行銷團隊怎麼信任 AI agent

006Alex Bauer（Upside.tech）17:082026-07-11 上架

Design Patterns for AI Trust: Juries, Libraries, and Agent Tiers — Alex Bauer, Upside.tech

Alex Bauer 談 go-to-market 團隊自己動手做東西時的信任問題，用重做官網、Librarian、陪審團式歸因三個例子，說明怎麼把 agent 當同事管。

這場講了什麼

• 把 agent 當人來管：Alex Bauer 的核心主張是「When in doubt, manage your agents like other humans」。如果這場只記一件事，就是 prompt 時用 commander's intent：告訴 agent 為什麼要做，它會做得好很多。
• 幻覺長大成信任問題：過去大家都在談幻覺，現在變成信任。要 Claude 報營收，它不會說不確定，而是給出一個看起來完全正確的錯答案。
• 先搭鷹架再放手：重做官網時，直接叫 Claude 讀完所有資料交出網站，結果失敗。要先告訴它公司的事：Alex Bauer 維護一組 anchor assets，其中產品能力參考表是重點，結構定好再讓 Claude 動手。
• Librarian 補上即時記憶：agent 回答問題前先問 Librarian，它能存取文件、公司的知識條目，以及 schema 與過去失敗的查詢，所以知道這家公司的會計年度與「新 pipeline」怎麼算。
• 沒有標準答案就開陪審團：多重觸點歸因沒有經驗上正確的答案，系統會派出幾位獨立分析師各自引證，再由一個角色權衡推理品質、整合結果；共識不夠就擴大陪審團。
• 別讓團隊用太弱的工具：Alex Bauer 提出 agent 分級，重要工作至少要用第二級，要有 sub-agents、plan mode、完整 MCP 支援與檔案編輯，單純的 ChatGPT 網頁介面不夠。

影片從哪一段開始看12 段

1. 00:12開場與床邊故事先問現場誰有孩子、誰跟 Claude 有親子般的關係，再講一個 go-to-market 團隊闖關、最後發現巨龍不是壞人的床邊故事。
2. 04:12公司定位與議程故事講完才是正題。Upside 自稱是 agentic go-to-market 時代的資料層，要用三個實例談怎麼解決這些問題。
3. 05:21行銷與業務也能當 buildergo-to-market 團隊過去的工具只有試算表與簡報，AI 讓原本有想法、卻不自認是 builder 的人也能動手，Alex Bauer 還拿現場舉手調查開玩笑。
4. 07:43幻覺的年長手足：信任現在的問題是 AI 給出看起來正確的錯答案。比起前沿技術優化或咒語式 prompt，Alex Bauer 認為更實際的做法是沿用管人的經驗。
5. 08:38Commander's intent把 agent 當人管，prompt 時說明為什麼，不要微管理；但 agent 學自人類資料，自己也愛微管理，要把它拉回「為什麼」。
6. 09:28例子一：重做官網在 600 人的前公司，這件事要動用好幾位產品行銷、設計師、顧問 PM 與網站團隊，花兩個月；這次直接用 YOLO 的方式叫 Claude 交出網站，即使先開 plan mode 也失敗。
7. 10:04先搭 anchor assets先維護公司的 anchor assets，尤其是產品能力參考表，每張卡片附對應的 persona 與跨系統的引用來源，官網首頁與產品頁都能對回它。
8. 11:55de-slop 與 persona bench另外還用到一個通用的 de-slop skill，以及一組扮演各個重要 persona 的 agent，可隨時請它們審閱並給意見。
9. 12:10例子二：Librarian使用者問「Q1 創造多少 pipeline」，agent 先諮詢 Librarian，拿到會計年度與 pipeline 定義，答案才可信並附引用。
10. 13:11例子三：多重觸點歸因公司當初就是為了多重觸點歸因而創立，花了兩年才接近；沿途做出的 AI 原生資料層，後來發現才是大家什麼事都需要的東西；有了 Opus 再回頭做歸因，結果很亮眼。
11. 13:58陪審團式歸因沒有標準答案的題目就開陪審團：獨立分析師各自提出引證意見，由一個角色權衡推理品質、整合結果，共識不足就擴大陪審團。
12. 15:27加碼：agent 分級太弱的 harness 或模型救不回來。Slackbot 剛推出 MCP client，接上 Upside Librarian 一試，結果很糟；重要工作至少要用第二級的工具。

值得記的話5 句

• Use commander's intent when you prompt.prompt 的時候，用 commander's intent08:55

• Don't tell Claude to improve itself.不要叫 Claude 改進它自己09:12

• Don't try and YOLO it from the beginning.別一開始就 YOLO11:22

• I'm not treating these as fact, I'm treating them as input我不把這些當事實，只當輸入。這句是 Alex Bauer 模擬陪審團裡負責整合的那個角色在說話14:37

• In my experience, you can't fix stupid.我的經驗是，笨的東西救不回來15:27

名詞與人物9 個

Upside.tech

Alex Bauer 的公司，自稱是 agentic go-to-market 時代的資料層

go-to-market（GTM）

行銷與業務等對外團隊，這場的聽眾與例子都在這個領域

commander's intent

源自軍隊準則，意思是先告訴執行者「為什麼」，而不是只下指令

anchor assets

Alex Bauer 維護的一組公司核心文件，讓 agent 先知道這家公司的事

product capabilities reference

產品能力參考表，每張卡片寫明功能、對各 persona 的價值與引用來源

Librarian

Upside 產品裡的元件，agent 回答前先問它，取得文件、知識條目、schema 與過去失敗的查詢

multi-touch attribution

多重觸點歸因，go-to-market 裡沒有經驗上正確答案的難題

jury（陪審團）

派出多位獨立分析師各自引證，再權衡推理品質、整合出結果的流程

agent tiers

Alex Bauer 的 agent 分級，第二級要有 sub-agents、plan mode、完整 MCP 與檔案編輯

提到但沒有展開

• Alex Bauer 形容 Claude 之於「動手做東西」，就像腳踏車之於移動：讓過去只有試算表與簡報可用的行銷、業務也能自己做，身邊像多了一群有資工學位的頂尖實習生。
• 對 Slackbot 的批評：AI 功能硬塞進既有的訂閱方案，方案的利潤撐不起夠聰明的推理模型，這種東西不該拿來做重要的事。

Agent開發工具

在 YouTube 看原片 ↗