從 L1 到 L5
    用自動駕駛讀懂
    企業 AI 導入的真實旅程

    過去十年,汽車產業用 SAE 的六級分類,讓全世界對「自動駕駛」建立起共同的語言。 同一時間,企業導入 AI 的市場卻陷入詞彙混亂。本文借用這個全球通用的心智模型, 把企業 AI 導入的真實階段,一次講清楚。

    01序章 · The Confusion

    為什麼每個人都在講 AI,
    卻沒有人講同一件事?

    同一個 RAG 知識庫,有人說是「智能助理」,有人說是「自主代理」, 甚至包裝成「準 AGI 解決方案」。問題不在誰騙誰,而在於我們缺一把通用的尺。

    2015 年之前,當你問一個車迷「Tesla 算不算自動駕駛」,你會得到十種答案。直到 SAE J3016 標準出現,把自動駕駛分成 L0 到 L5 六個等級,整個產業才開始用同一種語言對話。 今天,你說「Tesla Autopilot 是 L2」、「Waymo 在鳳凰城跑 L4」,沒有人會誤會你的意思。

    企業 AI 市場正處在 2015 年前的汽車產業。當一家廠商說「我們提供企業 AI Agent 解決方案」,可能意思是:

    • 把你的 SOP 文件灌進 ChatGPT 讓員工查詢(這是 L1)
    • 做了一個能自動寫週報的工作流(這是 L2)
    • AI 會自己處理客訴(這通常是 L2 偽裝成 L3 到 L4)
    • 做的是 AGI 通用智能(這是話術,目前全球無人做到)

    混亂的後果,是企業主花 L4 的錢、買到 L1 的東西, 而且自己還不知道。要解開這個結,我們需要一把公認的尺。

    混亂的後果,是企業花 L4 的錢、買到 L1 的東西,而且自己還不知道。
    02背景 · The SAE Story

    SAE 的六級分類,
    究竟在分什麼?

    答案出乎意料地簡單,只有兩件事:誰負責開車?系統能在多大範圍內運作?

    VARIABLE 01

    動態駕駛任務由誰執行

    踩油門、轉方向盤、判斷路況,這些動作由人類執行,還是由系統執行?

    VARIABLE 02

    監控駕駛環境由誰負責

    出車禍時誰負責?是手握方向盤的人,還是車廠?

    L0 到 L2,駕駛動作可能由系統執行(像 ACC 定速、車道保持),但 監控責任永遠在人類身上。 L3 開始監控責任轉移到系統,人類可以暫時放手,但如果出事,責任轉移到車廠。 L4 到 L5 則是系統全權處理,差別只在「能在什麼範圍內運作」。

    這個分類為什麼天才?因為它不是按技術強弱分的,是按責任歸屬分的。 L2 的車不一定比 L3 的車「笨」,Tesla FSD Beta 在某些情況比 L3 的 Audi A8 更會開車, 但 SAE 認定它是 L2,因為車廠不敢承擔監控責任。

    SAE 分級不是分「技術」,是分「誰負責」。

    這個洞察直接搬到企業 AI 一樣成立。「我們的 AI 能自動處理客戶詢價」,真正的問題不是「AI 能不能寫出回信」, 而是那封信是「AI 寫好、人按送出」(L2),還是「AI 直接送出、出包公司扛責任」(L3 到 L4)?只要你問清楚「誰負責」,話術會瞬間瓦解。

    THE CORE FRAMEWORK

    把 SAE 的尺,借給企業 AI 用

    兩個產業,結構驚人地相似。看完這張表,所有 AI 話術都會破功。

    L0無自動化
    自動駕駛

    傳統手排車

    人類全權操控,系統零介入。最多有警示燈、防鎖死煞車這類被動安全。

    1990 年代以前的車

    企業 AI

    無 AI 使用

    員工手動操作所有事。文件查 Google、報告自己打、流程靠記憶。

    多數中小企業現況

    L1輔助
    自動駕駛

    駕駛輔助

    單一功能輔助。系統只負責「定速」或「車道保持」其中一項,其他仍由人類負責。

    ACC 定速巡航

    企業 AI

    知識問答

    單一場景輔助。AI 只負責「查 SOP」、「翻譯」或「文件摘要」單一任務,結果由人採用。

    接 ChatGPT 的內部知識庫

    L2部分自動
    自動駕駛

    部分自動化

    多功能同時運作(ACC + 車道保持)。系統能做事,但人類必須隨時準備接管。

    Tesla Autopilot、Honda Sensing

    企業 AI

    工具呼叫

    多工具串接執行(查資料 + 寫 Excel + 發信)。AI 能做複雜工作流,員工仍需審核每一步。

    n8n + Dify Agent 串接

    L3條件自動
    自動駕駛

    條件自動化

    特定路況系統開(高速公路 ODD)。監控責任轉移至車廠,人類隨時準備接手。

    Mercedes Drive Pilot(限制路段)

    企業 AI

    流程嵌入

    特定流程系統開(SAP 受控寫入、自動報價)。責任轉移至 AI 治理委員會。

    Agent Gateway 適配層

    L4高度自動
    自動駕駛

    高度自動化

    特定地理區域全自動(地理圍欄)。在邊界內人類可完全脫手,在邊界外系統會自行靠邊停車。

    Waymo One(鳳凰城、舊金山)

    企業 AI

    自主決策

    特定業務內全自動(業務圍欄)。在 5 到 8 個明確戰場 AI 全權處理,人類管邊界與例外。

    全球頂尖企業 AI 標竿

    L5完全自動
    自動駕駛

    完全自動化

    所有路況、所有國家、所有天氣。沒有方向盤、沒有油門。

    全球無一家車廠達成

    企業 AI

    AGI 通用智能

    所有業務情境都能處理。等同於通用人工智能。

    全球無一家企業達成

    黃色 = 業界最常被誤稱為高一級的「話術區」灰色刪除 = 目前科技邊界外的「不存在區」
    03關鍵分水嶺 · The Watersheds

    兩道分水嶺,
    決定了 AI 導入的真正難度

    整個 SAE 框架最深的智慧,藏在兩道分界線上。看懂這兩道線, 就看懂為什麼 95% 的企業 AI 專案,真實位置與行銷宣傳有巨大落差。

    分水嶺 1 / 2

    L2 → L3·責任主體的轉移

    從 L2 跳 L3,監控責任從人類轉移到系統。這聽起來只是技術小升級,實際是整個產業最大的鴻溝。

    在汽車界

    Audi 2017 年宣稱 A8 是全球第一台 L3 量產車。三年後默默把它從規格表上撤下。不是技術做不到,是法規與保險體系跟不上。直到 2023 年 Mercedes Drive Pilot 才在德國和加州拿到限定條件下的 L3 認證。從 L2 到 L3,全球車廠走了 7 年。

    在企業 AI 界

    AI 寫了一封報價信,員工按送出、出問題員工負責,這是 L2。AI 直接送出、出問題公司怎麼追責?追業務?追 AI 治理委員會?追廠商?這就是為什麼 RFP 要把「CRUDS 權限治理」放在核心位置。從 L2 跳 L3,企業要重寫的不是技術,是整套組織責任結構。

    分水嶺 2 / 2

    L4 → L5·場景邊界的消失

    L4 和 L5 在外行人眼中差異不大,但這道線是現有科技絕對無法跨越的天塹。

    在汽車界

    Waymo 在鳳凰城商業營運 L4 Robotaxi 超過五年,但只有鳳凰城。為什麼不開到台北?因為鳳凰城的氣候、路況、法規,都被 Waymo 用了五年時間地理圍欄化。L5 意味著「全世界都跑得通」,需要的不是更強的演算法,是對所有未知情境的通用智能,這就是 AGI。

    在企業 AI 界

    一個企業 AI 可以在「自動回客戶詢價」這個業務內全權處理(L4),前提是有明確的業務圍欄:報價有 SOP、折扣有規則、客戶分類有標準。離開圍欄 AI 立刻失效。L5 等於 AGI,意味著能處理所有業務情境,2026 年全球沒有任何企業做到。誰跟你說能做 L5,就是話術。

    L2 跳 L3,難在「誰負責」。 L4 跳 L5,難在「邊界消失」。 其他級別的跳級,相比之下都是小菜。
    04話術破解 · The Myths

    五個業界最常聽到的話術,
    以及它們的真相

    搞懂 SAE 對標之後,你會發現市場上 90% 的 AI 行銷語都有問題。 這裡是 Smart4A 過去三年遇到最多的五個常見話術,逐一還原它們的真相。

    01

    我們的 AI Agent 可以自動訓練,越用越聰明。

    真相 · THE TRUTH

    Agent 不會自動訓練。99% 廠商說的「訓練」實際是 RAG(檢索),不是 Fine-tuning(調權重)。RAG 只是「現查現用」,不會讓 AI 真的學會新東西。所謂「越用越聰明」,其實是「累積對話記錄、下次查得到」,跟人類「累積經驗、形成直覺」是完全不同的兩件事。

    02

    我們做的是真正的自主 Agent,不只是 Chatbot。

    真相 · THE TRUTH

    真正的「自主」需要事件源,AI 能感知環境變化、主動觸發行動。但 99% 的企業 AI 平台部署完,完全沒有接事件源(SAP 沒開 Webhook、Email 沒接 Listener、CRM 沒推訊息)。AI 平台像孤島,只能等員工按按鈕。這不是「自主」,是「被動執行」,在 SAE 標準下是 L2 不是 L4。

    03

    導入 AI,不用改既有系統,我們外掛就好。

    真相 · THE TRUTH

    外掛確實能做到 L1 到 L2,但天花板就在那裡。要進 L3 必須改既有系統(開 API、加身份傳遞、實作回滾)。這不是廠商懶,是物理現實:你不能用「外掛」讓 AI 寫回 SAP,因為寫入需要驗證業務邏輯、需要簽核流程、需要審計軌跡。任何告訴你「不改系統也能 L3 到 L4」的廠商,賣的不是技術,是話術。

    04

    我們的 AI 能學習資深員工的判斷,自動繼承。

    真相 · THE TRUTH

    AI 看不到資深員工的「腦中決策」。文件能記錄的只有「結果」,不是「過程」。為什麼這位客戶破例給 8% 折扣?為什麼那條條款上次被拿掉?這些判斷沒有任何系統記錄,除非有人引導員工把這些直覺「顯性化」變成 Skill MD 或決策樹。這是組織能力建設問題,不是技術問題。

    05

    半年導入完成,公司就能進入 AI 自動化營運。

    真相 · THE TRUTH

    半年只能完成 L1 到 L2 的平台底座。把 L1 到 L2 講成「AI 自動化營運」是嚴重誇大,這跟「買台 Tesla 就等於進入無人駕駛時代」一樣不準確。真正的 AI 營運,需要 18 到 24 個月分階段建立 L3 適配層 + L4 事件驅動。誠實的廠商會告訴你「這是 M0」,不是「這就是終點」。

    SMART4A APPROACH

    那麼,該怎麼做?

    破解話術之後,真正的問題是:面對 L1 到 L4 這段漫長旅程,企業該怎麼走? Smart4A 用三個核心方法論,陪企業從 L1 一路走到 L4。

    METHOD · 01

    交辦即訓練

    Delegation as Training

    AI 不會自動變聰明,但每次員工請它做事的當下,就是它學習的最佳時機。Smart4A 設計「脈絡擷取」機制,把員工的交辦對話、決策考量、人工修正全部結構化寫入長期記憶。員工不需要額外花時間「教 AI」,AI 就是在被使用的過程中,自然累積公司運作 DNA。

    • ▸對應 SPEAK:E (Experience) 維度
    • ▸技術機制:n8n Hook + Dify Memory 結構化擷取
    • ▸可達範圍:L1 升 L2 的關鍵引擎
    METHOD · 02

    流程即知識

    Process as Knowledge

    資深員工腦中那套「直覺判斷」,是公司最寶貴的資產,也是最容易隨人才流失而消失的資產。Smart4A 透過「Skill 顯性化工作坊」,引導資深員工把判斷過程說出來、寫成 OpenClaw Skill MD 結構檔案。這不只是訓練 AI,是把組織的隱性知識變成可傳承的資產。

    • ▸對應方法論:FDE 四階段 Stage 4
    • ▸技術機制:Workshop + Skill MD + OpenClaw 註冊
    • ▸可達範圍:L2 升 L3 的組織前提
    METHOD · 03

    授權即邊界

    Authority as Boundary

    AI 學到了人類的決策方法,但不能無限放大。一個會寫報價的 AI,如果沒有「折扣不能超過 10%」的邊界,就是炸彈。Smart4A 的 SPEAK 框架特別設計 A (Authority) 維度,把每個 Agent 的權限做成 CRUDS 多對多治理,讓 AI 的成長與企業治理同步。

    • ▸對應 SPEAK:A (Authority) 維度
    • ▸技術機制:CRUDS 三維授權 + 審計軌跡
    • ▸可達範圍:L3 到 L4 的安全前提

    這三個方法論放在一起,不是技術堆疊,是 組織能力的養成系統。

    05企業路線圖 · The Roadmap

    從 L1 到 L4,
    企業該怎麼走?

    一個有野心的企業,從 L1 起步到 L4 商業落地,真實的時程是什麼樣子? Smart4A 用 24 個月,提供一條經過驗證的可執行路線。

    L1
    M0 — M3 · 起步期

    知識問答 · 平台底座建立

    部署 AI 平台、接入 SSO、建立基礎 RAG 知識庫。員工開始用 AI 查文件、做摘要、寫草稿。

    Smart4A 關鍵動作
    • ▸SPEAK 框架架構設計
    • ▸雲端 Landing Zone
    • ▸基礎知識庫盤點
    L2
    M3 — M6 · 工作流期

    工具呼叫 · 示範 Agent 上線

    n8n 串接內外系統,建立 3 到 5 個示範 Agent(會議紀錄、報價助理、名片掃描等)。「交辦即訓練」開始累積資產。

    Smart4A 關鍵動作
    • ▸n8n 工作流設計
    • ▸示範 Agent 落地
    • ▸Memory 擷取機制
    L2.5
    M6 — M12 · 過渡期

    職訓中心啟動 · 適配層設計並行

    啟動 Agent 職訓中心,培訓各部門種子人員。同步盤點 L3 候選系統,設計 Agent Gateway 適配層架構。

    Smart4A 關鍵動作
    • ▸Skill 顯性化工作坊
    • ▸系統 API 盤點
    • ▸適配層架構設計
    L3
    M12 — M18 · 流程嵌入期

    適配層上線 · 受控寫入既有系統

    SAP / CRM Agent Gateway 上線。Agent 開始能受控寫回核心系統。CRUDS 治理 + 審計軌跡完整落地。

    Smart4A 關鍵動作
    • ▸SPEAK · A 維度實作
    • ▸適配層 API 開發
    • ▸各部門教練陪跑
    L4
    M18 — M24 · 自主決策期

    事件驅動 · L4 限定戰場全自動

    建立企業事件匯流排,在 5 到 8 個明確業務戰場(自動回詢價、異常處置、自動排程)達到 L4 全自動。其他戰場維持 L2 到 L3。

    Smart4A 關鍵動作
    • ▸事件匯流排架構
    • ▸OpenClaw 多 Agent 編排
    • ▸智働話 70/30 文化

    注意:這條路線沒有 L5。 Smart4A 不承諾任何企業能在 24 個月內達到 AGI,因為全球沒有任何企業做到。 我們承諾的是:在 L4 的限定戰場內,讓 AI 真正取代人類重複性工作,讓員工專注於只有人類能做的判斷與創造。 這跟 Waymo 在鳳凰城的策略本質一樣,不是「全世界都能跑」,是「選定的戰場必須贏」。

    汽車產業花了百年,
    才走到今天的 L2 普及、L4 限定試營運。

    企業 AI 不用花百年,
    但也絕不會是半年。

    Smart4A 的存在,是用誠實的分級、務實的方法論、可驗證的路線圖, 陪企業走完這條從 L1 到 L4 的真實旅程。

    SMART4A · 禹動科技
    FIELD NOTES № 03 · ON AI ADOPTION
    M0 → M24 · L1 → L4