走過連假不斷的二月，許多人正式回到辦公室開工。你可能不知道，在我們歡度農曆年時，新一代的 AI 模型，已經跳脫各自單打獨鬥的工具角色，開始能彼此「社交」，甚至會動態分配任務、打造相互合作的 AI 團隊。
這意味著，二〇二六年的今天，用 AI 不再需要一個口令一個動作，當你懂得重新定義自己與這群「部屬」的關係、理解如何互動，就能釋放出驚人的生產力。
當 AI 從單打獨鬥的工具，變成「懂得合作」的團隊，運用 AI 就成了一門「調度」的技藝。當紅的 OpenClaw、Claude Code Agent Teams 等技術，讓 AI 具備高度的橫向協調力，讓你我這樣的使用者，晉升成 AI 團隊的「指揮官」。
例如，我要構思專欄主題時，只需交付任務，後端就會自動集結五群角色、專長迥異的智慧體團隊：一群專門鑽研過去的專欄脈絡、一群追蹤最新的國際趨勢、一群負責研讀科學期刊尋找技術漏洞、一群思考數位民主下的權力平衡、最後一群則負責下標題與潤稿。
這五群 AI 團隊像人類一樣開會、爭辯、研究，短短五分鐘，就能交付一份多方協作的報告，並且有詳細的討論脈絡可循。
目前美國政府 NIST，已經著手制定 AI 彼此互動的指引。這套標準不僅是為了讓不同業者開發的模型（如 GPT、Gemini、Claude）能夠協作，更是為了防範多個 AI 系統互動時，產生團體盲思的偏誤風險。
這種轉變，即將顛覆未來職場的競爭規則：以前，每個人的能力受限於他能處理多少任務；將來，則取決於你能駕馭多少智慧體？
當你領導一群 AI 團隊，必須學會當一個「園丁」。首先，光是制定 KPI 的思維就要調整：過去習慣追求一百二十％的極大化目標，現在「八分飽」就好。
因為，多智慧體的賽局中，過度要求某個指標達到一百分，容易導致個別的 AI 為了達標、而犧牲整體利益。因此，人類的任務就像園丁，把團隊看作花園，你必須維持生態平衡、達到整體效益最大化，確保 AI 團隊的方向與人類福祉一致。
這個趨勢也幫助了我們找回人的主體性。當 AI 幫忙處理掉所有瑣事，剩下的才是真正展現人類價值的核心：自發、互動、共好。
AI 永遠無法代勞你的好奇心，也無法建立真實的人際依附，這都得靠人。
在這趨勢下，今年你的 AI 應用目標，不該再是比拼最大化績效數字，而是如何當一個好園丁——引領 AI 團隊服膺規矩、契合脈絡，人則專注於判斷力與人性互動，這樣的「仁」工智慧，才是開工之際最該牢記的思維。
謝謝寶琳娜（Paulina）。也感謝在此共存的——五十年光陰的點滴。
這個數字對我來說意義非凡。五十年前，打造這座校園的人們相信：無論未來誰接手，都會將這裡的精神傳承下去。那個時候的他們，無法想像今日的世界：醞釀中的全球衝突、極端氣候事件、社會極化，以及 AI——一種精密到足以將虛構鍛造成事實的科技。
但這些建造者打造了一個充滿彈性且足以承載這份未來的空間。一個崇尚思考與和平的空間。一個讓協作與希望都蓬勃發展的空間。這正是今天我想探討的「公民關懷（Civic Care）」。
剛才我看著螢幕上的自己。我必須說——這感覺相當超現實。不過，身為一個把成千上萬份會議逐字稿都公開上網的人，我想我早該習慣了。
「夠好的祖先」（Good Enough Ancestor）——不是完美的祖先。夠好就好。在我五歲那年，醫生告訴我父母，我患有先天性心臟病。他們說，我大約只有一半的機率能活到接受手術的年紀；最終，我在 12 歲時動了手術。在那七年裡，每天晚上就寢時，都像是在拋硬幣。如果硬幣沒有落在好的那一面，我就不會醒來看到隔天。
我很早就學到一件事：如果你總要等到作品完美了才願意分享，那你可能永遠都無法分享。因此，我養成了一個至今仍保持的習慣——消逝前發布（publishing before perishing）。把作品公開，放入公共領域，讓任何人都能閱讀、批判或在上面疊加創作。即使只有半成品，即使還在草擬階段。我對自己說：這樣就夠好了。
這份逐字稿今晚就會發布。如果我對墨西哥或你們的社群有任何誤解，請告訴我。這份講稿，你們隨時可以修改。
這之後我發現了一件事：如果你總是展現出完美無瑕，人們會與你保持距離；但如果你願意展示出裂痕，人們就會走進來。沒錯，他們會和你爭論——但他們也會幫忙。他們會與你共同創造。我也發現，這項適用於個人的道理，同樣適用於民主。
但我必須在一開始就先聲明：這場演講不是什麼標準藍圖。這是一份來自遙遠島嶼的報告——那裡有 2350 萬人口、幾乎全島普及的寬頻網路，特定的歷史與特定的運氣。我所描述的，是在臺灣特定條件下奏效的經驗。我來到這裡，為了分享我們的嘗試，並學習你們如何用不同的方式來實踐。
讓我先不談臺灣，降落到我們共同擁有的經驗開始。我們兩個國家都懂得：在面對強權的陰影下——地緣政治、經濟、平台規模——建立民主，是什麼滋味。
我們都懂得，繼承那些最初並非為如今生活在其中的人民所設計的體制，是什麼樣的感受。我們也深刻體認到——不只在教科書中，而是在我們骨子裡的——最重要的公民創新，往往不是來自政府，而是來自那些拒絕等待的社群。
這座校園正是建立在這種本能上。蒙特雷科技大學承載著蒙特雷的 DNA——la cultura del esfuerzo（努力的文化）、jalar parejo（齊心協力）——五十年前將它帶到了這座城市。但墨西哥城為它注入了獨有的元素。因為這座城市以一種地球上少有的方式理解：當大地本身塌陷，唯一還站著的，就是人民。
1985 年 9 月 19 日，一場地震夷平了整片街區。政府反應慢了。軍隊反應慢了。但市民沒有。鄰居們徒手掘開瓦礫。志工組成人鏈。一群爬進倒塌建築中搜尋生還者的年輕人被稱為 los Topos——鼴鼠——在 2017 年他們依然在場。
自那個清晨延續至今的，不是一句政府口號。而是： el pueblo salvó al pueblo . 人民拯救了人民。
這份公民關懷的傳統，比我將開始描述的任何平台都更為古老——也深遠得多。在這座城市裡，走兩三個街區就能穿越截然不同的現實。你們之中許多人都深知那條分界線的兩側。如果公民科技值得你們投入時間，它必須從正視這種不平等開始。
我說這些是因為，當我談到臺灣時，並不是説「你們應該這樣做」。而是：「這是臺灣的嘗試，而它與你們早已熟知的事物有著這樣的連結。」
臺灣曾在威權統治下度過漫長歲月——長達 38 年的戒嚴。當民主到來時，它來得很緩慢，且參差不齊。到了 2014 年，人民對政府的信任度已跌至民主世界的谷底。
那年三月，一項不透明的貿易協議在立法院以 30 秒——字面上的 30 秒——未經審查便強行通過。二十五萬人民走上街頭。五百名學生佔領了立法院，長達 24 天。
我是與他們並肩作戰的技術者之一——不是在建築物內，而是在外面，協助將運動的喧鬧聲轉化為能產出具體提案的聲音。因為每一場群眾運動都面臨著同樣的挑戰：熱情氾濫，但訊號稀缺。每個人都在發聲；但沒有人真正被聽見。
大約在同一時期，社群媒體平台從訂閱式推播轉向了推薦式推播。在訂閱式推播中，如果你追蹤相同的人，你看到的是同一個世界。但推薦引擎會找出你關注的不同之處並加以放大，讓憤怒來主導整個對話。我們需要一個能逆轉這種邏輯的工具。
我們發現了一個叫 Polis 的工具——這是一個開源系統，有著一項關鍵的設計抉擇：沒有回覆按鈕。沒有轉發按鈕。你不能攻擊別人的發言。你只能選擇同意、不同意，或者跳過。酸民無處見縫插針。
在社群媒體上，「憤怒」在瘋傳；但在 Polis 上，是「交集」才會爆紅——因為你的觀點若要傳播，唯一的途徑就是讓那些在其他事情上與你意見相左的人，也對你的觀點表示認同。
2015 年 Uber 進入臺灣時，計程車司機強烈反彈。他們不僅在社群媒體上互相攻擊，甚至在街頭也打了起來。我們的解決方案？邀請數千名公民在 Polis 上參與討論。僅在幾週內，他們對具體措施達成了共識，最終立法。橋樑一直都在那裡。只是需要一個能獎勵「造橋」的工具。
在接下來的十年裡，臺灣對政府的信任度從 2014 年的 9% 躍升至 2020 年的超過 70%——不是因為我們設計了完美的系統，而是因為我們持續傾聽。我們持續公開。在工作完成前，我們不間斷地持續分享。
我們確實使用了獎勵人際連結的工具來重建信任，但在今天，AI 正以我們在 2014 年無法想像的規模，將這種連結自動化——甚至經常是在剝削這種連結。
太陽花運動逼迫我們直視的那個問題——誰能被聽見，以及如何被聽見？——如今的決定權已不在立法機構，而是在演算法與激勵機制的設計裡。不是由立法委員決定，而是由科技巨頭來決定。
我們是把人類放進高速運轉的 AI 迴圈裡——就像倉鼠在滾輪上跑，跑得興奮至極卻毫無方向可言？還是把 AI 放進社群的迴圈裡，由受其影響的人們來掌舵？
如果我們不把傾注於民主參與的同等關懷帶入演算法的設計中，那麼這些演算法對社群的影響，將如同威權治理向來所做的一樣：集中權力、壓制聲音，並以錯位的激勵從人民身上榨取價值。
我們的太陽花學運問的是：誰來決定？AI 面臨的問題也是同一個，只是提升到了另一個維度。這是你們這個世代面臨的主要挑戰。太陽花問的是一個政治問題；而我的祖母會認出，這其實是一個道德問題。
我由信仰天主教的祖父母撫養長大。我的祖母在天主堂幼兒園照顧孩子——不是那種打卡上下班的照顧，而是會去家庭拜訪、在家庭真正需要幫忙時挺身而出的那種。她從不說她做的是慈善。對她而言，關懷——教會所說的 caritas （明愛）——不是一種感覺。它是一種「持續現身」的選擇。
自從我開始接觸 AI 倫理以來，我的思緒經常回到祖母身上。
在墨西哥，你們可能會對我接下來要描述的內容感到熟悉——那不是外來的想法，而是你們的社群世代實踐的事物。無論你們以工程倫理、人權、原住民社群傳統，或信仰作為根基——重點都是一樣的：關係，才是形塑科技的基本單位。
這引出了一個許多傳統共有的原則：輔助性原則。決策權應落在盡可能基層的單位。最靠近問題的人，應該在解決方案中擁有最大的發言權。在地數據優於中央榨取，社群控制優於平台壟斷。
同時也意味著弱勢優先：衡量任何系統是否正義，不是看它如何服務多數人，而是看它如何服務最脆弱的群體。
距離我們現在坐著的地方只有幾小時車程外，有一位對此進行過深刻思考的人。伊凡・伊里奇（Ivan Illich）在庫埃納瓦卡（Cuernavaca）待了數年，探問一個根本的問題：是什麼讓一個工具具有融洽性（convivial）——也就是服務於人民，而不是反過來？他的答案關乎權力，並圍繞著他所稱的融洽工具或榨取工具來建構。
融洽的工具能放大你已經能做的事並服務社群；榨取的工具則讓你依賴於那些掌權者。現在正在打造的每一個 AI 系統，不是前者就是後者。而做這些決定的工程師——許多和你們年紀相仿——可能根本沒想過要問自己這個問題。
後來當我接觸到哲學家瓊・川托（Joan Tronto）的關懷倫理學時，我立刻認出她說的語言和我祖母一樣——而且我猜，也和你們許多社群的傳統一樣。
對川托來說，關懷不是一種感傷。它是一種實踐。而事實證明，你可以把它寫進程式碼。你可以讓它具備可衡量性與當責性。這正是我們「關懷六力」的核心。它是一套六個設計原則，用來打造真正服務社群、而非從中榨取的 AI 系統。
