AI認知落差是什麼？Karpathy四層漏斗一次看懂

AI認知落差，指的是大家嘴上都在講「AI」，但每個人實際用過的AI，能力可能差了好幾個等級。OpenAI創始成員安德烈·卡帕西（Andrej Karpathy）2026年10月11日（台灣時間12日）在X上把這道落差畫成四層漏斗：約60億人幾乎沒碰過大型語言模型，10到20億人偶爾用免費版，約2,000萬人拿最前沿的模型做大型程式和數學工作，能在內部用到最前沿系統的，大約只有5,000人^[1]。

他還特別點名，許多程式、數學以外的專業人士，例如高階主管，也停在「偶爾用免費版」這一層。對中小企業老闆來說，重點不是記住這些數字，而是弄清楚自己和公司停在哪一層，再往上走一步。

本文整理自卡帕西的X貼文與部落格、業界回應，以及微軟和中企署的數據；文末附上夢想智賦AI導入顧問林鼎閔、蘇浩榕建議老闆先準備的事。（夢想智賦本身提供AI導入顧問服務，文中的實務建議請搭配自家情況判斷。）

 

一、Karpathy（卡帕西）的AI四層漏斗是什麼？越往上人越少

卡帕西把全世界接觸AI的深度分成四層，越往上人越少，看到的AI能力也越驚人。

這個漏斗是半年前一段觀察的延伸。2026年4月，他注意到兩件事同時在發生：網路上流傳ChatGPT語音模式的影片，連「我該開車還是走路去洗車場」都答錯（要洗的車當然得開過去）；同一時間，OpenAI付費的寫程式工具Codex，最高階版本可以自己跑一個小時，把整個程式庫重新整理一遍^[2]。兩群人講的都叫「AI」，聽起來卻像兩種東西。

半年後他把這篇翻出來，說這道裂縫不但沒有變小，還拉成了一個陡峭的漏斗（sharp funnel，科技新報譯為「鋒利的漏斗」^[18]）。

先說明一個名詞：AI代理（AI Agent）指的是能自己拆解任務、操作工具，一步步把事情做完的AI。這是分辨第二層和第三層的關鍵。

 

表1：卡帕西估計的AI四層漏斗

層級	估計人數	這一層的人怎麼用AI
第一層：幾乎沒碰過	約60億人（約75%）	幾乎沒接觸過ChatGPT這類大型語言模型。
第二層：偶爾用免費版	10億到20億人（約20%）	看到的是有點呆的聊天機器人，拿來當比較好用的搜尋或寫作小幫手。
第三層：專業使用前沿模型	約2,000萬人（約0.2%）	多在程式和數學領域。依卡帕西的描述，這群人看過以往要做幾週到幾個月的專案，交給AI代理一個指令就做完。
第四層：內部使用最前沿系統	約5,000人	能在AI實驗室內部用到最前沿的系統，外界只看過預告。

表格製作：夢想智賦
來源：Andrej Karpathy X貼文（2026-10-11），內容為意譯；人數與比例都是他本人的粗估

表1重點：第二層和第三層的分界，不在有沒有付費，而在跟AI「一問一答」，還是把「一整段工作」交給AI代理去做。

 

二、台灣在哪一層？個人用得多，中小企業導入不到一成

台灣人個人使用AI的比例遠高於全球平均，但中小企業的AI導入率只有7.4%，卡關的地方多半是「不知道要交給AI做什麼」。

 

表2：台灣個人與中小企業的AI使用情況

調查	對象	結果
微軟AI經濟研究院《Global AI Diffusion Q2 2026》	台灣15到64歲人口（以匿名使用紀錄推估）	33.8%用過生成式AI，全球第19名，全球平均為18.8%。
經濟部中企署《2025年中小企業白皮書》	1,207家員工199人以下的中小企業	AI導入率7.4%。導入障礙（可複選）前三名：尚無明確應用需求63.9%、對AI不理解26.8%、導入成本高25.5%。

表格製作：夢想智賦
來源：微軟AI經濟研究院（2026年9月）^[11]；經濟部中小及新創企業署（2025年12月）^[12]

表2重點：一個算人、一個算公司，兩組數字不能直接比較，但方向一致：比起缺錢，更多公司是還沒想好要把哪件事交給AI。這很像漏斗第二層的樣子——知道AI存在，但只拿來問問題。

 

三、老闆為什麼常停在第二層？卡帕西點名高階主管

卡帕西的解釋是，高階主管大部分時間都在跟人溝通，雖然知道AI正在發生什麼事，但這些了解多半是二手的，比較抽象。台灣中小企業的老闆很可能也是這樣：每天跑客戶、盯現場，能摸索AI的時間很零碎，很容易停在「有空才問一下」。

老闆停在第二層，影響的是整間公司。南非科技媒體ITWeb刊出資安與隱私顧問Anthony Olivier的評論，提醒：如果拍板AI策略的人只從漏斗的寬口看過AI，投資成效多半也會停在那個高度^[9]。中小企業拍板的通常就是老闆，老闆對AI的想像，很可能就是公司AI預算的天花板。

這種落差常見兩種結果。一種是低估：老闆只用過免費版，覺得「AI就是會亂講」，員工的提案就很難過關。另一種是高估：看了廠商的展示就簽約，上線後才發現接不上公司的資料和流程。

 

1. 三個問題，檢查你在哪一層

• 最近一個月，你有沒有丟一整份資料給AI，請它整理、分析、做出成品？如果每次都是問一句、它回一段，你看到的多半是第二層的AI。
• 你有沒有用過付費版？沒用過的話，你對AI的印象可能來自比較舊、比較弱的模型。
• AI給的東西出錯時，你能不能指出錯在哪、要它改到對？做得到，代表你已經開始把AI當工具用。

怎麼判讀：三題都「沒有」，大概落在第二層，跟全球10到20億人在同一層。答了一到兩題「有」，代表你正從第二層往上爬，下一步看第五節的「交一段工作」。三題都「有」，你已經是第二層裡用得最深的人，可以開始幫公司挑第一個專案；不過這還不等於第三層，第三層的人是把大型專案整段交給AI代理。

 

延伸閱讀：工具買了沒人用？哈佛研究揭中小企業AI轉型3關

 

四、為什麼AI有時很強、有時很笨？卡帕西說的3個落差原因

卡帕西認為，AI認知落差來自三個原因：交給AI的問題有多大、AI的能力不平均，以及你用的是哪個版本。

 

1. 問題太小：只問一句話，看不出AI的本事

卡帕西說，AI能發揮多少，取決於使用者的野心、問題有多大、任務要做多久。只問一個問題、拿到一段回答就結束，幾乎發揮不出這些系統的能力。

拿公司日常來說，「幫我寫一封催款信」是小問題；「這是過去三個月的應收帳款明細，請依逾期天數分組、每組寫一版催款信，再列出需要老闆親自打電話的客戶」，就是把一段工作交出去。後面這種，才看得出AI能不能幫你省下一個下午。

 

2. 能力不平均：答案能核對的工作，AI進步最快

卡帕西用「鋸齒狀」形容AI的能力：同一個模型，可能解得開很難的數學題，卻在簡單常識上出錯。原因出在訓練方式。2025年起，AI公司大量使用「可驗證獎勵的強化學習」（RLVR），白話說，就是讓AI在數學題、程式題這類能自動判斷對錯的題目上反覆練習^[5]。所以答案越好核對、越有商業價值的領域，AI的能力爬得越快。

他在〈Verifiability〉一文中說，一件工作要能重來、能大量嘗試、能自動打分數，AI才練得起來^[4]。老闆挑第一個AI專案時，可以借用這個思路問自己：這件事做完，人能不能很快檢查對錯？

 

表3：哪些工作適合先交給AI？用「能不能核對」來篩

工作	結果好不好核對	建議做法
報表、Excel公式	好核對，抽幾筆手算就知道。	適合當第一個專案。
訂單、發票資料整理	好核對，金額和筆數可以加總比對。	適合先做，客戶個資先遮掉。
官網、內部小工具修改	好核對，改完能不能用一試就知道。	交給公司裡懂一點程式的人試。
合約初稿、法規整理	部分能核對，條號和日期要回原文查。	AI寫初稿，專業人士把關。
品牌定位、定價策略	難核對，沒有標準答案。	把AI當討論對象，決定還是你做。

表格製作：夢想智賦
來源：夢想智賦延伸卡帕西〈Verifiability〉的概念整理，屬實務建議，不是研究數據

表3重點：越上面的工作，越容易確認AI有沒有做對。最下面那類錯了很難發現，不適合當公司第一個AI專案。

 

3. 版本不同：免費版、付費版、實驗室內部版，不是同一個AI

第三個原因最常被忽略：免費版、付費版、內部版，能力不在同一個等級。開發者Simon Willison在2026年4月就發現，ChatGPT的語音模式跑的是比較舊的模型^[6]。而且多數人用的是免費版：OpenAI在2026年2月公布，ChatGPT每週活躍使用者超過9億，個人付費訂閱者則超過5,000萬^[16]，換算下來不到一成。

不過付費也不是萬靈丹。卡帕西在4月的貼文說，就算每月花200美元用最頂級的模型，查資料、寫文章、問建議這類日常用途，進步也沒有程式和技術工作那麼驚人。付費版的差距，在處理資料、寫程式這類能核對的工作上最明顯。

 

五、老闆怎麼往上走一層？30天內可以做的3件事

想從AI漏斗的第二層往上走，不需要懂技術，把第四節的三個原因反過來用就好：交出一段完整的工作、先挑能核對的工作、用付費版來做。

 

1. 把「問一句」改成「交一段工作」

挑一個你或員工每週固定要花2小時以上的流程，把背景、資料、任務、成品、標準五件事寫清楚再交給AI。可以直接套用下面的範本：

第一次的成品通常不完美，照著【標準】請它修兩三輪，你對「AI能做到哪裡」的判斷就會準很多。

 

延伸閱讀：老闆怎麼用AI？Claude工程主管的高度深度廣度3問法

 

2. 先挑能核對的工作，個資和機密先遮掉

第一個專案從表3上面幾列挑，做完能抽幾筆對照，錯了看得出來，員工也比較敢用。資料安全則要先講好：

• ChatGPT個人方案。免費、Go、Plus、Pro的對話預設會被拿來訓練模型，要自己到「設定」的「資料控管」關掉改善模型的選項（英文介面叫Improve the model for everyone）。關掉之後，新的對話才不會被使用^[13]。
• Claude個人方案。2025年8月起改由使用者自己選擇要不要提供資料訓練模型^[14]，多家媒體報導這個開關預設是開啟的，要自己到「設定」的隱私頁面關掉。
• 企業方案。ChatGPT Business、Enterprise預設不拿業務資料訓練模型；Claude的Team、Enterprise適用商用條款，不受個人方案這項設定影響。客戶個資、報價單、設計圖，最好先刪掉姓名、電話這類能認出人的欄位，或改用企業方案。

 

延伸閱讀：企業如何用AI自主學習培訓員工？從小任務開始

 

3. 先付費試30天，再用數字決定

先別急著幫全公司買。不碰機密資料的話，開一個Plus帳號給最常用AI的員工或你自己試30天；要放公司資料，就開Business（最少2個席位），先月繳每月1,580元，試完再決定要不要轉年繳。值不值得，可以先算一筆帳：

 

表4：ChatGPT付費方案每人每月多少錢？省幾小時就打平

方案	每人每月	每月省下多少時間就打平
Plus（個人方案）	690元	約2.4小時
Business標準席位，年繳	630元	約2.2小時
Business標準席位，月繳	790元	約2.8小時

表格製作：夢想智賦
來源：夢想智賦延伸試算。月費依ChatGPT台灣定價頁（2026年11月2日查詢）^[15]；打平時間＝月費÷時薪284元（月薪5萬元÷22天÷8小時）

表4重點：不管哪個方案，每月省下不到3小時就回本。Business年繳比較便宜，但要綁一年（2席一年約15,120元），確定要用再轉；實際金額和稅額以結帳頁為準。這筆帳沒算勞健保、勞退，也沒算學習和核對AI產出的時間，所以只是最低門檻。

 

30天試用要有結論，記錄要從第一天開始。建議追蹤這三個數字：

 

表5：30天試用要追蹤的3個數字

指標	怎麼記錄	建議擴大門檻
每週省下幾小時	試用前先記一週原本花的時間，試用期間每週記一次。	最後兩週每週都穩定省下2小時以上。
退件比例	AI產出需要大改或重做的次數÷總次數。	第4週明顯低於第1週。
新做得完的事	記下原本「做不完」、現在「做得完」的工作。	至少一件，而且使用的人願意繼續用。

表格製作：夢想智賦
來源：夢想智賦實務建議，門檻可依公司規模調整

表5重點：擴大的門檻要訂得比打平更高，三個數字都過關再加開帳號。如果要導入整套AI系統，可以先看政府的AI補助與抵稅方案。

 

4. 擴大之前：先想好誰來檢查

卡帕西也提醒，人類審查和理解AI產出的速度，已經開始跟不上了。放到公司裡也一樣：AI做得越多，人要核對的東西就越多。讓AI代理連上公司系統之前，先想好三件事：它能讀哪些資料、能改哪些東西、誰負責檢查。權限不要一次開太大。

 

延伸閱讀：中小企業AI怎麼投資？3步算清投資報酬率

 

六、創業者能從AI認知落差找到什麼機會？

對創業者來說，漏斗第二層和第三層之間的距離，就是一個市場：把AI做成某個產業好用的工具，再帶客戶改掉舊的工作習慣。

雲端檔案公司Box的執行長Aaron Levie回應卡帕西時也說，軟體和AI研究以外的產業，要用上大量AI代理協作，還需要大量的變革管理，這正是AI應用層公司能發揮的地方^[7]。不過Box本身也在賣企業AI服務，這番話有它的立場。

台灣白皮書裡，63.9%的中小企業勾選「尚無明確應用需求」、26.8%勾選「對AI不理解」，代表很多老闆還不知道AI能幫自己做什麼。能把這件事說清楚、做出成果的團隊，就有機會。但要提醒：如果產品只是在大模型外面包一層介面，前沿模型下一次升級，價值可能就被吃掉。比較能留下來的，是你掌握的產業流程、現場資料和客戶關係。

 

延伸閱讀：創業市場驗證怎麼做？3步驟＋4層證據，砸錢前先確認有人買

 

七、卡帕西的說法可以全信嗎？引用前先看這4點

四層漏斗是很好用的比喻，但數字不是調查結果，引用時要寫成「卡帕西估計」。

• 數字是粗估。卡帕西自己用「napkin math」形容，意思是在餐巾紙上隨手算的。
• 四層加起來不到100%。義大利科技部落客Pasquale Pillitteri算過，75%、20%、0.2%加起來大約95%，四層並沒有涵蓋所有人^[10]。
• 5,000人無從驗證。沒有公開名單，也沒有AI實驗室出面證實。
• 說話的人有立場。卡帕西2026年5月加入開發Claude的Anthropic預訓練團隊^[17]，他自己很可能就在第四層。

 

這個漏斗為什麼會越拉越開？

2025年4月，卡帕西在部落格文章〈Power to the people〉裡寫到，大型語言模型和過去的新技術不同，一般人比政府、大企業更早受惠，因為錢買不到更好的ChatGPT；但他也寫了，一旦花錢買得到好很多的ChatGPT，情況就會改變^[3]。夢想智賦的解讀是，這次的漏斗很像那句話成真了。

他在漏斗貼文裡也說，不到一年前，自己還在一個字一個字手打程式碼。如果你對AI的印象還停在一年前，很可能已經過時。

 

八、想從第二層往上走，夢想智賦AI導入顧問怎麼幫你？

老闆想從AI漏斗的第二層往上走，最難的通常是挑對第一個專案，並說好誰來核對結果。夢想智賦有兩位顧問專門處理這一段，可以依公司現況選擇：

 

表6：什麼情況找哪位顧問

你的情況	建議找	會怎麼做
公司已經有系統，想讓AI接進去，又擔心資安	林鼎閔	盤點流程，依效益、成本、難度排導入順序；規劃資料、權限、API金鑰等治理規則。
想先從一個流程跑起來，帶著團隊用	蘇浩榕	從最痛的流程排30／60／90天落地路線，用n8n、LINE官方帳號把AI接進日常，保留人員把關節點。

 

林鼎閔是幫帳轉金融科技執行長，美國加州大學聖地牙哥分校電子與電腦工程碩士，有超過15年軟體開發與系統架構經驗，先後創辦四家科技與金融科技公司，執行過營建辨識、保全影像偵測等AI專案。他的做法呼應卡帕西說的「能力不平均」：先挑AI做得好、又有價值的工作。

蘇浩榕（Ron）是毛幫幫科技執行長，資訊工程系畢業，做過資通產品國際業務、15年產險顧問，也經營過餐飲、進出口貿易、車隊管理與網紅經紀，熟悉中小企業現場的人力與損耗問題。他也協助把SOP、報價邏輯和老師傅的經驗整理成企業知識庫，支援老闆決策，他稱之為「AI幕僚長」。

諮詢前先準備這4件事：

1. 一個你最想交給AI的流程，以及它現在每週花掉幾小時。
2. 這個流程的成果，平常怎麼判斷做得好不好。
3. 公司裡誰在用哪些AI工具，用的是免費版還是付費版。
4. 哪些資料絕對不能離開公司，例如客戶個資、報價單、設計圖。

 

九、AI認知落差常見問題 FAQ

Q1：AI認知落差是什麼？

AI認知落差，是指每個人實際用過的AI能力差距很大，對「AI能做什麼」的判斷也跟著差很多。卡帕西2026年10月用四層漏斗描述這個現象：約60億人幾乎沒用過，10到20億人偶爾用免費版，約2,000萬人用前沿模型做大型專案，約5,000人能在內部用到最前沿系統。人數都是他的粗估。

 

Q2：Karpathy（卡帕西）是誰？

安德烈·卡帕西（Andrej Karpathy）是OpenAI的創始成員之一，也當過特斯拉的AI總監。他在2024年創辦AI教育公司Eureka Labs，2025年2月提出「vibe coding」（用口語指揮AI寫程式）這個詞，2026年5月加入開發Claude的Anthropic預訓練團隊。

 

Q3：「全球只有5,000人見過真正的AI」是真的嗎？

這是卡帕西的估計，不是統計。沒有公開名單，也沒有AI實驗室證實，引用時請寫成「卡帕西估計約5,000人」。其他需要注意的地方，見第七節。

 

Q4：為什麼AI寫程式很強，卻會答錯簡單問題？

因為AI的能力不平均，在答案能自動核對的領域進步最快。AI公司大量讓模型在數學題、程式題上反覆練習，日常常識沒有這種練習環境，就比較容易出錯。另外，免費版或語音模式有時用的是比較舊的模型。

 

Q5：免費版和付費版AI差很多嗎？要不要幫員工買？

差距可能很大，建議先讓最常用AI的員工付費試30天，再用數字決定要不要擴大。不碰機密資料用個人Plus（每月690元）即可；要放公司資料用Business，月繳每人790元、最少2席。以月薪5萬元的員工估算，每月省下2到3小時就打平，詳見第五節。

 

Q6：公司第一個AI專案要怎麼挑？

挑一個每週固定要花時間、而且做完能很快檢查對錯的流程。例如報表整理、訂單資料比對、Excel公式，抽幾筆手算就知道AI有沒有做對。品牌定位、定價這類沒有標準答案的工作，錯了很難發現，不適合當第一個專案。

 

Q7：老闆和員工對AI的認知落差，要怎麼縮小？

先找出公司裡用AI用得最深的人，請他當面示範一次完整的工作流程。漏斗在公司裡也會出現：老闆可能只用過免費版，業務拿AI改信，懂程式的同事已經用AI代理把整段工作做完。大家看過同一場示範，再一起挑一個能核對結果的流程試30天，用數字討論，比各說各話有效。

 

Q8：老闆不懂技術，怎麼判斷AI廠商說的是真是假？

請廠商用你公司的真實資料（個資先遮掉）當場跑一次，不要只看準備好的展示。同時問清楚三件事：結果錯了誰負責核對、資料存在哪裡會不會被拿去訓練模型、上線30天後用什麼數字判斷有沒有效。

 

想知道公司第一個AI專案該從哪個流程開始？到林鼎閔顧問或蘇浩榕顧問的頁面按「聯絡顧問」，帶著上面4件事來談；需要整體規劃，也可以填寫合作留資。

[ 資料來源 ]

[1] Andrej Karpathy｜X貼文：LLM能力認知落差變成陡峭漏斗（2026-10-11）

[2] Andrej Karpathy｜X貼文：兩群人對AI能力各說各話（2026-04-09）

[3] Andrej Karpathy｜Power to the people（2025-04-07）

[4] Andrej Karpathy｜Verifiability（2025-11-17）

[5] Andrej Karpathy｜2025 LLM Year in Review（2025-12-19）

[6] Simon Willison｜ChatGPT voice mode is a weaker model（2026-04-10）

[7] Aaron Levie｜X貼文：回應Karpathy的漏斗（2026-10-11，美國時間）

[8] The New Stack｜Andrej Karpathy says only 5,000 people have seen what AI can really do（2026-10-12）

[9] ITWeb｜Beware the boardroom AI learning gap（2026-10-23）

[10] Pasquale Pillitteri｜Karpathy's LLM capability gap is widening（2026-10-12）

[11] 微軟AI經濟研究院｜Global AI Diffusion Q2 2026 Trends and Insights（2026-09-21）

[12] 經濟部中小及新創企業署｜2025年中小企業白皮書（2025-12）

[13] OpenAI｜How your data is used to improve model performance

[14] Anthropic｜Updates to Consumer Terms and Privacy Policy（2025-08-28）

[15] OpenAI｜ChatGPT方案與價格（台灣，2026-11-02查詢）

[16] OpenAI｜為所有人擴展 AI 能力（2026-02-27）

[17] TechCrunch｜OpenAI co-founder Andrej Karpathy joins Anthropic's pre-training team（2026-05-19）

[18] 科技新報｜AI 認知落差已變「鋒利的漏斗」，全球僅 5 千人見識過真‧尖端技術（2026-10-13）

[19] 今周刊｜台灣中小企業AI導入率僅7.4%、遠低國際水準，前經濟部長郭智輝點出卡關原因（2026-07-31）

 

企業經營的每個階段，幾乎都會遇到需要外部資源與專業協助的時刻，只是多數人並不確定，該從哪裡開始。

 

關於夢想智賦｜你的公司資源加速器

我們致力於成為企業成長的最佳推手，提供一站式的企業資源整合服務。累計至今，我們已成功輔導超過 60 家企業完成創新研發佈局與經營規模擴張，累計已幫企業取得超過新台幣 1.2 億元的政府補助資源，我們是企業轉型升級最堅實的後盾。

 

【資金媒合】協助申請政府補助、財務募資，讓好點子有錢執行。

【顧問陪跑】提供數位轉型工具與專業諮詢，解決經營卡關難題。

【品牌曝光】舉辦活動與媒體宣傳，讓更多人看見你的品牌。

 

不論你是新創公司、中小企業還是想要數位轉型，我們提供多元顧問團隊來幫你找到對的成長資源！

 

► 想免費獲得第一手關鍵情報資源？免費加入【官方會員】獲得會員專屬電子報＋【官方LINE帳號】，最新資訊不漏接，我們陪你一起把公司做大！