[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-fde-corporate-ai-adoption-playbook-zh":3,"article-related-fde-corporate-ai-adoption-playbook-zh":30,"series-industry-2f43b272-f30c-4a84-8432-3a17c24a6b76":79},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"2f43b272-f30c-4a84-8432-3a17c24a6b76","fde-corporate-ai-adoption-playbook-zh","FDE 讓企業 AI 從 Demo 變上線","\u003Cp data-speakable=\"summary\">我拆解 \u003Ca href=\"\u002Ftag\u002Fmicrosoft\">Microsoft\u003C\u002Fa> 和 EY 怎麼把 FDE、顧問和流程改造包成\u003Ca href=\"\u002Ftag\u002F企業-ai\">企業 AI\u003C\u002Fa> 落地套路，最後給你可直接套用的版本。\u003C\u002Fp>\u003Cp>我最近一直盯著企業 AI 怎麼落地，越看越煩。Demo 都很漂亮，主管也都會點頭，問題是點完頭之後呢？回到財務、法務、營運、業務的日常流程，事情就開始卡：誰負責、資料在哪、錯了誰扛、能不能過稽核，全部冒出來。模型通常不是最大問題，真正讓案子死掉的，是從「看起來很酷」走到「星期二早上真的能用」這段路，沒人接。\u003C\u002Fp>\u003Cp>所以我看到 Microsoft 跟 EY 合作推企業 AI adoption 的時候，第一反應不是興奮，是「啊，終於有人把最難賺但最重要的那段拿出來賣了」。Microsoft 的 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fforward-deployed-engineers\">Forward Deployed Engineers\u003C\u002Fa>，加上 EY 的產業顧問能力，這組合很老派，但也很誠實：不是只賣模型，而是把技術、人、流程、風險一起打包。\u003C\u002Fp>\u003Ch2>他們賣的不是 AI，是 adoption\u003C\u002Fh2>\u003Cblockquote>The $1 billion partnership, announced Thursday (May 21), will see Microsoft’s Forward Deployed Engineers (FDE) and EY industry professionals join forces to accelerate artificial intelligence (AI) adoption.\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：這不是在賣一個更會聊天的模型，這是在賣「你公司真的用得起來」這件事。企業買單的從來不只是能力，而是能力怎麼塞進既有流程，怎麼過控制，怎麼不把法務搞瘋，怎麼不讓前線員工覺得又來一個會拖慢工作的東西。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779524186608-bk2t.png\" alt=\"FDE 讓企業 AI 從 Demo 變上線\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我自己看過太多 AI 專案死在錯的框架。大家把它當軟體採購，結果 AI 更像系統整合加流程重寫，再加一層人性阻力。你就算模型準，也可能因為資料權限沒談好、輸出責任沒定、例外情境沒設計，最後整個案子只能停在試點。\u003C\u002Fp>\u003Cp>Microsoft 跟 EY 這個玩法，本質上是在賣信任、導入、和產業語境。Microsoft 提供平台跟工程火力，EY 提供企業語言、治理語言、以及大公司本來就會買單的顧問包裝。這很重要，因為多數高層不是想再聽一場 AI 簡報，他們是想知道：這東西出事的時候，誰負責把它修回來。\u003C\u002Fp>\u003Cp>實操寫法很簡單：不要把 AI 當成功能清單的一項。先定義業務流程，再把 AI 放進去，最後才決定誰對輸出負責。如果你是內部推動者，先畫流程、列風險、定簽核；如果你是供應商，別先講模型參數，先講你願意陪客戶把哪個流程改成可\u003Ca href=\"\u002Fnews\u002Fmicrosoft-ey-ai-pilots-to-production-zh\">上線\u003C\u002Fa>。\u003C\u002Fp>\u003Ch2>FDE 不是配角，是這套玩法的核心\u003C\u002Fh2>\u003Cp>Microsoft 這邊最值得注意的是 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fforward-deployed-engineers\">Forward Deployed Engineers\u003C\u002Fa>。名字很像內部黑話，但意思其實很直白：技術人員不要躲在銷售簡報後面，要直接貼著客戶的真實問題工作。這跟傳統 enterprise software 那種「你自己去 portal 裡摸」的玩法差很多。\u003C\u002Fp>\u003Cp>白話一點說，Microsoft 其實是在承認一件事：企業 AI 失敗，通常不是模型太爛，而是導入層太弱。有人要去接系統、測邊界、調 prompt、管權限、看 log、處理例外，還要避免業務把工具用成合規災難。這些事如果沒人扛，AI 再強也只是 demo。\u003C\u002Fp>\u003Cp>我之前幫團隊試過內部知識助理，第一場 demo 幾乎都會讓人覺得「喔，還不錯」。真正麻煩的是第二場會議開始：它能不能讀 SharePoint？如果答案跟政策衝突怎麼辦？誰能看紀錄？法務要不要能刪資料？這些都不是產品問題，是 deployment 問題。而 deployment 問題，最怕的就是只有 sales，沒有能當場解題的工程人員。\u003C\u002Fp>\u003Cp>FDE 的價值，就是把「想試試看」和「在一個可控範圍內真的上線」之間的距離縮短。企業要建立信心，靠的不是宏大敘事，是先把一條雖然醜但有用的流程跑順。只要一個 team 願意每天用，後面才有機會談擴大。\u003C\u002Fp>\u003Cul>\u003Cli>先挑一條流程，不要一次碰十條。\u003C\u002Fli>\u003Cli>選有明確痛點的工作：時間、成本、錯誤率、積壓量都行。\u003C\u002Fli>\u003Cli>第一版一定要窄，窄到團隊真的看得見問題在哪。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>實操寫法：如果你在評估 vendor，直接問三件事。第一，合約簽完後誰會坐進你的營運會議室。第二，前 3 次失敗怎麼處理。第三，什麼會被記錄、什麼能關掉、什麼情況要回滾。這三題答不順，通常就是在賣 demo，不是在賣 adoption。順便看一下 Microsoft 官方對 FDE 的說法：\u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fforward-deployed-engineers\">Microsoft Forward Deployed Engineers\u003C\u002Fa>。\u003C\u002Fp>\u003Ch2>EY 的角色很土，但很值錢\u003C\u002Fh2>\u003Cp>\u003Ca href=\"https:\u002F\u002Fwww.ey.com\u002F\">EY\u003C\u002Fa> 在這個聯盟裡不是裝飾品。大型顧問公司本來就吃 controls、governance、產業流程 mapping 這一套。這些字看起來很無聊，但企業 AI 最缺的就是這些無聊東西。真正難的不是把模型拉起來，而是讓銀行、製造、保險、零售這些組織，能在不踩合規雷的前提下把 AI 用起來。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779524185457-m9x7.png\" alt=\"FDE 讓企業 AI 從 Demo 變上線\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>也就是說，EY 幫 Microsoft 補上的是企業語言。顧問會把 rollout 講成風險、營運模式、商業效益，這些詞高層聽得懂，也比較願意簽。更現實的是，大公司很多時候不是缺工具，是缺一個能把技術團隊跟流程 owner 拉到同一張桌上的翻譯機。\u003C\u002Fp>\u003Cp>我看過不少團隊被「通用 AI 助理」迷住，覺得只要丟進公司，大家就會自動受益。這種想法通常只活在第一週。只要工具碰到真實紀錄、真實核准、真實客戶工作，整個組織就會開始問：資料權限誰管？錯誤誰修？例外怎麼辦？這時候沒有流程設計，AI 只會\u003Ca href=\"\u002Fnews\u002Fcnbc-nvda-page-market-data-context-zh\">變成\u003C\u002Fa>新的混亂來源。\u003C\u002Fp>\u003Cp>實操寫法：如果你在大公司推 AI，不要讓它只待在 innovation 團隊。把法務、稽核、營運、IT、流程 owner 全拉進來，先談規則再談試點。如果你是做 AI 服務的，直接把導入包做完整：控制項、升級路徑、回滾機制、訓練計畫，一起賣。企業買的不是一個模型，是一套能過會議、過稽核、過內部政治的方案。\u003C\u002Fp>\u003Cul>\u003Cli>先找流程 owner，不要只找系統 owner。\u003C\u002Fli>\u003Cli>試點前把 approval path 寫清楚。\u003C\u002Fli>\u003Cli>先列出 AI 不能做什麼，再談它能做什麼。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>企業 AI 的真問題其實是信任\u003C\u002Fh2>\u003Cp>大家都愛講 productivity，但企業 AI 真正卡住的常常不是效率，是信任。員工要相信它夠準，不會偷看敏感資料，不會亂講，還要相信主管不會拿它當藉口亂砍人。這些東西沒先處理好， adoption 就只會停在 pilot purgatory，永遠在試點。\u003C\u002Fp>\u003Cp>Microsoft 跟 EY 這個組合有意思的地方，就在於它想同時借兩種信用。Microsoft 提供平台和工程深度，EY 提供 business-facing 的信任層。兩邊合起來，其實是在回答企業最現實的一題：這東西出包了，誰負責？聽起來很冷血，但 enterprise software 本來就不是只賣功能，還賣責任邊界。\u003C\u002Fp>\u003Cp>我看過很多團隊死盯模型準確率，結果真正擋住 adoption 的，是使用者不信任。只要有人覺得它會 hallucinate，就算它大多數時候是對的，也不會放心用。更別說如果沒人看得懂它為什麼做這個建議，大家只會把它當成黑盒子，最後還是回去手工處理。\u003C\u002Fp>\u003Cp>實操寫法：把 trust 做進 workflow。顯示來源、保留 decision log、讓人工覆核很明顯、公開系統能做與不能做的範圍。如果輸出會影響金錢、客戶、合規，就一定要有可見的 challenge path。這不是加分項，這就是 adoption 的本體。\u003C\u002Fp>\u003Ch2>顧問沒有死，只是換成服務加軟體\u003C\u002Fh2>\u003Cp>很多人愛講公司想 self-serve AI，聽起來很美，但我看大組織還是很依賴顧問，尤其當風險高、組織亂、部門多的時候。這筆合作其實提醒我一件事：AI 沒有把 consulting 幹掉，反而把 implementation 的\u003Ca href=\"\u002Fnews\u002Fnvidia-beats-expectations-ai-chip-demand-zh\">需求\u003C\u002Fa>照得更亮。\u003C\u002Fp>\u003Cp>也就是說，企業 AI 正在變成 services-plus-software 的包裝。軟體負責吸睛，服務負責讓預算比較容易過。對 CFO 來說，rollout package 比一個單純的模型授權更好理解；對業務主管來說，轉型計畫比一串技術名詞更能拿去開會。\u003C\u002Fp>\u003Cp>我不是說這很優雅，老實說一點也不。但它很符合現實。大多數公司沒有內部能力，把一個能用的模型變成跨部門、可監控、可回滾的穩定流程。這時候就需要有人能在技術團隊和業務團隊之間來回翻譯，而且不要把大家都搞到很煩。\u003C\u002Fp>\u003Cp>實操寫法：如果你在做內部 AI 能力，別假裝 change management 不重要。預算裡要放訓練、流程重設、支援成本。如果你在賣 AI，導入服務要當成產品的一部分，不是附加選項。如果你在選 vendor，直接問 pilot 之後怎麼 rollout。真正的成本，通常都長在那裡。\u003C\u002Fp>\u003Ch2>我最想看的不是大數字，是第一個無聊用例\u003C\u002Fh2>\u003Cp>新聞裡那個金額很大沒錯，但我更在意他們第一個到底落地什麼。因為真正能看出這是不是一套工作模式，不是看合作聲明多漂亮，而是看第一個 use case 是什麼：客服、內部知識檢索、文件處理、程式協作，還是別的。\u003C\u002Fp>\u003Cp>翻譯一下就是：最後贏的，不會是最大聲的 demo，而是最可重複的流程。那種一週跑一千次、有結構可以自動化一部分、但又有風險需要 guardrails 的工作，才是 \u003Ca href=\"\u002Ftag\u002Fenterprise-ai\">enterprise AI\u003C\u002Fa> 真正能收錢的地方。\u003C\u002Fp>\u003Cp>我現在看這種合作，已經不太看口號了，我只看第一個部署細節。誰管 metric？出錯誰被叫？模型 drift 怎麼辦？能不能快速 rollback？這些問題一出來，基本上就知道這是實作，還是公關稿。\u003C\u002Fp>\u003Cp>實操寫法：如果你要選第一個 AI 專案，就挑窄、重複、痛的流程。成功定義也別寫得太玄，直接用 operational 指標：每件省幾分鐘、錯誤率降多少、ticket 多快關、積壓清多少。不要先談 transformation，先挑一條大家本來就很討厭的流程。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># 企業 AI adoption playbook\n\n## 目標\n把一條高摩擦業務流程，改成可控、可追蹤、有人負責的 AI 輔助流程。\n\n## 團隊分工\n- 業務 owner：負責流程與結果\n- 技術 lead：負責整合、logging、rollback\n- 風險\u002F法遵 reviewer：負責資料、政策、核准規則\n- 變更推動者：負責訓練與 rollout\n\n## 用例挑選標準\n選一條同時符合以下條件的流程：\n- 重複性高\n- 量大\n- 可量化\n- 夠痛，大家真的想改善\n- 風險可控，能先從小範圍試點\n\n## 試點範圍\n- 一個 team\n- 一條流程\n- 一份 source of truth\n- 一條 approval path\n- 一個 rollback plan\n\n## 運作規則\n- AI 可以建議、摘要、分類、起草\n- 任何影響金錢、客戶、合規的動作都要人工核准\n- 系統要能顯示來源（如果有）\n- 所有輸出都要記錄\n- 敏感資料只能留在核准過的系統裡\n\n## 成功指標\n- 每個任務省下的時間\n- 導入前後錯誤率\n- 目標團隊的採用率\n- 升級\u002F例外處理比例\n- rollback 次數\n\n## Rollout checklist\n1. 先畫出現況流程\n2. 列出失敗案例\n3. 設定資料存取規則\n4. 加上 logging 與 review\n5. 先訓練第一批使用者\n6. 用小範圍跑 pilot\n7. 每週檢討結果\n8. 只有流程穩了才擴大\n\n## Vendor 該問的問題\n- 合約簽完後，誰會陪我們做導入？\n- 前三次出錯誰處理？\n- 什麼會被記錄？\n- 什麼能關掉？\n- 哪些資料不會進系統？\n- 輸出錯了怎麼回滾？\n\n## adoption 原則\n不要把 AI 賣成一個 feature。\n把它賣成一個有 owner、有控制、有量化結果的流程改造。\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>我會把這份模板刻意寫得很短，因為企業 AI 本來就夠多東西了。你不需要 40 頁轉型簡報，你需要的是一個夠硬的操作模型，讓每個人都知道自己負責什麼、系統能做什麼、怎樣算成功。\u003C\u002Fp>\u003Cp>如果是我自己拿去內部推，我會先填 team、pilot scope、operating rules，然後逼 business owner 跟 technical lead 先把 rollback plan 對齊，再讓任何人碰 production。這一場會議，通常比後面十次救火值錢。\u003C\u002Fp>\u003Cp>來源我放這裡：原始觸發文章是 PYMNTS.com 的 \u003Ca href=\"https:\u002F\u002Fwww.pymnts.com\u002Fartificial-intelligence-2\u002F2026\u002Fmicrosoft-and-ey-team-to-promote-corporate-ai-adoption\u002F\">Microsoft and EY Team to Promote Corporate AI Adoption\u003C\u002Fa>，Microsoft FDE 的背景則來自 \u003Ca href=\"https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Fforward-deployed-engineers\">Microsoft 官方頁面\u003C\u002Fa>。上面這篇是我自己的拆解與重組，不是原文翻譯。\u003C\u002Fp>","拆解 Microsoft 與 EY 的企業 AI 推進法，重點放在 FDE、顧問與流程落地怎麼一起賣，最後附可直接套用的 adoption 模板。","www.pymnts.com","https:\u002F\u002Fwww.pymnts.com\u002Fartificial-intelligence-2\u002F2026\u002Fmicrosoft-and-ey-team-to-promote-corporate-ai-adoption\u002F",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779524186608-bk2t.png","industry","zh","89e51188-1b45-4762-80c5-c2e58f94feb5",[17,18,19,20,21],"FDE","企業 AI","adoption","consulting","workflow",[23,24,25],"FDE 的價值不是炫技，而是把技術人員貼進客戶流程裡，縮短從試點到上線的距離。","EY 代表的是治理、流程與信任層，企業買的常常不是模型，而是能過內部控制的導入方案。","真正可複製的企業 AI 做法，是先選一條窄流程、定責任、設回滾，再談擴大。",7,"2026-05-23T08:15:59.841122+00:00","2026-05-23T08:15:59.822+00:00","da242733-a19a-4cb7-b706-05f8699aa19e",{"tags":31,"relatedLang":39,"relatedPosts":43},[32,34,36,37,38],{"name":17,"slug":33},"fde",{"name":18,"slug":35},"企業-ai",{"name":19,"slug":19},{"name":21,"slug":21},{"name":20,"slug":20},{"id":15,"slug":40,"title":41,"language":42},"microsoft-ey-fde-corporate-ai-adoption-playbook-en","Microsoft-EY FDE playbook for corporate AI adoption","en",[44,49,55,61,67,73],{"id":45,"slug":46,"title":47,"cover_image":11,"image_url":11,"created_at":48,"category":13},"3d7ff80a-4045-4b66-9e21-b6a8eb3b6f6d","openai-europe-privacy-policy-zh","OpenAI 歐洲隱私政策更新重點","2026-06-10T00:47:31.176745+00:00",{"id":50,"slug":51,"title":52,"cover_image":53,"image_url":53,"created_at":54,"category":13},"69002c63-177a-4723-9e63-d28506f08edd","openai-ads-sensitive-chats-policy-zh","OpenAI把廣告擋在敏感對話外是對的","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781051578409-en02.png","2026-06-10T00:32:23.404084+00:00",{"id":56,"slug":57,"title":58,"cover_image":59,"image_url":59,"created_at":60,"category":13},"ea98a8c9-ebe1-4258-8a2b-b0d82b25deed","ai-bootlegs-streaming-royalties-stick-figure-zh","AI bootlegs 正在抽走串流版稅","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781050681742-3rdh.png","2026-06-10T00:17:31.017287+00:00",{"id":62,"slug":63,"title":64,"cover_image":65,"image_url":65,"created_at":66,"category":13},"20d0b5fc-a363-481d-86b2-e30276a49e92","amd-microsoft-windows-ml-acceleration-zh","AMD 與 Microsoft 把 Windows ML 推進 GPU 與 N…","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781047980407-vd5p.png","2026-06-09T23:32:31.304436+00:00",{"id":68,"slug":69,"title":70,"cover_image":71,"image_url":71,"created_at":72,"category":13},"9a0692ba-a9c5-42eb-823d-8a0e6e6ae3fc","openai-ipo-filing-turns-hype-into-scrutiny-zh","OpenAI IPO 讓神話變審核","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781042614962-bj12.png","2026-06-09T22:03:04.524304+00:00",{"id":74,"slug":75,"title":76,"cover_image":77,"image_url":77,"created_at":78,"category":13},"40d4f012-36b6-4b8f-b470-30242a0b8483","skatteetaten-public-sector-ai-should-be-judged-by-outcomes-zh","Skatteetaten 證明公部門 AI 應該看成果，不是看噱頭","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1781038986405-p8cf.png","2026-06-09T21:02:32.1198+00:00",[80,85,90,95,100,105,110,115,120,125],{"id":81,"slug":82,"title":83,"created_at":84},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":86,"slug":87,"title":88,"created_at":89},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":91,"slug":92,"title":93,"created_at":94},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":96,"slug":97,"title":98,"created_at":99},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":101,"slug":102,"title":103,"created_at":104},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":106,"slug":107,"title":108,"created_at":109},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":111,"slug":112,"title":113,"created_at":114},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":116,"slug":117,"title":118,"created_at":119},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":121,"slug":122,"title":123,"created_at":124},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":126,"slug":127,"title":128,"created_at":129},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]