[讀者回函] 公司變成「可查詢物件Agent」時，先壞在治理權限邊界與資訊架構政治
When the Company Becomes a Queryable Agent, Governance, Permission Boundaries, and Information Architecture Politics Break Before the Org Chart
序言：Jack Dorsey 在 Sequoia 的訪談裡把 Block 的重構說得很乾淨：Slack、文件、程式碼、會議紀錄疊成一層對內智慧層，任何人都能「查詢公司」、用高透明度做決策。這套敘事對投資人很好懂—對資本市場說得通，不代表工程上是瑣碎好解的題（trivial）；對做產品、資安、合規、內部工具的人來說，真正的題目是—當整間公司被做成單一可查詢物件時，誰能查、查到什麼粒度、以及哪一種說法算數、誰把它寫進系統。
這裡先埋一根刺：Jeremy Bentham 的全景敞視（Panopticon）在監控倫理裡常被討論的核心，不是「一定被看見」，而是永遠無法確知何時正在被看—不確定性本身就會改寫行為（Foucault, 1977）。後面談「透明 vs 全景敞視」時，我們會回到這根刺。
作者補充：我先把這場訪談當案例聽，不當「未來組織聖經」。它最有價值的地方在於：一間高度受監管的金融科技公司，如何把「裁員 40%」和「把全公司資料餵給一層 AI」放在同一個決策敘事裡。專欄要接的是效率敘事預設了哪種資料暴露面，而不是停在「AI 能不能讓公司更有效率」。
和交付團隊對焦內部副駕駛（copilot）時，我見過最常卡的點根本不是模型準不準—是會議裡人人點頭要合規，散會後沒有任何角色願意在「不可進索引」清單上簽名；結果預設全開，出事再補鍋。
「Mini-AGI」在產品語言裡，其實是「全公司 RAG」
公司級「智慧體」工程上就是把工作產物接成全公司 RAG。沒先劃清誰能讀什麼、沒處理索引與來源權限不同步，「透明」只會變成索引政治，跟儀表板長相無關。
Dorsey 口中的公司級智慧體，工程上接近把所有工作產物接成可查詢層；使用者體驗與治理上則是一次性把「誰需要知道」改成「預設可被系統讀取」，除非你再明確關閉權限—這是典型的預設納入、事後才退出（opt-out by design）：預設進索引，靠事後關閉。方向上和 GDPR 對個資處理常要求的事先同意與明確法律基礎（opt-in）並不對齊；你在歐盟有員工、有資料主體、或客戶合約已引用歐盟標準條款時，這條張力會直接變成法務工單，不是「產品之後再說」。
訪談裡反覆出現的畫面是：傳統金字塔傳遞資訊太慢，所以要讓「公司本身」變成可被問答的對象（Sequoia Capital, 2026）。這與近兩年企業內部瘋做的「知識庫 + 副駕（copilot）」同一條路—差別在於 Block 把野心說成全公司層級、而且和裁員與角色縮減綁在一起講。
對設計與治理的人來說，先把這句壓進腦裡：透明度 = 存取控制政策的總和，跟多畫幾張儀表板無關。預設變成「資料可進模型、可查詢」時，優先該決定的是底下四件事，不是再加功能：
哪些資料類型永遠不得進入通用索引（可識別個人資料（PII）、客戶支援對話、未公開財務草稿的邊界如何定義）
查詢結果的權威版本由誰簽核—沒有簽核流程，所謂「官方說法」只是最後寫入者的偏見快取
員工在 Slack／文件裡的「半公開試探」還存不存在，還是一律變成可檢索證據
產品能不能主動說明「我沒索引哪些類資料」（負面能力），避免沈默讓使用者誤以為全宇宙都已進庫
若你負責介面與需求，把上一段的「負面能力」翻成可驗收的體驗，大概是：當問題落在我們刻意不納入的範圍，產品要說清楚「這類內容不在公司大腦裡、為什麼」，而不是只給空白或一句模糊的「找不到」—否則使用者會以為是自己問錯，或誤以為系統已涵蓋一切。這可以寫進使用者故事與驗收標準（acceptance criteria），不必停在設計原則簡報。
若沒有把以上當成上線放行門檻（ship）等級的設計課題，「查詢公司」在體驗上會很像搜尋引擎：看起來中立，實際上是索引政治。
還有一種比「沒人簽名」更陰險的落差，可稱為權限快照落後（permission state drift）：公司大腦在建立時，會把文件、對話做成一份可搜尋的副本；但真正的開放與收回權限，每天都在 Drive、Slack、人事或法務系統裡改—離職、專案結案、資料夾上鎖。副本不會自動與那些變更同步。
很多團隊用定期批次更新這份「腦內索引」，中間就會有空窗：在來源那邊你已經沒權限了，問答層卻還能靠舊副本講得像真的—這就是檢索結果與當下授權脫鉤的結構風險（Amazon Web Services, 2025）。
所以就算有人敢簽「不可進索引清單」，已經進去的片段也不會自動消失；產品與工程得選擇要定期重編索引、在回答前依標籤過濾，或在每一次提問時向原系統再確認「此刻能不能看」，而不是把責任留在會議紀要。
這不必二選一「全部預先建索引」或「全部即時連線」。實務上常拆兩條路：變動慢、爭議低的內容（政策、產品說明、FAQ）先做成可快搜的快照，但要接受快照與權限標籤可能晚幾步才跟上；變動快、敏感性高的內容（客服工單、合約草稿、人事相關）改為使用者一問才去原系統取資料，讓「誰現在能看」由原系統當場判定，壓低快照落後造成的傷害。
較穩的預設常是兩條路並行（工程上常稱混合式 RAG）：靜態知識走預先索引，動態敏感資料走即時連線；每一小段內容都帶著誰能看的脈絡，提問時再依現況過濾。重點是讓做路線與取捨的人看見—這是產品與架構選型，不是「會上有人簽名就會好」。
再往上抽象一句：公司 AI 安不安全，先是「誰能看什麼」的資料治理題，再才是模型有多聰明；光靠調提示詞（prompt）補不了權限破口。設計評審與 PRD 裡更值得先問：每一段被餵進系統的內容，有沒有清楚的權限屬性？使用者的提問到回答之間，有沒有機會回到權威來源核對「此刻是否仍可看」—而不是先比採用哪家向量資料庫（Amazon Web Services, 2025；見向量檢索與來源端授權脫鉤的討論）。
大廠押語意層，理由很硬。
OpenAI Frontier 那類商業敘事，用產品語言說就是：客戶紀錄、工單、營運數字散落在 Salesforce、SAP、Zendesk 等系統，不同的自動化助理（Agent）各自讀到不同版本，協作會直接打架；所以要賣一層「全公司共用、AI 讀得懂的單一真相」，再綁身份、權限與稽核紀錄當護城河（我在〈當 AI 軍團需要錢包〉裡拆過這條路線）。Dorsey 的「查詢公司」落在同一條光譜上，比較像賭基礎建設，而不是多喊一句願景口號。
賭注成立，不代表可以跳過輸入與寫入治理。〈AI Agent 治理的兩難〉裡我用 Kevin 場景寫過第二層困境：AI slop 進了公司知識庫，下一位同事用 RAG 檢索，系統把那份「看起來專業、實則空心」的報告當成證據鏈，再生成新一輪建議—垃圾進，垃圾出，決策大腦慢慢失智。
安全研究裡把「錯誤或惡意內容進索引後，反覆被檢索、再餵進模型」這條路徑模型化成對檢索增強生成（RAG）的知識腐敗（knowledge corruption）問題（Zou et al., 2024）—你現場未必遇到的是攻擊，而是治理失靈讓 slop 寫進庫；只要它留在可被檢索的層裡，結構上仍可能被當成「有出處的佐證」一再拉出來。
傳統孤島裡的錯誤多半是局部的：一個部門拿到爛報告，頂多污染一兩個決策循環。全公司 RAG 把錯誤變成系統性的：同一份 slop 一進索引，往後每個檢索到相近語意的決策都會被染色，又因為帶連結而看起來「有出處」。
錯誤的壽命從一場會議拉長到整個知識庫生命週期，直到有人發現、觸發重新索引或整庫汰換為止。治理篇裡我還設過來源錨定閘門（Source Grounding Gate）：合成洞察要進技能庫（Skill）之前，得能引用至少兩段原始訪談，像 RAG 的引用標註（citation）；否則 RACI 裡掛名的當責者（Accountable），扛的是空頭銜。對照本篇前面幾條設計課題：若沒有等價的「誰能寫入、寫入前附什麼出處」，扁平化只會加速幻覺被索引化。
還有一條和權限一樣致命、但常被當成「採用問題」打發的張力：〈AI 轉型真相：AI 內戰〉裡的生成式 AI 分水嶺（GenAI divide）—官方企業 AI 若從「控制慾」而非可用性與信任長出來，員工會用脚投票，回去用自己付費的 ChatGPT。
OpenAI 對近百家企業、約九千名工作者的調查裡，ChatGPT Enterprise 使用者自報活躍使用日平均省下約 40–60 分鐘（OpenAI, 2025）—前提是工具嵌進日常工作流程（workflow），而不是多一層額外審批。再漂亮的「全公司大腦」敘事，也敵不過一層難用的審批皮；數字救不了「控制慾勝過可用性」時的整體繞路。
把「繞路」從直覺講成可量化的架構風險：MIT NANDA《企業 AI 現況 2025》裡，在固定使用大型語言模型的員工中，約 90% 透過個人帳戶，而非公司採購的訂閱（Challapally et al., 2025）；同一份報告裡，僅約 40% 的受訪公司曾採購官方企業 LLM 授權。重點不是把員工標成「刻意叛逃」—常常是官方管道根本沒鋪好或不可用，個人工具變成預設路徑。
Gartner 對 302 名企業資安領袖的調查顯示，約 69% 的組織懷疑或已握有證據，指出員工使用遭禁止的公開生成式 AI；並預測 2030 年前逾四成企業將遭遇與未經授權影子 AI（shadow AI）相連的資安或合規事件（Gartner, 2025）。數字代表的是資安領袖視角下的風險感知與前瞻判斷，不是全體企業或產品主管的普查。
「全公司大腦」與影子 AI 不是兩條無關的線，而是同一個控制失靈的兩面：一邊是官方索引曝露過頭（本文主線），一邊是資料流進未受治理的個人工具（洩露與對外合規壓力）。官方缺席、管制過緊、信任不足會交織在一起—兩邊都會讓治理更難。
這篇主軸談暴露面與邊界。統一層我承認必要；必要，且不夠。收斂成四個自問就好：大廠為何押語意層？進索引前誰能擋、誰敢簽「不可進庫」？進索引後誰為幻覺與漏網資料負責？這層上線後，員工還願不願意每天用，還是整體繞去個人工具？
{合作廣告}
🧑🎓 UX 訂閱制學習計劃：把 human-in-the-loop 變成你的日常。這也是我會特別推薦 #UX訂閱制學習計劃 的原因：它不是一次性的 bootcamp，而是把借位、補位、入位拆開來，串成 3 月到 12 月的一條學習軸線。透過每月 Podcast 和專欄，先向不同領域的 UX / 產品 / AI / 服務設計講師「借位」
透過直播與 Circle 社群討論，在你的真實案子與問題上進行「補位」
三種角色（IC／DRI／Player-coach）背後，藏著「責任外包給系統」
角色縮減時，問責會擠到「智慧層 + DRI」接縫；中階管理者被拿掉的不只是員額（headcount），還有緩衝與覆蓋。系統沒說清沒索引哪裡、又無法被申訴時，出事變可解釋性缺口，不只是 HR 架構圖能畫出來的。
