DevDay Exchange Taipei by Open AI

那天晚上的九位分享者裡,有人用 Codex 畫遊戲裡的生物,有人拿它接工業土地的五千萬筆資料,還有人在婚禮前三天用它寫出一個抽獎網站。真正讓人記住的不是工具本身,而是不同職業的人把同一套方法,用出了完全不一樣的東西。

這是 Codex Community 在臺北主辦的一場社群聚會,九位分享者輪番上臺,談的不是同一個主題,而是各自怎麼把 Codex 用進自己的工作與生活裡:有人做遊戲美術,有人做工業土地的資料整合,有人處理會計判斷,也有人幫自己寫了一個婚禮抽獎網站。最重要的收穫是,這些分享呈現的不是「程式能力」的差距,而是怎麼提問、怎麼設定規則、怎麼判斷 AI 給的答案能不能用,才是真正拉開距離的地方。

從遊戲美術到婚禮抽獎:場景差這麼多

做捉蟲遊戲的冠宇分享了一個很具體的做法:先讓 Codex 產一張美術圖抓風格,再一輪一輪加細節,沙粒感、反光、凹凸,每一輪都是「看哪裡不夠真實,就補哪裡」。他提到現在最新的模型已經能直接產出不錯的畫面,但要從 60 分拉到 80 分,美術的基本概念還是必要的基本功。

iPlayground 的創辦人丁丁則分享了一個更生活化的案例:朋友的婚禮只剩一週,他用需求訪談、使用情境、規則整理的開發流程,三天內做出一個手機掃碼加油、抽獎送捧花的小網站,當天真的有賓客靠加油贏得捧花。他把這整個過程拆成「理清需求、寫使用情境、定規則、交給 AI 實作」四步,說這套方法其實跟做任何 side project 沒有差別。

會計與不動產:確定性產業怎麼用 AI

活動報到桌上擺放名牌與資料袋,後方立著 OpenAI 主題的活動立牌

做會計 AI 的 Johnson Lin 提出一個反直覺的觀察:AI 判斷稅務扣抵的正確率比人高,但問題不在正確率,而在「過度自信」。有些模型會把應該交給人判斷、資訊不足的案例,自己硬是判定掉,這種誤判一旦發生就是補稅加罰款的風險。他們測試下來,比起一次把所有東西自動化,更重要的是設計好「什麼時候該把答案交給人」這個安全出口。

做工業土地媒合的 Tomy 則是把全臺灣近五千萬筆土地與廠房資料整理成資料庫,讓 Codex 能在幾分鐘內生成過去業務要花五到七天才能準備好的廠房簡報。他也坦承定價是一路調整過來的,從原本設定的 B2B 高單價,最後改成偏向個人訂閱的模式才真正找到客戶。

判斷力依然是人的事

講者手持麥克風比向投影幕講解,螢幕上顯示黃色主題簡報內容

前電信數據分析師 Erica 許又如離職後專心用 AI 拓展能力,她在台北市政的一場資料競賽裡,用 12 個 agent 在 58 小時內做完六個市政專案的網站,同時處理平行與接續兩種分工方式。她也提到自己在過程中學會一件事:AI 做出來的東西很多,但哪些是真的能用、哪些只是看起來厲害,還是要自己一輪一輪檢查。

壓軸分享的是 AI 方舟計畫創辦人 Qmoa,他把一間品牌拆成活動企劃、開發、資料分析、文案編輯等多個功能,逐一檢視哪些可以完全交給 AI、哪些只能交一半、哪些完全沒辦法。他的結論是:文案與剪輯可以全交給 AI,官網架構與視覺需要人審核品味,但社群經營、談合作、活動現場,仰賴的是別人對這個品牌的信任感,這件事 AI 做不到。

影片:一個人+AI,做出一個團隊才撐得起的品牌|AI 方舟計畫 6 個月實戰分享

給還沒開始用 Codex 的人

講者站在投影幕旁發表簡報,台下觀眾席滿座並有人舉手機拍照

這場聚會裡的九個案例,產業跨度很大,但做法其實收斂到同一件事:先把需求和規則講清楚,再把實作交給 AI,然後自己檢查結果能不能用。工具會一直進步,但知道什麼時候該相信 AI、什麼時候該自己判斷,才是這群分享者真正拉開差距的地方。