正逢 AI 浪潮來襲，來自英國的全球領袖媒體 The Icons 順勢推出讓全球企業領袖們交換想法、切磋功夫的線上論壇 The Icons Talk，聚焦來自世界各地的創始人、CEO 與新世代家族企業接班人，透過不同主題的設定，以及一場場具備含金量的深度對話，拆解各國企業經營者如何思考企業成長、領導力、聲譽建構，以及如何打造能跨越國界的影響力。
The Icons Talk 第一場對談的主題是《創業者前瞻 2026：AI 時代的成長法則》，兩位受訪嘉賓代表了兩個截然不同的產業。一位是 Jan Hauser，他是軟體工程公司 Applifting 的英國 CEO 暨共同創始人，擅長討論的範疇是數位產品與金融科技；另一位是林愷澤（K. T. Lin），他是 Bellwether Industries 的共同創始人暨 COO，該公司的產品是飛行器，也就是俗稱的「空中計程車」，這個領域無疑是深科技、長周期、高監管壁壘的硬體修羅場。
主持這場對話的是 The Icons 商務發展總監暨 The Icons Talk 節目製作人王湧惟（Ricky Wang）。這一次，活動也由一個從英國發起的全球創始人社群 The 90 與 The Icons 共同主辦。這一場對談中，兩位截然不同的創業者，從各自的角度出發，探討一個當下困擾許多領導者的問題：當每個人都因為 AI 而被賦予新的契機之際，我們的下一步在哪裡？
Jan Hauser：競爭優勢不在於誰最早採用 AI，而在於誰能「負責任地」將 AI 融入工作流程
Applifting 成立至今已有 11 年。公司最初在布拉格成立工程團隊，如今業務已延伸至倫敦並服務多個國際市場。作為一家長期為金融科技與大型企業打造數位產品的軟體公司，Jan Hauser 很早便感受到人工智慧對整個軟體產業所帶來的壓力。
幾年前，公司內部曾提出一個簡單的問題：「有多少人已經在日常工作中使用 AI？」舉手的人遠比預期的多。那一刻，Jan 意識到，AI 已不再是少數工程師的工具，而是整個組織必須面對的現實。因此，公司很快開始制定一套明確的 AI 使用原則。
Jan 也提到一項名為「MEETER」的科學指標，用來衡量 AI 完成任務的效率。一年半前，AI 通常只能處理大約 8 到 10 分鐘的人類工作；到了 2026 年初，AI 已能處理長達一個半小時的任務，成功率接近 80%。這樣的進展速度，迫使 Applifting 團隊重新思考自己在市場上的定位。
公司最終提出一個清楚的方向：AI Powered Engineering。但這並不意味著盲目追逐每一個新工具。當新模型出現、整個產業迅速跟進時，Applifting 選擇先建立嚴謹的測試與採用流程。
「新工具的出現，不代表它已經準備好進入生產環境。」Jan 說：「企業需要一個可以快速實驗的環境，但實驗不等於立刻投入市場。」
為了讓 AI 真正成為工程能力的一部分，Applifting 為工程師建立了一套 AI 成熟度框架。從完全不使用 AI 的 Level 0，到能同時運用多個 AI 系統並整合進開發流程的高階能力。公司的目標，是讓所有工程師至少達到 Level 2，能夠熟練地將 AI 融入整個軟體開發週期。
然而，在所有規則之中，有一條原則始終沒有改變，就是任何 AI 生成的程式碼，工程師都必須完全理解：「如果你看不懂 AI 生成的程式碼，就不應該把它放進產品。」Jan 說：「因為最終負責的人仍然是你。責任不會轉移到 AI 身上。」
在當前充滿熱潮的 AI 討論中，這其實是一個被忽略的常識。AI 可以提高效率，但真正的考驗，是人類是否仍然能理解並掌握自己所使用的工具。
Jan Hauser 對當前充斥網路的自動化內容抱持保留態度。大量由 AI 生成的郵件與社群訊息，在他看來往往缺乏真正的溝通價值：「那些內容不是人寫的，也不會被人真正閱讀，這是一種有些荒謬的循環。」對於創辦人而言，AI 的導入同樣需要務實的策略。Jan Hauser 建議企業可以先向外部尋求建議，但最終仍必須在組織內部培養真正理解 AI 的核心人才：
「這個領域充滿各種自稱專家的聲音，很難判斷誰真正了解問題。你可以向信任的人尋求建議，但最後，你必須找到那些願意深入研究、並能帶動其他人的那幾個關鍵人物。」
從企業領導人的角度，Jan 也提醒創業者們，在知識與技術快速擴散的時代，企業真正的競爭力，不在於接觸多少外部專家，而在於是否能將外部知識轉化為自身的能力。
林愷澤：在工程世界裡，AI 的價值在於讓人看到更多可能，而非給出答案
林愷澤創辦的 Bellwether Industries 正在努力開發城市空中載具，也就是外界常說的「空中計程車」。這是一個研發週期動輒以十年計算的產業。每一個零件都必須通過嚴格的安全驗證，每一個設計決策都與航空法規和乘客安全緊密相關。在這樣的產業裡，技術的進步從來不是單純的效率問題，而是關於風險、責任與長期可靠性的平衡。
在談到人工智慧時，林愷澤的語氣顯得格外務實：「我們可以從兩個層面來看 AI 的影響，」他說，「一個是讓公司日常運作更有效率，另一個是改變產品研發的方式。對我們來說，第二個層面更重要。」
在航空工程領域，設計與驗證一直是最耗時的環節。傳統模擬系統不僅成本高昂，運算時間也相當漫長，一次完整模擬往往需要數天時間，還需要專門的工程團隊負責建模與測試。現在，AI 可以在幾個小時內完成類似的模擬工作，而且準確度已經接近九成以上。對工程團隊而言，這意味著研發節奏正在改變。
「過去很多設計想法不是做不到，而是沒有時間去驗證。現在我們可以更快比較不同方案，也更早發現問題。」在林愷澤看來，AI 在硬體研發中的價值並不是替工程師做決定，而是讓工程師能夠探索更多設計方向。當模擬成本大幅下降，設計團隊可以嘗試更多不同的結構與配置，進而找到更好的解決方案。
林愷澤也提醒，工程世界並不只存在於電腦模擬之中，「在電腦裡可行的設計，到了真實世界往往會遇到新的問題。」他說。當飛行器真正被製造出來，材料強度、氣流變化、震動與溫度都會影響系統表現。那些在模擬環境中看似完美的設計，往往需要在實際測試中反覆調整。
「因此，在航空工程領域，AI 更像是一種輔助工具，而不是決策中心。它可以幫助工程師更快理解問題，但最終的判斷仍然需要人來完成。」
林愷澤對自動駕駛產業的一個觀察，也說明了這一點。早期自動駕駛系統在高速公路上表現最好，因為道路環境相對單純；在城市街道上卻困難重重，因為突發狀況太多。然而隨著新一代 AI 模型出現，情況開始出現某種程度的改變，AI 在資訊密集、變化快速的城市環境中，往往能更快做出判斷。
「同樣的技術，在不同環境裡可能完全不同。很多事情我們還在慢慢理解。」這也說明了一個現實：AI 並不是萬能工具。它的能力與限制，需要透過長時間的實際測試才能真正看清。
對航空產業而言，這樣的探索必須格外謹慎。林愷澤特別澄清一個經常被混淆的概念，很多人把自動化與完全自主系統視為同一件事，但在航空領域，它們其實代表兩種截然不同的技術路徑：「自動化代表飛行員仍然在機上，只是部分操作交給系統；真正的自主飛行則意味著沒有飛行員。」他說。「在航空產業，我們幾乎不談後者，因為責任問題非常複雜。」
這種差異也反映出不同產業面對新技術時的節奏。在軟體產業，一個錯誤可以迅速修補並重新部署；在航空產業，一次失誤可能帶來極其嚴重的後果。因此，當軟體公司快速實驗新模型時，航空工程師必須同時思考另一個問題：如果系統判斷錯誤，人類要如何接手？
「大約七成的航空事故其實與人為失誤有關，所以 AI 的確有機會改善安全。但前提是技術足夠成熟，監管機構知道如何管理，整個產業也必須能夠釐清責任。」在林愷澤看來，這並不是對創新的保守態度，而是對創新提出更高的要求。真正能改變產業的技術，從來不只是速度更快，而是能在效率、安全與責任之間找到新的平衡。
從自動化到自主決策：AI時代的責任問題
對談最後，主持人王湧惟問了一個很實際的問題：如果未來空中計程車真的成為城市交通的一部分，空域會不會也像道路一樣，出現不同複雜程度的環境？當越來越多飛行器依賴 AI 做出判斷，空域本身會不會變成另一種交通難題？
林愷澤的回應很直接。他認為，在可見的未來，即使飛行器具備高度自動化能力，人類仍然會留在系統裡，只是位置不同，不再坐在駕駛座，而是在遠端監控與必要時介入。他提到舊金山 Waymo 無人計程車曾因為停電而全部停在街頭的事件。那一刻很清楚地說明了一件事：再先進的系統，也離不開現實世界：「真正的無人交通一定會出現，但它不會一夜之間發生。」
Jan Hauser 也幽默地補充：「以前叫計程車會看到司機，未來可能會看到一個工程師坐在車上，抱著筆電。」Jan 的意思是，技術可以越來越複雜，但系統總要有人負責。
王湧惟最後也從不同面向總結，對航空工程師來說，這意味著任何自動化系統都必須留下一條人能接手的路；而對城市管理者來說，意味著新的交通規則；對企業而言，則意味著技術之外還有更難處理的問題：責任、監管，以及信任。
「空中計程車是否會普及，也許不只是技術問題。很多時候，一項技術真正成熟的標誌，不是它能飛得多快，而是社會是否已經準備好接受它。」
精選推薦：
