今日三件值得 3Q 客戶關注的事：Anthropic 為 Claude 小企業版大幅擴充工作流程與整合，直接針對中小企業業務場景；Vercel 用 AI 銷售智能體把 10 人團隊壓縮到 1.25 人，年成本只需數千美元，企業降本案例成真；OpenAI 內部已全面用 Codex 智能體驅動軟體開發，「AI 軟體工廠」不再是概念。這三個訊號加在一起，指向同一個方向：企業 AI 落地已從試驗轉為正式替換。
產品動態
Claude 小企業版新增 43 個工作流程、27 個整合，推出免費培訓計畫
Anthropic 為 Claude for Small Business 新增 43 個工作流程與 27 個整合，涵蓋 Shopify、Salesforce、Stripe、Gusto 等中小企業常用平台。上線五個月來安裝量已突破 90 萬次。工作流程預設進入審核模式，所有對外發送、發布或付款動作需使用者確認後才執行。今秋將在美國 10 個城市舉辦免費工作坊，14 個整合夥伴也將陸續辦說明網路研討會。
對 3Q 客戶意義：Anthropic 把 Claude 跟主流商業 SaaS 串接起來，3Q 輔導客戶評估 AI 整合時多了具體的起點，不再需要從零刻 API。
產業動態
Vercel 用 AI 銷售智能體把 inbound 團隊從 10 人壓到 1.25 人，年成本數千美元
Vercel 營運長 Jeanne DeWitt Grosser 透露，公司已將 inbound 業務開發流程自動化 90%，原本 10 人的銷售開發團隊壓縮至 1.25 人。AI 銷售智能體年度成本僅數千美元，對比原本的人力薪資差距達數十倍。這是企業實際裁減人力、由 AI 智能體接手重複性業務工作的具體案例。
對 3Q 客戶意義：這個案例對 3Q 客戶的意義是雙向的：一方面是 AI 整合的降本潛力，另一方面也是客戶企業主必須面對的人力結構轉變。
OpenAI 實地報導：Codex 智能體驅動的「軟體工廠」已是日常運作
工程師 Gergely Orosz 實地走訪 OpenAI 總部並訪談七位工程師，發現自今年一月起，Codex 智能體與 ChatGPT Work 已成為公司幾乎所有軟體開發工作的基礎工具。工程師的日常工作模式已轉向：由智能體負責執行，人負責審核與導向。這種「AI 軟體工廠」模式正在科技公司快速普及。
對 3Q 客戶意義：這個模式預示著未來軟體顧問的角色轉型——3Q 的工程能力將更多集中在需求拆解、架構審核與品質把關，而非逐行手刻程式碼。
Perplexity 用 AI 智能體兩個月自建資料庫 CobbleDB，每年最多省一億美元
Perplexity 執行長宣布自研鍵值資料庫 CobbleDB，用來替換 AWS DynamoDB 處理網頁內容抓取。整個核心基礎設施由兩名工程師搭配數百個持續運作的 Computer 智能體，在兩個月內完成。遷移後熱儲存批次讀取延遲比 DynamoDB 快約五倍（P50 從 31.4ms 降至 5.60ms），年省成本最高達一億美元。
對 3Q 客戶意義：AI 智能體已能協助中小型技術團隊完成過去需要大型工程組才做得到的基礎設施工作，這對有自建系統需求的 3Q 客戶是值得參考的路徑。
來源：X：Aravind Srinivas（Perplexity 執行長）
工具開源
Google 發布 TranslateGemma：輕量開源翻譯模型，支援 55 種語言、可離線運行
Google 宣布語言技術已涵蓋超過 300 種語言，並發布 TranslateGemma——基於 Gemini 訓練的輕量開源翻譯模型，支援 55 種語言，可在裝置端離線運行，不需連網。整體語言覆蓋率達全球 86% 人口。
對 3Q 客戶意義：對需要多語系介面（如繁中、英文、越南文切換）的 ERP 或企業系統，TranslateGemma 提供了一個可本地部署、不需付 API 費用的翻譯選項。
技巧觀點
Trail of Bits 批評 1Password AI 修漏洞基準測試數據失真，揭露評測設計陷阱
資安研究機構 Trail of Bits 發文批評 1Password 的 AI 自動修補漏洞報告，指其宣稱 26% 的「AI 乾淨修復率」受四項實驗設計缺陷影響：22% 的測試案例刻意要求智能體套用錯誤修復、36% 的試驗禁止編譯測試，加上不同推理設定混用，導致數據嚴重失真。Trail of Bits 同時發布兩個補丁驗證智能體（Patch Validation Agents）供業界使用。
對 3Q 客戶意義：在評估「AI 能不能自動修程式碼問題」這類功能時，3Q 應留意廠商評測方法論，不能只看表面數字，需要追問測試條件。
3Q 編輯部觀點
今天的新聞有一個清晰的主軸：AI 進入企業的方式，已從「試用工具」轉變為「替換人力與基礎設施」。
Vercel 把 10 人業務開發團隊壓縮到 1.25 人，Perplexity 用智能體兩個月建好資料庫，OpenAI 內部的軟體開發已全面智能體化——這三件事放在一起，傳遞的訊號不是「AI 很厲害」，而是「AI 已經在真實企業運作裡取代具體工作了」。
對 3Q 的客戶來說，這個轉變有兩個層次需要面對。第一層是機會：用 AI 智能體來自動化重複性高、人力成本高的業務流程——業務跟進、資料整理、進銷存對帳——這些都是可以在今年就開始評估的場景。Claude for Small Business 新增的 43 個工作流程，提供了具體的整合起點，Shopify、Salesforce、Stripe 這幾個平台在台灣也有使用者基礎。
第二層是挑戰：當客戶問「我的 IT 部門還需要幾個人」，答案正在快速改變。3Q 的顧問角色也需要跟著轉型——不是賣人力工時，而是賣「知道怎麼讓 AI 智能體正確運作」的能力。這包括需求拆解、流程設計、品質審核，以及 Trail of Bits 今天提醒我們的：懂得辨識 AI 評測數據的真偽，不被廠商的漂亮數字牽著走。
簡單說：AI 落地不再是選擇題，是時間表的問題。3Q 現在的工作，是幫客戶想清楚「從哪裡開始最划算」。
資料素材來源：AIHOT (aihot.virxact.com)。本文由 3Q 編輯部用 Claude 篩選、翻譯為繁體中文、加上對 3Q 客戶意義的觀點。各則新聞著作權屬原始發佈者，請點上方連結看原文。