Anthropic、Gamma 與 Clay 在 TechCrunch Disrupt 2026 會議上如何說明企業部署 AI 時實際發生的情況

目錄

• 你可能想知道
• 主要議題
• 關鍵洞見表
• 會後…

你可能想知道

1) 當 AI 系統從精心設計的示範轉入日常企業工作流程時，會出現哪些實際挑戰？

2) 當客戶開始依賴 AI 執行關鍵任務時，供應商與創辦人的觀點有何不同？

主要議題

一個令人印象深刻的 AI 示範可以在幾分鐘內傳達能力與潛力。但從示範到可依賴的生產環境使用的道路往往並不直線。在 TechCrunch Disrupt 2026 的一場座談會中，來自 Anthropic、Gamma 與 Clay 的代表將審視這段轉變——探討 AI 在受控環境中能做的事，與當它整合進企業日常營運時必須達到的標準之間的差異。

Anthropic 的應用 AI 負責人 Cat de Jong 帶來一個以直接與在關鍵任務工作流程中部署 Claude 的企業接觸為基礎的宏觀觀點。她的關注點不是理論上的潛力，而是實際結果：哪些部署成功、哪些停滯，以及哪些組織行為決定專案是否能從試點階段推進。這些洞見很重要，因為企業很少因為技術新穎就採用它；當技術能持續解決有價值的問題、融入既有流程並為利害關係人降低風險時，企業才會採用它。

從 Anthropic 的觀點來看，多次部署中會浮現一些重複的模式。達到生產等級採用的組織通常會及早投資於整合、監控與治理。他們把 AI 系統視為更廣泛工作流程的一個元件，而不是孤立的功能。相反地，停留數月卻未能轉換為生產的試點，常常缺乏明確的成功度量、未能取得跨部門支持，或低估了維護與監督 AI 輸出的運營開銷。這些差異不僅是技術性的；也是組織與流程上的。

補充 Anthropic 的跨企業視角，Gamma 執行長 Grant Lee 提供創辦人的觀點：如何打造人們真正會納入日常工作的 AI 功能。Gamma 起初作為傳統簡報工具的 AI 優先替代方案，並擴展為一個更廣泛的視覺溝通與行銷素材平台。快速的用戶成長讓 Gamma 能觀察到哪些 AI 驅動功能具有黏性。實務上，成功的 AI 產品解決具體且反覆出現的痛點，立即呈現價值，並且足夠直觀，讓使用者能在不做重大流程改變的情況下採用。

Grant Lee 的經驗突顯了幾個重要的產品設計教訓。首先，AI 必須產生可靠且可解釋的輸出，讓使用者有足夠的信任去採取行動。第二，價值主張在第一次使用時就應該明顯可見——如果使用者無法快速察覺節省的時間或成果的改善，留存率就會下降。第三，彈性很重要：使用者會彎曲產品以符合他們的工作流程，因此為新興的使用情境設計並提供可組合的構建模組能促成更廣泛、不可預期的採用。綜合而言，這些考量說明了為何技術上令人印象深刻的模型是必要但不足以在大規模採用上取得成功。

Clay 的共同創辦人兼執行長 Kareem Amin 補充第三個角度：為了在市場推廣與尋找客戶的工作流程中展現 AI 的價值，所需的基礎設施與運營機制。Clay 專注於整合資料來源、協調具代理性的工作流程，以及執行依賴可靠資料與順暢自動化的 GTM 策略。從這個角度看，採用的關鍵在於 AI 與組織既有系統整合的程度，以及它在面對現實世界資料變異時的韌性。

Amin 的觀點也凸顯了合作與整合的重要性。當 AI 嵌入到銷售、行銷或客戶成功團隊已在使用的工具生態系中時，採用的摩擦會顯著降低。此外，當團隊開始依賴 AI 進行面向客戶的任務時，監控、備援與人機介入控制變得至關重要。如果未能處理這些運營實際問題，通常會導致有前景的試點在使用者遇到邊緣案例、錯誤輸出或整合脆弱性時被放棄為實驗。

這三個觀點——Anthropic 的宏觀模式、Gamma 的產品驅動成長教訓與 Clay 的整合與基礎設施聚焦——共同繪製出企業情境中 AI 採用的更完整圖景。它們突顯了一個共同主題：可投入生產的 AI 在流程、信任與與人類工作流程的對齊方面，與模型效能同等重要。成功從試點轉向生產的企業通常從第一天就規劃迭代、衡量與治理。他們定義明確的成功標準、分配運營責任，並建立回饋迴路以揭示錯誤並指導模型更新。

也有一些實務策略能持續區分成功的部署。首先，以有限且高價值的使用案例開始的保守推出可以在收集專注回饋的同時降低風險。第二，投資於可解釋性與使用者控制能幫助利害關係人理解並接受 AI 的輸出。第三，確保在生產中監控系統效能，並設有警示與人工覆蓋選項，可防止小問題侵蝕信任。這些措施雖不耀眼，卻是將初期熱情轉化為持續使用的必要條件。

最終，對 AI 技術的更嚴苛考驗不是它們能否在示範中令人驚豔，而是它們能否在複雜的人類系統內提供可依賴的價值。TechCrunch Disrupt 所安排的 Anthropic、Gamma 與 Clay 的場次旨在解構這些現實：典型的企業部署生命週期長什麼樣子、創辦人如何為採用設計，以及哪些運營實務能幫助組織在不暴露於不可接受風險的情況下依賴 AI。

對任何參與在企業中銷售、建立或實作 AI 的人來說，理解這些模式很重要。它能指導產品路線圖、部署策略，以及產品團隊應與潛在客戶進行的對話。它也把成功度量從純粹的技術基準重新框定為採用、可靠性與可衡量的商業影響的混合——這些標準最終決定了一個 AI 專案是否能成為人們工作方式的持久一部分。

關鍵洞見表

會後…

當 AI 從令人印象深刻的示範轉入常態化的企業使用時，討論必須從能力轉向耐久性。Anthropic、Gamma 與 Clay 在 Disrupt 分享的經驗反映了一個更廣泛的真相：可持續的 AI 採用結合了穩健的工程、謹慎的運營設計與以人為本的產品思維。那些規劃整合、透過透明建立信任並衡量真實商業影響的組織，最有可能看到試點演變為關鍵任務系統。

如果你想深化對 AI 在生產環境中表現的理解——並學習提高成功採用機率的具體方法——Disrupt 的場次提供了供應商與創辦人觀點的可行見解。觀察這些對話能幫助產品團隊、實作者與採購方調整期望並做出更好的部署決策，最終將 AI 實驗轉變為能改變公司工作方式的可靠工具。

加入 TechCrunch Disrupt 的討論，親聽這些洞見，並看看隨著 AI 成為現代工作流程的核心，企業、初創公司與產品團隊如何在承諾與實務之間取得平衡。