品味、判斷力與打造 AI 產品：Snowball 座談會的啟示
2026 年 4 月，Tanya Chou 在 Snowball Asia 的 AI 商業活動中主持了一場實踐者座談會。大約 150 人到場。座談嘉賓是 Augustin Chan（Digital Rain Technologies，Hong Kong AI Podcast 聯合主持人）和 Alexander Payne（Signal Eight，AI Tinkerers HK 聯合組織者）。
沒有投影片。沒有推銷。只有兩個每天都在用 AI 做事的人，交流什麼真正有用。
以下是座談中提出的幾個核心觀點。
支付系統花了兩個月。AI 代理功能只花了兩天。
Alex 一直在打造 Signal Eight — 一個為食品飲料銷售團隊設計的 AI 代理 CRM。他的銷售人員透過語音跟 CRM 對話，而不是跟複雜的介面搏鬥。令人意外的是：打造代理功能（網頁搜尋、CRM 資料充實、對話介面）相當順利。支付和帳單基礎設施？花了兩個月的時間不斷撞牆。
Aug 早就建議他先不要處理帳單。Alex 沒聽 — 最後才領悟到多用戶 SaaS 帳單是那種看似簡單、實際上 AI 也無法簡化的基礎設施問題。
重點：「無聊」的基礎設施往往比「困難」的 AI 功能更耗時。知道先做哪個，是一個能省下數月的 80/20 決策。
以能力而非功能來部署 AI
當觀眾問到 ROI 時，Aug 重新定義了這個問題。用傳統軟體指標來衡量 AI 的 ROI 並不實際。相反，應該從能力的角度來思考 AI 的部署 — 這個團隊現在能做到什麼以前做不到的事？
目標是讓各部門能夠自助式開發，或至少自助式解決問題。工具還沒完全到位，但進展很快。你需要瞄準未來的方向。
這與 Aug 所說的「手術刀式軟體」（surgical software）相呼應 — 更小型、高度適配的系統，貼合用戶的實際工作流程，而不是強迫用戶適應標準化平台。當程式碼變得廉價（事實上現在就是），你可以讓軟體適應用戶，而不是反過來。Fred Giron 在 Forrester 的一篇文章中說得好：「當程式碼免費時，還剩什麼可賣？」
剩下的是判斷力。
程式碼很便宜。品味不是。
兩位嘉賓不斷回到同一個觀點：用 AI 寫程式碼現在基本上是免費的。難的是知道要建什麼以及為什麼。
Alex 直言：「知道該建什麼、為什麼建，以及什麼才真正有用 — 這歸根結底是判斷力，目前只有我們人類擁有。」
Aug 更進一步，認為品味 — 看到一個方向就知道它不對、或者對泛泛的東西感到不適的能力 — 才是有用的 AI 產品和平庸產品之間的分水嶺。AI 會回歸均值，因為它是在所有資料上訓練的。品味就是偏離均值的能力。
棘手的是：品味很難教。Aug 建議這個行業可能需要回到學徒制 — 透過觀察和微妙的暗示來學習，而不是詳盡的文檔。你看 Alex 做一次規劃會議，學到的可能比讀一本操作指南還多。
代理工程，而非 Vibe Coding
Alex 反對「vibe coding」這個詞。這個詞剛出現時，指的是用 AI 寫程式碼。但它暗示了一種隨波逐流的方式 — 憑直覺修修改改，沒有明確的計劃。
他更傾向「代理工程」（agentic engineering）：從規格開始，從策略開始，理解為什麼要建這個東西，然後從規格到計劃再到程式碼。這跟隨性發揮完全不同。
但即使是 vibe coding 也需要品味。當你快速做出「這看起來對不對」的判斷時，那就是品味在意識層面以下運作。差別在於你是否已經累積了足夠的領域知識，讓這些直覺是可靠的。
領域專業知識才是真正的護城河
Alex 的 CRM 之所以有效，是因為他做了多年的外勤銷售。他知道一週跑 20 場會議、飛回來後卻想不起細節、週一還要跟經理報告的感覺。那種痛點是具體而真實的，也是 Signal Eight 的設計決策精準而非泛泛的原因。
Aug 的方法論之所以有效，是因為他見過幾十次企業軟體部署的各種成敗。他的「手術刀式軟體」方法 — 透過 WhatsApp 語音收集需求、大量轉錄、詳細規劃、先建資料模型、最後才加 AI — 來自於觀察跳過這些步驟會出什麼問題。
在這兩個案例中，AI 是加速器。領域專業知識是方向。
觀看完整座談
完整的 20 分鐘對話可在我們的 YouTube 頻道觀看，附有英文、繁體中文和簡體中文字幕。你也可以查看合作詳情頁面了解嘉賓簡介和相關連結。
在我們發布新文章和節目時收到通知。沒有垃圾郵件，只有訊號。