Chase Hasbrouck - Three Phases of AI Adoption | [un]prompted 2026

蔡斯中校自2006年從軍，經歷IT管理、伊拉克任務、2014年陸軍網路部隊成立初期，歷任事件應對與取證工作，2022年作為DARPA研究員接觸大語言模型浪潮。他的演講基於親身經驗：在擁有超100萬人員的美軍中推廣AI工具，對比矽谷「只需API即可啟動」的簡易模式，揭示大型層級化組織的現實困境。

軍隊的組織特性對AI採用形成獨特阻力。採購不同於企業軟體訂閱，而是多層管制流程：先採購再進企業安全工作流再獲運營許可，過程中任何否決都意味著重新開始。分類要求將問題複雜化——非密系統相對簡單，但涉及受控非密或機密信息時，要求數倍增長，而機密及以上層級的複雜度蔡斯甚至無法透露，形成無形的上限。

2023年是「研究預覽」階段。Space Force發布禁令禁止企業範圍內使用AI，大多數員工對AI冷淡或恐懼失業，只有5%的高級用戶（如蔡斯及其團隊）在家自行實驗ChatGPT，向AI Studio提問後回到內部系統翻譯結果。這種隱性使用持續到年底Camo GPT推出——軍方自有的LLM平台，以創紀錄速度通過認證。看似解決問題，卻因三大缺陷無法普及：首先，Llama 2 70B的能力不如員工在家用的GPT-4 Turbo或剛發布的Gemini Pro，對高級用戶無吸引力；其次，前端功能殘缺——缺PDF解析與網頁瀏覽，用戶需手動複製文本、受400字符框限制，對普通用戶而言流程太繁瑣；第三，基礎設施供應不足，查詢響應時間無法穩定，RAG操作時延遲從分鐘級升至小時級，導致實用性喪失。

進入2024年第二階段，組織推出基於商業API的新平台，具備可靠性與前沿模型，似乎解決了一切。現實卻因成本結構再次碰撞。供應商採購AWS或Azure API，然後乘以10倍成本賣給軍隊以實現利潤。所有員工被平均分配代幣額度——基於官僚政治而未區分高級用戶與普通用戶——普通辦公用途如「總結兩頁文檔」無問題，但蔡斯的取證人員面臨困境：分析一份20頁日誌並與三天前的另一份20頁日誌進行有意義的差異比較，一次操作就耗盡月額度的50%。追加代幣的申請流程是官僚絕望的典範——需7個簽名、7份理由說明，而這些理由要向完全不理解LLM的高層人士解釋，實務上形同不可能。結果是組織官方仍依賴Camo GPT，員工則在背地繼續使用未批准工具（如AI Studio）。

第三階段已經開啟，genai.mill——美國國防部的統一AI平台正在上線，主要AI企業正接入其中。員工可直接訪問該平台，使用企業級UI而非自製Web包裝。但核心瓶頸已從技術轉向組織文化。軍隊慣性傾向於「孤島化」新技術：發現誰擅長某項技術就指派其為專家，所有相關問題往後轉，如同過去的「電腦專家」、「網路專家」角色。蔡斯曾長期擔任網路專家，深知這套模式的局限。關鍵問題是：什麼技術應留在孤島（如太空技術對非空軍部隊的小眾性），什麼應快速普及（如GPS、電腦的基礎性）？AI正處於轉折點——應更像PC（人人用）還是VR（小眾選擇）？去年趨勢明顯倒向PC，但組織結構尚未跟上。

演講結尾，蔡斯指出解決文化瓶頸的關鍵：當前許多需求文檔以LLM聊天記錄的形式分散存在，應從中萃取知識，透過適當翻譯提升至企業採購部門理解的層級，整合進通用工具與工作流。他強調未來人才應具備的不僅是技術問題解決能力，更要能將技術難題與業務需求連結——例如知道如何把七頁的反編譯技術報告簡化為非技術利益相關者能在兩天內吸收的內容。此後蔡斯即將於10月26日退休，反思這段試圖在龐大官僚體系中推動技術轉變的經驗。