技嘉AITOP
日本一位沒有員工的稅務士，靠著 Claude Code 與自動化系統，成功服務 60 家客戶公司。按照傳統行業標準，這需要大約 6 名員工、每年 3,000 萬日圓的人事成本，但他把大量原本需要人工處理的重複流程，改造成一套由 AI 和自動化系統驅動的工作流。
畠山謙人工作流架構其實不複雜：把 Claude Code 當成總指揮，底下透過 MCP 協議串接 Gmail、Google Calendar、Notion、freee（日本常見的帳務軟體）等工具。每天晚上 9 點，系統自動啟動，去 freee 抓出 60 家公司的未處理交易。
成熟的工作流，不是每一步都丟給最強模型
換句話說，他讓 AI 先做 80% 的分類工作，只有真的搞不清楚的，才動用比較貴的 Claude API。這個設計背後有一個很重要的概念：成熟的工作流，不是把所有事情都丟給最強的模型。
AI First 的思考方式相差非常大。它在任務開始之前就先問：這件事能不能讓 AI 先跑？做完能不能變成固定流程？這套流程能不能擴大到不只這次、不只我一人？
當 AI 從聊天視窗變成營運流程，硬體就重要起來了
當 AI 還只是拿來寫文案、查資料、做簡報時，你不一定需要一台本地 AI 工作站。但當你開始把 AI 放進日常營運流程，情況就完全不一樣了。你不再只是偶爾問 AI 一個問題，而是希望它每天固定處理資料、讀取文件、整理規格、生成內容、檢查錯誤。
這時候，問題就不只是「哪個模型比較聰明」，而是整套系統能不能穩定跑起來。因為一個成熟的 AI 工作流，通常不會只有一個模型。你可能會需要文字模型負責理解資料與任務規劃，語音模型負責把會議或客服錄音轉成文字，圖像模型負責生成商品主圖或行銷素材。
技嘉 AI TOP 500 TRX50 的價值，不只是規格表上的 RTX 5090、Threadripper PRO 和 768GB 記憶體，而是它讓企業有機會把 AI 從「工具」變成「基礎設施」。當 AI 只是聊天視窗時，你需要的是一個好用的模型；但當 AI 開始處理資料、執行流程、參與營運時，你需要的是一套能在本地穩定運行的 AI 作業環境。這也是 AI First 真正落地時，硬體會重新變得重要的原因。
發佈留言