Google 上週發布 Gemini 3.7 Flash，限時價格砍半、主攻 coding 與 AI agent。本文用白話解讀這款 workhorse 模型變了什麼、大廠混戰的訊號，以及台灣企業導入 AI 該怎麼判斷。
企業導入 AI 代理最常見的錯，是把它當成又一個要學的新系統。真正跑得動的 AI 代理工作流，是讓 agent 融進你原本就在用的介面與流程。這篇用三個判斷準則，拆解怎麼把自動化放進對的環節，附上可查證的淨省數據與避坑清單。
數發部的臺灣主權 AI 語料庫累積已逾 15 億 token，最新一批客語語料再加約 2000 萬 token。這是一座對企業開放申請的國家級資源，卻少有人用起來。本文說明它是什麼、能解你導入本土 AI 的哪個卡點、企業怎麼申請與落地。
創辦人誤判客戶需求，多半不是不夠努力，是把「自己想解的問題」當成「客戶要買單的問題」。這篇拆解三個把你推離客戶需求的盲點，以及為什麼在再衝一輪之前，先花時間對齊「要解誰的問題」反而更省力。想校準方向的創辦人，往下讀。
離客戶最近的是第一線，最先看到改善點的也是第一線，但多數點子卡在「看到了卻不說、說了也沒下文」。這篇拆解為什麼前線創新總是熄火，以及領導者可以立刻改變的三個管理慣性。
NotebookLM 是 Google 給知識工作者的 AI 助理：把你自己的文件、報告、會議記錄餵進去，它只根據你給的資料回答，還附出處。這篇用四個真實工作場景，教你把「讀不完的資料」變成「隨時能問的知識庫」。
中階主管平均要管 12.1 個直屬、75% 時間耗在開會，是全公司最累的一層。差別不在誰更拚，在少數人把「日常實踐」練成了肌肉記憶。這篇拆解高效主管每天在做、多數人忽略的五個習慣，以及怎麼從明天開始練一個。
麥肯錫內部已跑約 2.5 萬個 AI agent、目標年底人手一個，半年省下 150 萬小時。當 agent 開始自己完成任務，管理者的價值不再是自己做，而是會不會拆任務、驗收、扛責。這篇談 AI agent 管理這一輪該補的三個能力。