Palantir 為何發給新人一本表演書？Alexandr Wang 舊訪談引熱議，揭示企業 AI 的信任門檻
Alexandr Wang 談 Palantir 的舊訪談重新流傳。追查 2024 年原片、《Impro》新人書單與 AIP Bootcamp，解析企業 AI 如何把產品能力轉成客戶能驗證的信任。
一段 Alexandr Wang 談 Palantir 的訪談，近日在社群重新流傳。他形容這家企業軟體公司像是「表演劇團與軟體公司的結合」，並提到公司曾長期發給新人一本表演書。這個比喻引出的問題很直接：AI 產品技術好，為什麼還可能拿不到企業訂單？
原始影片來自 South Park Commons 在 2024 年 12 月發布的訪談，Wang 當時仍是 Scale AI 創辦人兼執行長。這段舊談話重新受到關注，提供了一個理解企業 AI 的角度：產品能力必須讓客戶看得懂、驗得過，也願意放進日常工作。
從訪談、前員工的親身記錄，到 Palantir 的官方 AI 導入方式，可以看見「建立信任」具體包含哪些工作。表演書有其歷史背景，但 Palantir 如何把客戶問題轉成可操作的軟體，比「銷售氣場」更值得研究。
先看原片：這是 2024 年的談話
這段內容的時間背景，會影響我們如何理解它。South Park Commons 的官方節目頁標示發布日期為 2024 年 12 月 13 日，節目介紹也將 Wang 稱為 Scale AI 創辦人兼執行長。Scale 到 2025 年 6 月才宣布 Wang 加入 Meta，因此這段談話反映的是他經營 Scale 時對大型客戶的觀察。
在主辦方完整影片約 10 分 40 秒起的段落，主持人問他如何平衡打造產品與銷售。Wang 回答，Scale 的客戶數量較少，但每個客戶規模很大，這種生意必須同時做好產品與溝通。他認為，大型組織與政府裡，人們對事情的認知，有時會比客觀情況更左右決策。
他接著以 Palantir 為例，談到公司塑造客戶認知的能力，並提出劇團與軟體公司的比喻。這是 Wang 的商業觀察，沒有構成一項證明「Palantir 成長由表演訓練造成」的研究。完整談話在約 12 分 43 秒後，也回到提供價值與做好產品的前提。
保留這個前提，才能理解影片對 AI 團隊的意義。客戶需要理解技術的價值，而技術團隊仍須拿出能接受檢查的成果。短片容易讓人只記得「認知比現實重要」，完整脈絡則把產品與溝通放在同一項責任裡。
《Impro》有前員工記錄，重點是理解人的互動
「發表演書」的說法，有一份較具體的第一手記錄。曾在 Palantir 工作八年的 Nabeel S. Qureshi，在 2024 年 10 月發表的〈Reflections on Palantir〉中寫道，他任職時，新人會收到《Impro》以及其他幾本書。他也說明，自己不知道這個做法是否仍持續。
《Impro》是 Keith Johnstone 的即興表演著作。依 Qureshi 的描述，它對客戶現場工作的幫助，在於觀察人的互動與地位訊號。他把這件事連到工程師如何取得客戶信任、理解客戶的語言，進而讓資料整合與軟體使用得以推進。
這份回憶能支持當時確有這種新人書單，也能說明一位前員工如何理解它的用途。它的範圍仍是個人任職經驗，不能直接延伸成 2026 年的全公司制度，或所有訂單成功的共同原因。
放到企業 AI 的情境，這個故事提醒開發者：對方願不願意採用產品，也與你是否理解他的工作有關。懂得回答使用者擔心的問題，比背出更多模型規格，更有機會讓對話往實際導入前進。
Palantir 的現場工程，把溝通接回產品交付
Palantir 的企業 AI 平台 AIP，是把生成式 AI 接到公司資料與營運流程的軟體。生成式 AI 指能產生文字等內容的模型，企業導入時，還要讓它能讀取正確資料、遵守權限，並在適當範圍內協助工作。Palantir 的官方架構文件將模型連接、資料情境、應用程式與運作監控放在同一套平台中。
這種產品要解決的，是企業工作裡許多彼此相連的問題。若資料分散在不同系統，模型再會回答問題，也可能不知道哪一份庫存是最新的，或誰有權批准採購。要讓 AI 進入工作流程，就必須先弄清楚資料與人的關係。
Qureshi 的回憶裡，前線部署工程師（Forward Deployed Engineer，FDE）是到客戶現場理解業務、直接打造解法的人。這個角色把工程能力與客戶溝通放在一起，讓團隊接觸使用者每天遇到的障礙。核心產品團隊再把可共用的能力整理成其他客戶也能使用的工具。
這也讓「劇團」比喻有了產品層面的解讀。現場的人必須讓客戶願意合作，合作後則要做出能解決問題的軟體。本文的判斷是，信任與交付形成的循環，較能解釋這套工作方式的價值；單靠表達能力，無法完成後面的資料、權限與流程工程。
延伸閱讀：【深度專題】Scale AI 是什麼？是 ChatGPT 訓練的基石？從資料標註新創到 Meta 投資的 AGI 基礎建設者
AIP Bootcamp 讓客戶先看見自己的使用情境
Palantir 將理解客戶問題的做法，延伸到 AIP Bootcamp。Bootcamp 在這裡指密集實作工作坊，官方以五天建立使用案例為目標，內容涵蓋理解 AI 如何用於重要營運、在軟體中建立初步案例，以及訓練使用者準備導入。
對採購者來說，這種方式把抽象的「AI 能提升效率」，轉成可以接觸與提問的工作成果。客戶能看見自己的問題如何被處理，工程師也能更早發現資料不足、流程不清或使用方式不合適的地方。這是依官方工作坊設計所做的分析，並不代表每家公司都能在五天內完成正式上線。
可以用一個假設的庫存管理情境理解差別。如果簡報只展示 AI 會回答「有哪些缺料」，主管仍不知道回答是否使用最新庫存。若實作同時展示資料來源、缺料影響，以及提出補貨建議的流程，對方就有具體內容可檢查。
工作坊的意義，在於提早讓客戶參與驗證。正式部署仍可能需要資料整理、系統串接與內部審核，時間也會隨組織而變。把初步案例與可長期使用的系統分清楚，才能避免短期展示製造超出交付能力的期待。
AI 的信任，還要落在權限與人的決策上
AI 能提出建議之後，企業還要決定誰可以採用它、誰負責結果。Palantir 的AI 治理文件列出角色權限、審批流程與稽核紀錄等能力。稽核紀錄就是留下誰在什麼時間做了哪些決定，讓組織可以事後追查。
文件也提到，重要的 AI 建議可以透過人工檢查點，讓相關人員確認與說明決定。這些是平台提供的工具，企業仍須依自己的流程設定，才能把責任分配落實。產品有這些功能，與某個客戶已經妥善使用它們，是兩個需要分別驗證的問題。
在前面的假設情境中，AI 可以先整理缺料資訊、提出補貨建議，主管審核後再執行。企業可逐步增加自動化範圍，也能保留人的批准權。這種具體安排，讓「你可以信任我們的 AI」變成有流程、有紀錄的承諾。
因此，評估企業 AI 時，可以把展示畫面與交付條件一起看。清楚的溝通應該幫助客戶理解限制與責任，而可操作的權限和審核流程，才讓這份理解有機會持續成立。
對 AI 團隊的啟示：讓客戶驗證你說的價值
這段訪談重新流傳，容易被讀成「技術再好也輸給包裝」。研究原始資料後，更有用的結論是：企業 AI 團隊需要把技術成果翻譯成客戶能檢查的工作改善。Palantir 的現場工程與實作工作坊，都讓這件事有具體做法。
準備下一次提案時，可以先選一個範圍清楚的工作，說明使用什麼資料、改善哪個步驟，以及如何比較導入前後的結果。展示成功案例時，也展示資料缺漏或模型答錯時的處理方式，讓使用者知道何時要交回人工。
這是本文依 Palantir 公開做法提出的實務建議，沒有保證它能套用到每個產業。若現場合作仍無法改善工作的結果，或初步案例無法延伸成穩定系統，信任就缺少持續的基礎。產品團隊應先補上交付能力，再調整對外承諾。
Wang 的比喻留下了一個值得 AI 公司重視的題目：客戶如何理解你的能力。Palantir 的公開資料則把答案接回工程現場。想讓客戶相信產品，最有說服力的下一步，是拿出一項能由他親自驗證的成果。
常見問題
這是 Alexandr Wang 最近在 Meta 發表的談話嗎？
原片由 South Park Commons 在 2024 年 12 月發布，當時 Wang 仍是 Scale AI 創辦人兼執行長。2026 年社群重新分享的是這段舊訪談，應依當時背景理解。
Palantir 現在仍會發《Impro》給每位新人嗎？
Qureshi 的第一手記錄支持他任職時有這個做法，但他自己也不知道是否仍持續。文章因此將它作為歷史文化背景，沒有把它寫成現行全員制度。
五天 AIP Bootcamp 就等於正式上線嗎？
官方目標是建立初步使用案例並準備使用者導入。正式系統還要依企業情況完成資料、權限與流程驗證，五天目標不能當成所有專案的交付保證。
小型 AI 團隊可以從哪裡開始？
先選一項能衡量成果的工作，讓實際使用者參與測試，並說清楚錯誤發生時由誰處理。這能把提案中的價值轉成可檢查的證據，也有助於及早發現交付缺口。
