正是創業者在面對巨大挑戰時最堅強的後盾。

實質連結：團隊、前輩與市場資源 🧭
單靠意志力無法增大商業規模，創業者需要的是更多的資源連結。一次認識全體 AppWorks 團隊讓他們擁有完整的支援後盾；特別受邀出席的 蕭一白 Terry 的精彩分享內容在會後仍持續被討論著；更有校友們以平輩姿態無私傳承實戰經驗。此外，企業夥伴緯創(Wistron) 與台灣大哥大 (Taiwan Mobile) 也開啟大門——對於想在台灣市場落地深耕的團隊來說，這是關鍵的開始。

誠如創辦合夥人 Mr.Jamie 所提醒的: AppWorks 不只是新創加速器，更精確地說是創業者加速器。 公司可能會不斷改變方向，但創業者會持續成長。我們的角色，就是把開門的鑰匙交到創業者手中，並在他們未來的長跑中持續力挺。

你也準備好與這群夥伴並肩前行了嗎？ 👉 了解更多 AppWorks 加速器計畫：https://appworks.tw/accelerator/

特別感謝並熱烈歡迎 AW #33 的創業家夥伴們！🙌