AI執行長開源了：OpenExecutive 用 8 個 AI 高管管公司，老闆該學什麼？
可以，但只到參謀為止。開源專案 OpenExecutive 讓任何人架起 AI 執行長：功課它包辦，簽字扛責仍是人。
2026 年 8 月 28 日發稿當下，這個專案在 GitHub 已累積 1.6k 顆星、106 個 fork（複製分支）。圍繞它的還有一則網路流傳、但未經證實的故事：一位老闆用 AI 取代開發團隊，被裁的工程師沒有離場，轉身把整套「AI 高管」做法開源，讓所有人都架得起。官方文件並未記載這段始末，下一節細講查證結果；先看清楚這個東西本身——因為不論故事真假，工具已經在那裡了。
OpenExecutive 是什麼？AI 真的能當公司的執行長嗎？
OpenExecutive 是 SenteLabs 開源的 AI 虛擬高管系統：對外用單一高管人格與你對話，幕後由 8 個各管一個領域的專職 AI 代理人分工作業。官方定位是「具哈佛 MBA 等級知識、為你的公司客製的資深顧問」，是近期討論度較高的開源 AI 高管專案（GitHub 1.6k 星）。
先白話解釋兩個詞。「開源」指程式碼公開，任何人可免費取用與修改；「AI 代理人（agent）」指被指派固定職務、能自己查資料並完成任務的 AI 程式。OpenExecutive 把兩者疊起來：以 Apache 2.0 授權（允許免費商用的開源授權）公開整組 AI 高管的程式碼、知識庫與部署設定，底層呼叫 Anthropic 的 Claude 模型運算，官方並提供一支 YouTube 操作示範影片。
老闆裁員換AI、工程師開源AI執行長反擊，這故事是真的嗎？
流傳版本是：CEO 用 AI 取代開發團隊，被裁的工程師開源 OpenExecutive 作為回應。查證結果：專案真實存在、由 SenteLabs 開發；但裁員始末與事件時間，GitHub 頁面與官方文件皆未記載——官方未公布，無法獨立證實。
我們的判斷：故事真偽，影響不大；可查證的那一半才要命。「用 AI 代理人管理公司」的完整做法，已經以開源授權攤在網路上，含程式碼、提示詞架構與部署檔。過去這是有工程團隊的公司才做得出的私房系統，現在距離任何人一條下載指令。AI取代工作的爭論延燒已久，這是頭一次，傳聞中被取代的一方用「把方法開源」正面回應——比起千百篇評論，這個回應方式本身就是表態：你拿 AI 換掉我，我就讓所有人都拿得到同一套 AI。
一套AI執行長裡面裝了什麼？8 個 AI 高管怎麼分工？
一個總管人格，加 8 個專職代理人。使用者只會看到一個口徑一致的「高管」；它在幕後把問題拆給 8 個領域專家並行處理，再彙整成單一答案，內部架構完全不外露。編制如下：
| AI 高管 | 對應真人職位 | 負責範圍 |
|---|---|---|
| CSO | 策略長 | 競爭分析、併購、市場定位、OKR |
| CFO | 財務長 | 財務模型、募資、單位經濟、現金流 |
| CHRO | 人資長 | 招募、薪酬、績效、企業文化 |
| GC | 法務長 | 合約、智財、勞動法規基礎、法遵 |
| COO | 營運長 | 流程設計、供應商管理、營運擴張 |
| CMO | 行銷長 | 進市場策略、品牌、公關 |
| CPO | 產品長 | 產品路線圖、優先序、產品策略 |
| 董事會溝通總監 | 投資人關係暨公司治理主管 | 董事會簡報、投資人關係、公司治理 |
知識來源分兩層：內建的 MBA 等級知識庫，加上你上傳的公司文件，透過 RAG（檢索增強生成，白話：AI 回答前先翻你的資料庫找依據）餵進每次回答。更關鍵的是「情節記憶」：每次對話後，系統自動把關鍵決策與建議萃取存檔，下個月再問，它記得上個月建議過什麼。另有內建排程器，主動提醒待辦與時效事項。依官方說明，其提示詞快取設計最高可達 85% 快取命中率；命中率愈高，理論上愈能壓低長期使用的模型費用——官方給的只有命中率數字，沒有承諾實際省下多少錢。
公司真的可以用AI當執行長取代管理職嗎？
答案分兩半：管理職的「分析與幕僚」工作，現在就能交給 AI；「拍板與扛責」交不出去。OpenExecutive 官方自我定位就是顧問，整套系統輸出建議、模型與追蹤；法律上能簽約、對股東與員工負責的，仍然只有人。
第一個卡點，責任無法外包。公司負責人的法律義務、對客戶的違約責任、雇主義務，全部指向自然人。AI 給錯建議，賠錢與賠信用的都是你。
第二，AI 沒有利害關係。它判斷錯誤不會少領一毛錢，和押上前途與股票的真人高管，誘因結構完全不同。把它當不會累的幕僚，很好用；當共同承擔的合夥人，是誤會。
第三，系統本身還年輕。截至 2026 年 8 月 28 日，OpenExecutive 僅 18 次程式碼提交，官方並明示 API 須單機執行、排程器尚不能水平擴充。關注度很高、歷史很短，把公司命脈整個押上去，言之過早。
反過來看，「參謀」這一半已經成熟到值得動手：策略選項分析、財務模型草稿、合約初審清單、董事會簡報骨架——這些過去要付顧問費或高階薪水買的幕僚工時，一套開源系統就能給出可修改的初稿，你的時間留給判斷與拍板。
AI執行長、真人高管、外部顧問，哪個對中小企業划算？
三者解不同的題：AI 執行長贏在全年在線、成本隨用量走；真人高管贏在能授權、能扛責；外部顧問贏在單點深度。中小企業的合理配置是 AI 打底做幕僚，關鍵職能留人。
| 比較項 | AI執行長（自架開源） | 真人專業經理人 | 外部顧問 |
|---|---|---|---|
| 前期成本 | 部署工時與主機費 | 招募成本加磨合期 | 低，簽約即開始 |
| 持續成本 | 模型 API 按用量計費 | 月薪、獎金、勞健保 | 按專案或時數計費 |
| 可用時間 | 全年無休隨問隨答 | 上班時間 | 約定時段 |
| 決策責任 | 無法承擔 | 可授權、可問責 | 建議責任有限 |
| 公司脈絡記憶 | 資料庫累積、不會離職 | 深，但離職即帶走 | 專案結束即中斷 |
| 適合情境 | 日常幕僚、決策前功課 | 需授權與扛責的核心職能 | 單次專業攻堅 |
表中刻意不放金額：各行業薪資與顧問行情差距太大，任何平均數放上來都會誤導。拿你自己的數字帶進這張表，答案會很清楚。
這對台灣中小企業老闆意味著什麼？
三件事，每件都能直接執行。
第一，你的決策邏輯已是可複製的資產，先自己動手資產化。 OpenExecutive 的核心動作就是把高管知識寫成文件、餵進系統。同樣的事，看你做了兩年決策的員工也整理得出來。與其防堵，先動手：把報價原則、選案標準、危機處理步驟寫下來，建成自己的知識庫餵給 AI。邏輯留在公司的系統裡，人員流動時損失就有下限。
第二，「裁員換AI」之前，先算 know-how 帳。 這個案例流傳的版本裡，被裁的工程師轉身重建整套能力，還公開給所有人。台灣中小企業的核心能力常在老員工腦中；砍人省下的薪水，可能遠低於能力外流加重建的代價。導入順序建議：AI 先接重複性工作，人往判斷與客戶關係移動，動編制是最後一步。
第三，劃一條 AI 不准過的線，今天就劃。 我們自己的營運就這樣分工：分析、草稿、追蹤交給 AI 產線；報價、承諾、合約，一律停在人這關。這條線劃清楚，AI 用得再兇都出不了大事；劃不清楚，再小的自動化都是未爆彈。
想自己架一套 OpenExecutive，要準備什麼？
四樣東西：會操作 Docker（容器化部署工具，讓程式在任何機器上跑法都一致）的人力、Anthropic API 帳號、整理好的公司文件，以及對早期開源專案的風險認知。專案後端用 Python 3.11 加 FastAPI（Python 的網頁後端框架），介面用 Next.js 15（主流的網頁前端框架），程式庫附 Docker 與雲端部署設定，照文件走可自行架設。
上線前想清楚三件事。資料流向：公司文件存在自己主機的本地資料庫（ChromaDB 與 SQLite），但每次問答會把相關內容送進雲端模型運算，高敏感文件先分級。擴充限制：官方明言 API 須單一實例執行、排程器未經水平擴充處理；多人大流量情境未經官方驗證，貿然上大量並發前先自行壓測。維運成本：開源免的是授權費，模型 API 依用量計費、主機月費照付；多數情況低於聘一位真人高管，但兩者性質不同，不能直接互換估算。
立場說清楚：AI 執行長是幕僚的革命，還構不成治理的革命。老闆此刻該做的，是在別人用同一套工具理解你的市場之前，先把自己的決策邏輯資產化——順序做對，AI 是你的槓桿；順序做反，你只是幫未來的競爭者驗證流程。AIRUN 做的就是這件事的市場端：讓台灣中小企業在 AI 的答案裡被看見、被正確引用。想知道你的公司此刻在 AI 眼中長什麼樣子，從 AI 搜尋健檢 開始就行。
AIRUN 對抗式創業體檢 AgentFlow Solutions（双云行銷試運行）
常見問題
OpenExecutive 是免費的嗎？
程式碼採 Apache 2.0 授權，免費下載、修改、商用。但執行時呼叫 Anthropic Claude API，依模型用量計費，自行部署的主機費也要自付。開源免掉的是授權費；模型與主機的營運費仍然存在，要編進預算。
AI執行長會取代老闆嗎？
短期內不會。OpenExecutive 官方定位是資深顧問：分析、建議、決策追蹤它包辦；簽約、負責、承擔後果，仍然是老闆本人。它把拍板前的功課變便宜，最後那一下還是得你來，法律責任也搬不走。
自己架 OpenExecutive 需要什麼技術能力？
至少要能操作命令列與 Docker，懂 Python 與 Node.js 環境更順。專案採 Python 3.11 加 FastAPI 做後端、Next.js 15 做介面，程式庫附 Docker 設定與雲端部署範例。公司內沒有工程人力，就找熟悉 AI 部署的協力者處理，別硬上。
公司機密文件餵給AI執行長，安全嗎？
文件本體存在自己主機的 ChromaDB 與 SQLite 資料庫，資料落地在你手上；但每次問答，相關段落會送進 Anthropic Claude API 雲端運算。建議先做文件分級：一般營運文件可上，股權、併購、個資等高敏感文件想清楚再說。
AI執行長跟直接問 ChatGPT，差在哪？
差在分工與記憶。OpenExecutive 為策略、財務、法務等 8 個領域各配專職代理人，內建 MBA 等級知識庫，並把歷次決策存成情節記憶，下次對話自動接續；一般聊天機器人每次從零開始，也不會主動追蹤你上個月說要做的事。