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。
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:
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。
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?
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?
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。
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。
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
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
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
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
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
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
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)
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
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)
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
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
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
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
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
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
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
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
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
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)
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
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)
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
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
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
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。
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。
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。
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。
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。
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。
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。
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。
我們的 AI Agent 可以自動訓練,越用越聰明。
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。
我們做的是真正的自主 Agent,不只是 Chatbot。
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。
導入 AI,不用改既有系統,我們外掛就好。
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。
我們的 AI 能學習資深員工的判斷,自動繼承。
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。
半年導入完成,公司就能進入 AI 自動化營運。
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」。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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」。