- OpenAI 推出新功能叫「Agent Builder」，讓數位轉型更容易了
- 2025/10/6，OpenAI 推出「Agent Builder」新功能，像 n8n 有類似的圖形界面，在每週都有不同 AI 技術推出的現在，企業主為何要用 low-code 工具？如何規劃 數位轉型 策略？要用新的還是成熟技術？這裡是我教學和顧問的經驗談。
-
數位化 擋住了 數位轉型 ？
- 我在擔任 AI 講師及進入企業輔導數位轉型時，我發現企業主多半早就投入資源，可惜他們當時為「數位化」所購買的設備都由系統銷售方推薦，因為種種原因無法客製化，買來發現不好用，最後要「數位轉型」時，反而卡在這些舊系統上，是早投入反而沒有益處嗎？
-
數位化 和 數位轉型 比一比
- 「數位轉型」這個詞常迷惑人，因為它跟「數位化」感覺很像。
-
數位化是「把手工流程改用電腦」
- 「數位化」是說在電腦發明到普及過程中，原本的填寫表單、層層簽署、紙筆繪圖… 轉為在電腦中作業。
- 比如企業老闆說，我導入掃描機，現在公司無紙化。我導入 CAD，外形設計到模具開發都用傳送檔案不用紙張… 這就是數位化，雖然導入電腦，流程大致相同。
-
數位轉型是「用科技重新設計企業」
- 而「數位轉型」則是「用科技重新設計企業」，這詞並不新，先前就有各種各樣理論要把組織、設備這樣那樣地調整，很爭議且不易達成，而 AI 出現後就大幅改變了，因為現在是「用 AI 重塑企業」。
- 讓我們疑惑的是，兩者都有「數位」啊！但它倆的差異其實不是「
數位」而是「轉型 」，因為 AI 出現，從前是「要/不要」數位轉型，現在是「更早/更晚」數位轉型，沒有不進行的選項，選不做數位轉型的答案，相當於選擇把公司拉下鐵門。
-
為何不好用？因為你放棄主控
- 不管你花多少錢導入世界級顧問公司來幫你設計流程，你一定是最瞭解你企業的人，外來者就算有經驗、花多少時間寫報告，都難保合用。
- 中小企業不可能請麥肯錫吧！所以你購買設備時諮詢對象可能是系統公司派來的窗口，就算找來 Pre-sales，終歸你接觸的是想賣你設備的人，而不是想幫你企業成長的人。
- 台灣很多代工企業，品牌方交給幾家代工廠，設立驗收標準，刻意扶植幾家競爭，由於無法掌控市場，研發創新系統的誘因小，找到賣方買來足以生產的系統，讓我儘快獲利才是。
- 不只代工廠，許多企業在做一樣的事，電信商、銀行、加盟主… 都是買固定生產機具，去產出固定的產品或服務，這是把你的生財系統的主控權交在別人手中。
- 但矽谷軟體公司卻非如此，就算科技含量不高，他還是會自行開發「生產機具」，就算是組裝，都要灌注經營思維。
- Airbnb 這個美國上市的「民宿旅客轉介平台」可讓房東招租、房客訂購、協助支付，與幾十年前台灣的「崔媽媽租屋平台」相去不遠，沒什麼高科技。
- Uber 是美國上市的「計程車叫車平台」，從旅客 App 接案，用司機 App 通知司機，技術跟 55688 的電話叫車如出一轍。
- 但台灣中小企業跟軟體公司的差別是，機器看得很重，卻沒把軟體規劃當成企業一環，所以公司沒有專人主導，買進各種不相容的軟體。
- 我在諮詢時想「當初到底是用什麼想法買進那些系統呢？」，矽谷新創把自己當作一個「服務」，如果代工企業也把自己當作是個服務，例如我是個「產生 iPhone 手機殼的服務」，那你就有個全局，你買進設備、系統只是在完整當初的佈局，因為你是這部片的「導演」，就算買來不同品牌設備組合，你會站在它之上自己開發、銜接，最後要產出導演想要的成果。
- 讓別人來主控，就像是你是個小導演請到一位大明星，他一來就指手畫腳，最後電影拍成大明星想要的樣子。
- 朋友說他們公司的某技術賣給臺積電，我說「哇！那是拿來做什麼用？」，朋友說「我不知道，他們買回去自己開發」，這就是組合自己企業的態度，而不是交給供應商，如果按照大明星的意見把電影搞砸了，還是丟你導演的臉。
-
主控 數位轉型 成本降低了
- 你會說，臺積電當然自己主導啊！但我們這種中小企業連管電腦的人都沒有，怎麼可能有技術去主控數位轉型？我們只能拜託供應商幫我們修改，但有時候他們連收費都不願意改。
- 你是對的，比如說我買了 2 套不合用的軟體，我能自己把它們串接起來嗎？
- 從前，Python 被叫做「粘膠語言」，是因為它語法（相較）簡單，有非常多軟硬體都為它開發程式庫，就可以用它把兩套異質系統「粘」起來。
- 但雖說語法較簡單，只要談到寫程式，對大部分不開發軟體的公司來說都很困難。
- 所以看到 OpenAI 提出了 Agent Builder 這個 Low-code 工具是很高興的，你不怕叫 AI 寫程式吧？那主控數位轉型的成本就降低了，你只要有
- 主控想法
- 滑鼠拖拖拉拉
- 叫 AI 寫一點點程式即可。
- OpenAI Agent Builder 剛入場可能還不完善，但先前的 n8n, Make 等平台早就做到這些了，這些 low-code 平台，你如果要用它來建一套完整的 ERP 很不容易，但用它把兩套異質系統「粘」起來卻非常拿手，要說它們是為了中小企業開發真不為過。
- 所以我常跟學生說，Python 是工程師的粘膠，而 n8n 是非技術背景你我的「粘膠」，它整合的服務超多，又不用寫一行程式碼。除此之外還是「萬用遙控器」，用 n8n 剪接影片？不是不行但不擅長，如果用 n8n 呼叫來啓動某個剪接軟體就很合適。
- 現在，中小企業可以像臺積電一樣主控數位轉型，而且不需要聘請技術高手。
-
數位轉型 前進幾步走
- 那我如何設定策略？
- AI 數位轉型是必須，但太早投入怕走錯路，對企業來說，先擁有主控力，你的企業就是個產品，你要怎麼設計？
-
考慮共用性
- 這是避免做白工的關鍵。
- Mac 電腦已內建 Automator，微軟 Office 內建 Power Automate，OpenAI 推 Agent Builder，這些品牌自推技術，通常禁止對手進入，就算大方歡迎競爭對手，對手會警惕而不好好合作。
- 史上有許多失敗的獨家配方：
- SONY 全盛時期推的 Memory Stick 被通用記憶卡打敗了
- SONY 的 Beta 錄影帶被通用 VHS 取代了
- Apple 全盛時期的 Lightning 接口被 USB Type C 取代了
- 所有制霸企業都會走向封閉之路，但除非持續制霸，最終都會被挑戰。
- 這時開源的 n8n 就很有優勢，企業用 n8n 跟寫 Python 一樣不會被原廠控制（Python 根本沒原廠），且原廠是靠開放得以與霸權競爭，隨着進步反而更開放，這讓小缺點可忍受。
- 假設 n8n 效能比不上 Mac Automator，但以現在硬體加快及跌價的速度，效能比起開放就不這麼重要了，買更強的主機就好了啊！
-
新工具是否開放
- 「共用性」是在一套工具裡包容各家技術，避免投入後發現接新軟體要想各種手段很晦氣；而這裏的「開放」是說在不同套工具之間，它是否可以「呼叫別人」（把別人變成它的一部分）和「被別人呼叫」（它可以變成別人的一部分）。
- 如果你用 n8n 設計了 100 個工作流，你的企業現在很依賴它，有一天，有套壓倒性的強大工具 ABC 問世了，但先前用 n8n 建立的那 100 個工作流會變成孤兒嗎？
- 不會的，因為 n8n 內建 API，任何新工具都可以呼叫它，現在建立的工作流未來可以繼續使用。
- 反過來，它也要可以呼叫別人。
- 假設你未來要轉向 ABC 新技術，當然現在 ABC 還不存在，當然就沒有串接 ABC 的節點怎麼辦？
- 你可以自己建立「社群節點」，不論是 ABC 公司提供，或是自己叫 AI 幫你 vibe coding 一個「ABC 節點」都不難，不需付費用或跟任何人申請，就可在 n8n 裡拖拉 ABC 社群節點來串接。
- 所以舊的 n8n 工作流和新的 ABC 工作流可以無縫串接。
-
持續觀察所有新工具
- 前面講到很多 n8n，不是因為我是 n8n 講師，刻意排除其他技術，只是因為在策略上，n8n 有最優設定，但是 AI 進步飛快，要持續觀察、認識每個工具的優缺點，千萬不要成為單一技術的擁躉。
-
幾年前 Tesla 制霸時，新進投資人都不信它股價會跌，事實證明每個霸主都會更替，千萬別放感情。
-
- 但你熟悉了 n8n（或另一套 Low-code 工具），其他所有工具用起來都大同小異，只要很短時間就能上手，就算整個換掉，企業設計及流程基本不變，為了它訓練的人才還是可以在新環境工作。
- 我合作過的科班出身工程師，在學校總會學各種程式語言，給他們帶來的優勢是，他學新語言只需要幾天就能上手。而我發現學了一種 low-code 工具後，你也會有這種靈活切換的能力，所以無論如何，先熟悉一種吧！
-
第一套 Low-code 工具功能完整，未來轉換成本更低，我曾意外學了困難的 Java（痛苦），後來轉換人性化的 Python 時覺得舒暢，因為後者的觀念前者都有，可用學過的觀念加速學習。所以 Low-code 學 n8n 好，因為它功能非常完整，Make 也算完整，但 Zapier 這類刻意簡化的，對你沒幫助。
-
- 還不知道 n8n 時，我先認識了 Make，在完成 Make 所有的課程結業、獲得證照後，發現 n8n 的競爭策略讓 Make 不管是成本、功能、未來發展都沒有競爭力了，就轉換到 n8n，這個轉換花了多久呢？
- 大約 2 小時！
- 總歸一句，學一個 low-code 的 AI Agent 建立工具並不難，它並非 AI 模型，但中小企業主或決策者，建議你投入幾天時間「略懂」一種，至少你具有 AI 用什麼原理幫企業進行數位轉型的常識，至少就掌握擔任你家系統的導演（主控者）能力！
- 前面講到很多 n8n，不是因為我是 n8n 講師，刻意排除其他技術，只是因為在策略上，n8n 有最優設定，但是 AI 進步飛快，要持續觀察、認識每個工具的優缺點，千萬不要成為單一技術的擁躉。