制造业 AI 导入实践者李牮斯：中小企业的精简与散乱，为何反而是 AI 代理人的优势

在讨论企业导入 AI 时，常见的前提是：你需要足够的资料、完整的 IT 架构和专业团队。李牮斯在 TechOrange 发表的专栏文章反其道而行。他自述在制造业第一线推动 AI 导入，观察到一个结构性悖论：中小企业长期欠缺的白领幕僚与管理 know-how，以及手上规模不大、散乱的资料，反而成了使用 AI 的优势。

这个论点的第一个机制在于组织结构。台湾不少中小企业拥有世界级的工厂，在各自领域是隐形冠军，但管理与幕僚编制十分精简——市场分析、法务、人资、资本策略往往压在少数主管身上，有时甚至无人负责。过去这种做法在相对稳定的全球化环境下还行得通，但地缘经济与科技正在剧变，世界级的工厂需要配上世界级的企业管理。传统补法就是聘人、成立部门，长期负担固定成本，偏偏许多公司正是因为缺乏资源才无法再往上走，形成鸡与蛋的难题。

到了 AI 时代，精简反而可能成为优势。相较于部门与职责分工完整的大企业，中小企业少了既有编制的包袱，AI 代理人较容易直接补进那些原本就缺人的功能。李牮斯举例：一家原本没有市场研究人员的工厂，可以开始掌握客户产业的变化，评估过去没空研究的生意。主管有了这些支援，也比较有余裕替公司想得更远。这里的核心判断是：中小企业能比大型企业更快取得原本欠缺的能力。

第二个机制在于资料规模。企业一听到 AI，常会直觉地找 IT 专家与外部顾问，接著谈起一套昂贵庞大的资讯架构，导入还没开始预算与工程就先摆在眼前。但李牮斯认为中小企业的资料量对 AI 而言并不算大，还没经过系统化整理的散乱资讯，也正是 AI 擅长消化的材料。使用合适的企业版 AI 订阅工具，就有机会从既有档案与团队做起，不必先把所有资料重整一遍。资料太少不容易看出经营脉络，资料太多光是整合就可能耗掉大把资源；不少中小企业恰好介于两者之间，不大不小，反而刚刚好。

他将这个观察延伸到台湾产业结构的意义：当一间间各有专长的中小企业能保有精简组织的灵活，又能取得过去只有大企业才有的管理能力，产业升级就不必以企业大型化为前提。世界级的制造本事，不必一直受限于办公室里有多少人。

需要指出的是，这是一篇基于第一线实践经验的归因论述，而非经过量化验证的研究结果。文中「即使只有 1% 的员工真正掌握这种工作方式，也可能带动整体竞争力的倍增」属于作者的推论性判断，未附具体测量方法或样本。Anthropic 的 Claude 使用指数显示台湾相对使用强度落后新加坡与韩国，是作者引用的外部数据，用以说明问题的紧迫性，而非论证本身的核心支撑。论点成立的前提是 AI 代理人在 2026 年确实能可靠接手一整段工作——作者认为这个条件正在成熟，但并未提供失败案例或能力边界的具体检验。

无论 AI 投资热潮是否降温，李牮斯的结论是：这条路已经打开，不必等下一座资料中心落成才开始往前走。眼前的 AI，让「中小企业」这四个字，有朝一日只是描述一家公司的人数，而不再预先决定它能走多远。