在 CMoney 第 13 場 C Talk+ 講座中，我們邀請到 AI Lab 前端 Tech Lead Kevin，以「打破邊界，重新定義可能」為題，分享他們如何將 AI 從玩具升級為「協作夥伴」，進而在 CMoney 內部打造出一支追求「一人獨角獸」願景的高效創新團隊。
AI Lab：CMoney 打造「一人獨角獸」的創新基地
AI Lab 在 CMoney 內部扮演了一個獨特的角色：一個將重心放在 AI 應用上的「內部創新團隊」，最核心的目標是利用 AI 實現快速實驗，以最小成本驗證的精神，為公司找到下一條成長的曲線。
AI Lab 團隊成員之間不以職能來界定工作，而是以「交付用戶價值」為導向，鼓勵任何人都能針對產品貢獻洞見，打破傳統 PM、工程師、設計師之間的邊界。AI Lab 團隊現在的主力方向鎖定在 AI 會議記錄、戀愛教練，以及一個旨在創造 KOL AI 分身、實現 AI 賦能的新平台—— Demi。這些題材過去可能因高昂的驗證成本而被束之高閣，但現在，AI Agent 不僅能挖掘出這些冷門但有價值的題目，還能讓它們快速進入 MVP 流程。這意味著，我們能將資源投向那些過去市場來不及滿足、現在因 AI 加速而能被解決的問題。
工程師視角的變革：AI 工具如何重塑開發流程
作為一位 iOS 工程師出身的團隊領導，Kevin 回憶，最早接觸 AI 寫程式，使用的是 ChatGPT 3.5。當時的體驗極差，連簡單的數學運算都會出錯，他直言那時候的 AI 只是個「玩具」。
然而，轉捩點很快就來了。當模型進展到 ChatGPT 4 的階段，圖靈測試的討論幾乎消失，AI 已經能正確解決數學問題和問答題。同期，Cursor 這個 IDE 的出現更是讓他感到震驚，雖然無法直接取代他常用的 Xcode，但光是在 Cursor 內請 AI 寫程式，就可以大幅降低他在埋點、記 Log 等例行公事上耗費的時間。
直到他接觸到 CLAUDE CODE 這個工具，並搭配 MCP（Model Context Protocol）協議， 這個協議讓 AI 能調動其他工具（例如：瀏覽網頁、處理本地檔案），他的開發方式徹底被顛覆。
AI 產出 95% 程式碼：從「寫程式」到「定義程式」
Kevin 坦言，剛開始與 AI 協作時，必須將需求範圍（Scope）描述得非常小，否則 AI 很容易產生「幻覺」，但隨著技術演進，現在他已經可以直接將 PM 需求丟給 AI 處理，藉由 CLAUDE CODE 支援 Figma MCP，讓 AI 自行去查看設計稿。
實驗的結果是：如果需求範圍限制在「一個頁面內」，AI 產出的程式碼跑起來，長相跟 Figma 幾乎 95% 一模一樣，例如：用自然語言與 AI 對話：「請幫我理解這段程式碼的邏輯，並根據 Figma 上的這個設計，新增一個用戶登入功能。」，AI 便能迅速讀懂整個專案的脈絡，提供精準的解決方案，甚至直接生成大部分可用的程式碼，代表
工程師現在真正需要人工關注的部分，已經聚焦在「各個頁面之間的互動」或「跨功能整合」這類更為複雜的架構層次。
PM 職能的升級：從 Project Manager 到 Product Maker
既然工程師的開發速度已被大幅提升，那麼產品發想和驗證速度，就不該成為團隊前進的瓶頸！
在傳統的開發流程中，產品經理是需求的定義者、溝通的橋樑，但他們與「創造」之間，始終隔著 UI/UX 設計師與工程師，一個想法從誕生到變成可互動的原型，往往需要跨部門排程，經歷漫長的等待。而 AI 的出現徹底打破了這道牆
PM 的角色從「產品經理」蛻變為能親手打造產品的「產品創造者」（Product Maker）
這意味著，驗證假設的速度可以被大幅壓縮，昨天會議上的一個靈感，今天就能變成一個可以讓主管、讓用戶親手操作的產品，立刻獲得最直接的回饋，創新的循環不再以「週」或「月」為單位，而是以「天」來計算。
Idea Agent：永不下班的靈感助燃器
在 AI Lab，新的實驗題材過去往往仰賴主管的直覺或 PM 的經驗。他們意識到，PM 提出「新點子」需要大量的資料消化，這時 AI 就展現了其自動化流程的巨大潛力。
Idea Agent 就是為了解決「PM 缺乏新點子」這個痛點而生。它的目標是讓 AI 自己去收集業界資料、整理痛點，並自動形成提案草稿。
這個流程透過 MAKE 拆解成五個自動化階段，從抓取 Product Hunt、YC 等 Raw Data，經由 Summary AI 摘要核心價值，再由另一個 AI agent 找出背後的痛點，最後扮演審查官確認合理性，並給出 Pain Scorer 分數與建議。
這是 AI 參與「發想」的過程。以前 PM 可能要花半天整理一份新點子簡報，現在只需十分鐘就能得到一份初稿。Kevin 驕傲地分享，現在 AI Lab 已經不用再「被動地找題目」，而是每天早上都有靈感被送上門，例如 Resume Builder、女性社群 App，甚至連「媽媽喘一下」（育兒應用）這種意想不到但合理的點子都出現了。
AI 不是來搶 PM 飯碗的，它是讓 PM 不會卡點子，就像是一個靈感助燃器
這個機制讓 PM 有了源源不絕的火花，但最終的決策、細節整理和判斷優劣，仍然需要人類的智慧來判斷與承擔責任！
結論：AI 不是取代者，而是思考的放大器
回顧這段旅程，AI 對 AI Lab 團隊而言，從來不是一個「取代者」。
它更像是一個強大的「協作者」與「思考放大器」。
AI 最大的優點是能提升開發流程的速度和程式碼品質的優化，它能在短時間內整理出各種可能解法以應對 Bug 修復，大幅減少過去在 Google、Stack Overflow 上摸索的時間。它讓工程師從繁瑣的細節中解放，專注於更高層次的架構；它賦予 PM 親手創造的能力，將創新的週期縮短到極致；它強迫我們去思考創意的本質，辨別機器的靈感與人類的洞見。
AI 正在重塑我們每一個人、每一個角色的價值。它並未消除工作的必要性，而是將我們推向了價值鏈更高的地方。最後，留給我們一個發人深省的問題：
當一個想法從誕生到驗證只需一天，創新的真正瓶頸，還會是技術嗎？
現任 CMoney 品牌行銷企劃，是一個 4 年科技業行銷工作者。於我而言文字和語言為心靈安裝了翅膀，承載著思考脈絡和真摯情緒。
每日閱讀商業周刊、追蹤新科技，夢想成為推動科技潮流的領路人，讓世界變得有趣！
