【我的預測】2026年最值得關注的是「決策超載」時代來臨，因為AI已從工具變成生產器具，企業的競爭不再只是拚速度，更要拚思考維度。當對手用AI做情境分析兩天就能決策，你還在用Excel花兩週彙報，這就是M型化的開始。
【我們正在做】我們目前正在推動兩大計畫：一是「AI PM班」，培育能以一擋百的新世代經理人，把AI當生產器具而非玩具；二是「好好用AI」全民素養計畫，從老到小建立正確的AI認知，彌平數位落差。
【我的建議】AI不會等你準備好，你的對手已經在用小模型做決策了，現在不是問「要不要做」，而是「如何做得比對手快、比對手深」。
趨勢1 小模型時代來臨，AI從玩具到生產工具
大型企業會開始發展自己的小模型，包括產業垂直的小模型和公司專屬的領域模型。明年隨著NVIDIA Spark這類桌上型超級電腦普及化、成本下降，加上模型變小但能力不減，只要稍微fine tuning，企業就能擁有自己的模型。
最具體的案例是銀行業，預計明年就會有本土金融業適用的垂直模型，協助金融業解決基本的AI應用需求。
除了這些企業級的小模型，最近很多硬體公司的年度峰會都在推「邊緣算力」（Edge AI）。因為只有大國才有辦法持續投資大型資料中心，其他企業和國家，需要將AI運算能力下放到邊緣，比如消費性設備、無人機、醫療設備等終端裝置上。
若將AI的發展分為三階段：當玩具、當工具、當生財器具，現在要專注在「當生財器具」階段。當AI成為生財器具，企業發展也會M型化；跑得很快的和還沒跟上的，落差會非常大。
舉個例子，前陣子遇到關稅問題，有的金融業花了兩週才知道怎麼因應，有的只用兩天就發新聞稿說明因應策略。
差別在哪？當對手用AI做情境分析、模擬推演、快速決策，你還在用Excel和過去的經驗值，用商業智慧（BI）工具慢慢做彙報，這就是差距所在。
趨勢2 決策超載的新時代
我們正經歷一個演進過程：從資訊匱乏、資訊不對稱，走到知識貶值，接下來會是知識超載，最後就是「決策複雜化」。
因為AI大量生成資訊，現在的資訊不再是以前碎片化的隻字片語，每一篇都是完整論文、精緻圖表，還有動畫影片。問題是，這些看似完整的內容，本質上仍然很片段——都被限制在15頁以內，像是被Notebook LM的限制框住了。
AI幫我們處理了很多System 1（快思）和System 2（慢想）的工作，尤其是收集資料、分析、發想這些耗時的長期任務。
理論上，這應該讓決策變輕鬆；實際上，當要做最終決策時，你會發現資訊量已經超出每天可以接受、運用的程度。
更關鍵的是，以前做決策可以花比較長時間慢慢想，現在你的對手做決策又快又準，逼得我們每天要用System 2深度思考的時間反而變多了。我們的腦袋原本是CPU的線性運算，現在必須變成GPU的平行處理。
但這也帶來正面的改變：你會發現現在我們做事的維度更高了，幾乎可以對一些事情產生降維的鳥瞰。
AI在你腦袋裡延伸了認知的邊界，你原本的思考是平面或立體，現在突然變成四度空間了。
行動1 從技術到應用：培育AI時代的新人才
我們很快要推AI PM班，涵蓋產品經理與專案經理；要把AI時代PM能「以一擋百」的概念融入其中，包括vibe coding、逆分工等，把分工做流程性re-engineering，這是以前經理人班的變形。
過去三年我們有大語言模型班，也教大家怎麼建代理人、拉流程；接下來可能會更深入，減少教工具使用，增加教應用application，專注在「AI當生產器具」這個階段。
《人工智慧基本法》通過後，各部會往下推「作用法」，也會有更多法規、應用、AI安全 與治理的需求，因為企業經營者必須既做到社會對齊，也做好創新。
行動2 全民AI素養：彌平數位落差的社會工程
另外，我們也跟Meta合作「好好用AI」計畫。
這是一個AI素養計畫，它完全不講技術，而是講使用AI該注意的事項，包含使用和接收訊息時的注意事項。有點像早期網路時代時講的媒體素養。
我們的策略是從「老」和「小」著手。老人容易被AI訊息詐騙，對AI沒有正確觀念，像是YouTube上很多AI假醫生做的健康頻道，長輩無法判斷真假。
小孩長期看手機、平板、玩遊戲長大，缺乏正確引導，在鍵盤後面是思想巨人，到實際社會卻無法融入。
針對AI造成的M型化社會或M型化企業，鴻溝需要被彌平。
我們會透過工作坊形式持續進行AI素養課程，這就像人文素養、財務素養一樣，應該是現代公民的標配。
未來城市＠天下｜台灣人工智慧學校執行長、校務長陳伶志、蔡明順2026年AI趨勢觀點：
A： 關鍵在思維轉換：把AI從玩具、工具，真正當成生財器具。例如近期面對關稅衝擊，有企業用AI做情境分析、模擬推演，兩天就發出因應策略。企業競爭力不在於模型多大，而在於誰能把AI整合進生產流程，實現決策的高效與深度。
A： AI幫我們處理了很多System 1（快思）和System 2（慢想）的工作，尤其是收集資料、分析、發想這些耗時的長期任務，但本質上仍然很片段，我們的腦袋原本是CPU的線性運算，現在必須變成GPU的平行處理，可以利用AI延伸認知邊界，從高維度進行決策決斷，而非僅是處理碎片化的資訊。
A：過去PM需要懂SQL或基本程式邏輯才能與工程師溝通，但現在有vibe coding，經理人只需精確定義應用場景、業務邏輯，由AI負責底層實作，這讓PM直接進入應用開發階段，AI時代的PM將能「以一擋百」。
