資源索引
全部資源。
按時間瀏覽完整索引,亦可按主題或類別收窄列表。
資源索引
按時間瀏覽完整索引,亦可按主題或類別收窄列表。
Concepts
為甚麼專業 context 不只是已儲存的 data,而 AI 要支援嚴肅工作,不能只靠可搜尋 record。
Concepts
為甚麼專業信任取決於一間 firm 能否記得自己說過會做甚麼。
Concepts
為甚麼購買 AI 工具,不等於改變一間公司如何捕捉、檢查、交接和記住工作。
Methodology
一個實用論點:AI 與專業工作的 interface 應被設計成營運邊界和 worldview;既足夠連接以共享 context,又足夠分隔以保留角色、權限、專注和 review。
概念
為何審閱包是專業團隊最有用的 AI 產物之一,特別是在來源、負責人和決策分散的工作裏。
Methodology
一個實際的 Proximity 部署在第一個月應該怎樣展開:工作流程梳理、來源審視、第一份審閱包、回饋,以及營運節奏。
方法
為甚麼認真的 AI adoption,要先令工作變得可見、可審閱、可問責,然後才要求 agents 行動。
概念
為甚麼 grounded AI 和 RAG 對專業工作重要:source grounding 顯示證據、新鮮度、欠缺背景、來源脈絡和信任邊界。
概念
專業服務中有用 AI 的實用框架:更好的判斷、準備、協調、來源審閱和跟進。
概念
AI 所需 organisational context 的實用定義:角色、歷史、優先次序、責任、證據、關係、標準和時間。
概念
Operating intelligence、operational context、商業 digital twin 的實用定義,以及為甚麼 agentic AI 需要可讀的機構。
Methodology
為甚麼 AI 轉型大部分其實是營運工作:梳理 workflow、來源、權限、ownership、review point,以及自動化邊界。
Methodology
實用說明:企業推動現代化或以 AI 賦能組織時,Saas、MSP、agency、consultant、platform 和 forward-deployed engineering 有甚麼分別。
概念
一個 Proximity 系統例子:為合夥人主導的顧問業務追蹤承諾、背景和跟進,而不自動化關係判斷。