1. 建構：由人主導的低程式碼（Low-Code）時代
3年前（2023年左右）的常識
- 依賴純人工手動 Build： 當時的核心論點圍繞在「只要使用 Pega，人員就能透過拖放操作，以視覺化且快速地建構（Build）系統」，這依然屬於低程式碼工具的延伸思考。
- 起跑線的局限： 人員必須根據需求定義，從零開始手動搭建業務流程，極度依賴開發工程師的架構邏輯設計與手動開發速度。
2. 營運：標準路徑（Happy Path）的自動化
3年前（2023年左右）的常識
- 案件管理（Case Management）的局部優化： 以瑞穗銀行過去的初期案例（早期的聊天機器人整合）為代表，其極限在於「如何讓數據完美符合既定規則（Happy Path）並流暢地貫通（E2E）」。
- 對例外事件的脆弱性： 雖然擅長加速固定的正常系流程，但只要發生預期外的例外事件，流程就會卡死並報錯，最終結構上仍必須完全拋回給人工接手處理。
3. 商業：以系統「交付驗收」為終點的傳統 SI 戰役
3年前（2023年左右）的常識
- 依賴人月資源的 SI 金字塔架構： 編寫龐大的需求規格書與設計圖，並投入如海隆軟體（Hailon Technology）等擁有壓倒性基數的人力資源，在全力防止專案嚴重延誤（大炎上）的同時，以「完成系統並如期交付」的常態模式運作。
- 上線後的僵硬與高昂維護： 系統為了適應商務環境變化，必須重新投入資源並改寫代碼，「交付日」即是專案的最高峰（亦即終點站）。
1. 建構：由 AI 打造的 Blueprint 全新世界
2026年現在的現實
- 由 AI 實現流程的自律生成： 人類從零開始手動搭建流程的需求已不復存在。只需向 Pega GenAI BluePrint 輸入一句話，AI 便能在數分鐘內自動生成符合國際級最佳實踐的完美骨架（Skeleton）。
- 起跑線的維度躍升： 人類從「從零建構」的繁重勞動中解放，核心任務轉向審查 AI 產出的骨架，並專注於進階的「增值與肉付け（Level-up）」設計活動。
2. 營運：由 AI 智能體（Agent）主導的動態例外處理
2026年現在的現實
- 自律推論與即時建議（Recommend）： 具備高度自律推論能力的 AI 智能體誕生，面對系統定義外的突發障礙或例外事件，AI 能自發性地檢索並推論歷史數據與內部規章。
- 如 organic 般靈活的自律型企業： 現場的暗默知（隱性知識）由 AI 全面覆蓋，能主動向人員推薦「最佳解的計算結果與回覆郵件草稿」。從硬編碼系統演進為具備彈性的自律營運。
3. 商業：以 Go-Live 為起點的伴隨型變革
2026年現在的現實
- 終結交付主義，聚焦商業成果（Outcomes）： 當 Blueprint 秒速解決了 How（開發方式），且 AI 智能體能於上線後在現場自律學習成長，傳統以「外包工程師人頭數與製造速度」為核心的價值便瞬間瓦解。
- 演進為永不停止的變革伴走者： 「Go-Live（上線日）才是真正的起跑線」。市場明確揭示：未來只有緊扣客戶的核心目標、伴隨系統持續演進成長的變革夥伴（Transformation Partner）才能生存。