Artículo del abogado Lin Shang-Lun》El BD es impresionante: lo que vende es la capacidad de integración de IA

（前情提要：林上倫律師專文》懂 AI 的專業人士，會是 AI 時代的贏家嗎？ ）
（背景補充：林上倫律師專文》從蔡阿嘎事件看 AI 恐懼：你氣的不是 AI，是怕被比下去 ）

在 IA 時代，業務開發若能針對自家團隊的痛點進行整體性的進化，就算不是全職開發者，也同樣做得到。這種趨勢，應該是每個職位都必須具備的預備心態。

本文目錄

Toggle

• 他做的東西，其實蠻打中痛點的
• 聊到他怎麼把 AI 放進去
• 但我覺得，Output 還可以更多
• 從律師角度看，有件事一定要做：把幻覺壓下去
• 幾個我覺得他這個 BD Agent 可以再加的功能
  • 用會議記錄自動生成合約改版
  • 依談判立場調整合約強弱
  • 合規審查，把風險擋在前面
• 最後

在一個科技展，我遇到即將大公司的業務開發（BD）的主管，但更特別的是，他自己動手用 AI 做了一套他們公司 BD 使用的內部系統。他很大方地把手機拿出來給我看他的 prototype，我們就這樣邊看邊聊了起來。

因為我自己平常也在搞 AI 開發，加上本身是律師，看他的東西時難免會多想幾層。這篇就當作把那天的對話整理一下，記錄我看到什麼、我又跟他聊了哪些可以再玩下去的方向。

他做的東西，其實蠻打中痛點的

他一開始就講到一個很真實的困擾：他們 BD 團隊在外面的開發量太大了，大到根本沒有主管能把每天所有人的匯報都消化掉。主管能下的只有很粗略的指令，沒辦法針對每一個店、每一個點位去下精準的戰術。而且 BD 撒出去之後，很容易彼此撞單，要大家互相同步進度又超級沒效率。

所以他做了一個 App。登入進去是 admin 介面，上面有很多圖層，最核心的那一層，把所有 BD 在外面開的點、成交狀況全部視覺化。這樣做的好處很直接：

一是大家不用再互相口頭同步了，每個人要開新一波開發之前，一眼就能看到別人做過哪些、每個點進展到哪。二是他自己站在主管的角度，可以直接看整條 pipeline，哪家店卡在什麼階段一目了然。

說真的，這東西一看就知道是一個很懂 BD 的人做出來的。那個介面的邏輯，不是工程師憑空想得出來的，是真的在外面跑過業務才會這樣設計。

聊到他怎麼把 AI 放進去

我就好奇問他，那 AI 到底用在哪。他說他串了一個 AI，把 BD 在外面開發會用到的知識、過往的合約、合作案例全部整理成資料庫。

他舉了一個很實際的例子：BD 有時候開發到連鎖品牌，但連鎖的談約方式跟單店完全不一樣。連鎖規模大、勢力大，常常要做一些利益交換，可是一般 BD 在訓練的時候，很難把「對方是哪個量級、我們對應可以拿出什麼籌碼」講清楚。所以這件事他就交給 AI 來回答。這個切入點我覺得抓得蠻準的。

我又問他資料庫怎麼弄的。他很老實說，其實就是部署在一個 Google Sheet，用 JS 直接讀。但他強調一點：每個 BD 查了什麼、AI 回了什麼，全部都有記錄、都有跡可循。他還先寫了一份「商家定義」，AI 會先跑一次定義，判斷新客人是什麼類型，再回頭去比對合作案例。

這裡有個小細節我特別想提。我跟他說，用 Gemini Flash 免費版有個坑——token 上限可能導致結果不如預期。結果他早就想到了，他把每一條問題的路徑都先規劃好、寫死：遇到哪種問題就只讀哪幾個分頁。這樣不只不會漏讀，還省時間、省 Token。這種「不硬塞、先判斷再抓資料」的做法，確實有抓到重點。

但我覺得，Output 還可以更多

看到這裡，我就跟他講了一句比較白的話：「你這東西真的很好，也很符合你們的用法，可是——AI 的味道沒那麼濃。」

我不是在挑毛病，是覺得還有空間可以玩。他現在做的事，本質上是把過去 BD 那些不透明、不可控、追不回來的工作軌跡，變成透明、看得到、管得住。這個 input 面已經做得很扎實了。

但站在開發者的角度，我覺得他卡在 output。他現在的產出幾乎都集中在 ChatBox 跟資料整理。ChatBox 是好東西沒錯，可是我覺得他的 output 可以送到更多地方，比如：

一是直接吐出公司格式的文件，像 MOU、報表這種，而不是讓人看完對話再自己整理。二是用不同的介面跟流程去接住不同任務，不要什麼事都塞在同一個對話框裡。底層一樣都是 LLM，但可以針對不同情景設計不同的 Agent，一種任務對一種流程。

從律師角度看，有件事一定要做：把幻覺壓下去

這段我是用律師的角度跟他聊的。因為他做的東西會碰到合約、碰到商業條件，這種容錯空間比一般人想的還要小。

我自己的習慣是，AI 產出的東西不能有任何憑空捏造。所以我建議他補兩個東西：

一個是引註溯源。每個產出結果後面帶個 citation，點下去就能看到「這句話是從哪個文件、哪一段來的」。這對他其實特別重要——他的 BD 拿著 AI 給的談判籌碼去現場作戰，如果沒辦法回頭確認來源，那就是拿沒驗證過的東西在冒險。

另一個是把 temperature 調低。越是需要精確、不能亂發揮的場景，就越該把模型的隨機性壓下來。這兩個配起來，幻覺的空間就會小很多。

幾個我覺得他這個 BD Agent 可以再加的功能

他們公司有法務、有律師，合約多半用公版、不太改。聽起來好像 AI 沒什麼空間，但我反而覺得這種「看起來很穩」的場景才有得玩。我隨手跟他聊了幾個方向：

2. 用會議記錄自動生成合約改版

BD 談完之後，最累的就是把兩個小時的會議討論變成正式條文。這件事 AI 很會：把公版丟給它，再把會議記錄整份塞進去，它就會照著結論生出新版本，被刪改的地方用追蹤修訂標出來，法務一看就知道動了哪裡。

3. 依談判立場調整合約強弱

這個我覺得最有意思，因為它剛好可以跟他系統裡的邏輯串起來。公版的問題就是它沒辦法反映每次談判的力量差異。跟大公司談，我方立場弱，條款就寫柔軟一點；跟小對象談，我方強，條款就能硬一點。沒有一份合約是一體適用的，每份都該客製。如果他的 Agent 能根據「對方規模」自動生出強弱不同的版本，那不就跟他系統裡「量級對應武器」的想法接上了嗎？

4. 合規審查，把風險擋在前面

BD 對外發布的內容常常有合規風險。AI 可以逐句幫忙看——哪些字太誇大或講太滿、違反哪條法規、該刪掉還是加個警語。對一個天天在外面跑的 BD 團隊來說，這種「事前先攔下來」的能力其實蠻實用的。

我也跟他提醒一句：如果公司有特別想保留的某幾條，其實不衝突。話語可以改、口吻可以調，但實質上保留我方的權益，技術上完全做得到。

最後

聊完那天我印象滿深的。他花三個禮拜，還刻意用自己的預算，在 prototype 做完之前都不動公司資源，把一個真實的痛點做成了能用的東西，而且員工已經在用了、老闆也點頭了。

他這兩個多月一直在做同一件事——找痛點，找 AI 可以切進去的時機。我覺得這才是想用 AI 的人該有的心態：不是「AI 很酷，來玩玩看」，而是「這裡很痛，AI 能不能來止痛」。

說到底，最好用的 AI 通常不是最炫的那個，而是最懂業務、最貼近真實痛點的那個。看到一個這麼會的 BD 開始用 AI 的邏輯去想自己的工作，我其實還蠻期待他之後會做出什麼的。