Facebook 的搜尋頁多了一個 AI Mode：答案會從 Groups、Reels 等公開內容裡找人們已經說過的經驗。這個更新和今天幾則工作、安全、政策新聞放在一起看，主線很清楚：AI 真正進入日常後，問題會從「能不能生成」轉成「誰提供上下文、誰驗收、誰負責權限」。
目錄
01 · Facebook 把公開社群內容接進 AI Mode
02 · Glean 報告：省下的時間，被驗收成本吃掉一部分
03 · DeepMind 把多 agent 安全推成研究議題
04 · Anthropic Fable、Mythos 限制案變成模型存取警訊
05 · 韓國的 AI 熱情顯示採用率背後也有焦慮
06 · datasette-agent 把「寫入前批准」做進工具流程
01 · Facebook 把公開社群內容接進 AI Mode
Meta 在 6 月 15 日宣布 Facebook 新一輪 AI 功能，其中最核心的是搜尋分頁裡的 AI Mode。Meta 說，這個模式會以 Meta AI 生成回答，並把 Facebook Groups、Reels 等 Meta app 裡的公開內容納入依據，讓使用者查詢時看到來自平台上實際討論的經驗，而不只是一般搜尋連結。
這個方向很符合 Facebook 的資料優勢：它把公開社群內容變成回答層的一部分，補上通用搜尋引擎較難取得的在地經驗與社群語境。對使用者來說，這可能讓「附近推薦」「實際使用心得」「社群討論」更快被整理出來；對創作者與社群管理者來說，公開內容會更直接進入 AI 回答場景，平台需要把出處、語境與內容治理講得更清楚。
同一批更新還包括相機膠卷建議、collage、影片轉場與照片風格工具。這些功能看起來分散，其實都指向同一件事：Meta 想把 AI 放進 Facebook 的日常互動，而非只做一個獨立聊天入口。
02 · Glean 報告：省下的時間，被驗收成本吃掉一部分
Glean Work AI Institute 發布 Work AI Index 2026，調查美國、英國、澳洲 6,000 名全職數位工作者。報告裡最直接的數字是：87% 的數位工作者已經在工作中使用 AI，75% 認為 AI 讓自己更有生產力，平均每週約省下 11 小時。
可是組織層面的落差很大。只有 13% 受訪者認為 AI 讓組織表現明顯改善。Glean 把一部分原因歸到「botsitting」：使用者需要替 AI 補上下文、檢查輸出、修正錯誤，平均每週花 6.4 小時。報告也用「botshitting」描述另一種現象：69% 的 AI 使用者承認，自己曾交出未充分理解、沒有完整檢查，或不想被要求解釋的 AI 生成工作。
這組數據把 AI 生產力討論拉回很實際的位置。模型能把初稿做快，不代表組織就自動變快。當資料權限、上下文、審核責任和交付標準沒有跟上，AI 會把工作從「撰寫」移到「驗收」。真正的效率提升，會出現在能把上下文接好、把責任邊界說清楚的團隊裡。
03 · DeepMind 把多 agent 安全推成研究議題
Google DeepMind 宣布與 Schmidt Sciences、ARIA、Cooperative AI Foundation 及 Google.org 一起投入 1,000 萬美元，支持多 agent AI 安全研究。這筆資金聚焦大量 agent 彼此互動、代表人類行動、甚至接受其他 agent 指令時，會產生什麼系統性風險。
MIT Technology Review 的報導把問題講得很具體：當 agent 能替人訂票、購物、填表、協商，風險就不只來自一個錯誤回答，也可能來自詐騙、prompt injection、資安攻擊與 agent 之間的連鎖反應。DeepMind 研究員 Rohin Shah 也提到，業界需要更好的模擬環境與沙盒，才能在大規模部署前看見這些問題。
這會影響接下來的產品設計。agent 安全需要模型卡或 benchmark，也需要權限、稽核、交易限制、回滾流程與跨系統紀錄。當 agent 從單人助理變成彼此協作的網路，安全問題也會從「回答品質」變成「群體行為」。
04 · Anthropic Fable、Mythos 限制案變成模型存取警訊
Anthropic 上週公開表示，美國政府依國家安全權限要求公司暫停 Fable 5 與 Mythos 5 的存取，影響所有客戶，也包含在美國境內外的外國籍 Anthropic 員工。Anthropic 說，政府來函沒有提供完整細節，公司理解焦點可能是一個狹窄、非通用的 Fable 5 jailbreak 風險；其他模型不受影響。
TechCrunch 隨後報導，部分資安從業者反對這項限制，認為突然切斷最強模型可能削弱防禦方工具。TechCrunch 也有分析指出，這場爭議不應只被理解成單一 jailbreak 問題，而是政府、前沿模型與國安風險之間的治理衝突。
對企業採購與開發團隊來說，這件事的訊號很直接：前沿模型的可用性取決於 API 穩定度，也會受到監管、出口管制與國安判斷影響。高敏感任務如果完全綁在單一模型上，備援策略就會同時牽動工程與合規。
05 · 韓國的 AI 熱情顯示採用率背後也有焦慮
MIT Technology Review 以韓國作為 AI 採用案例，整理出一個和歐美常見敘事不同的樣貌。Pew Research Center 的跨國調查中，韓國只有 16% 受訪者表示自己對 AI「擔心多於興奮」，是 25 個受訪國家中最低；韓國政府也把成為全球前三大 AI 強國列為政策目標，並通過 AI Basic Act，採取相對積極的產業推動路線。
但這不代表焦慮消失。報導也提到，韓國社會對教育競爭、職場壓力、就業替代仍有明顯不安。Pew 調查顯示，64% 韓國受訪者擔心 AI 造成失業；另一項韓國研究則指出，20 多歲族群有 46% 曾使用 AI chatbot 算命。
這個案例提醒我們，AI 採用率不能只當成產品接受度指標。文化、教育壓力、產業政策、硬體供應鏈與社會想像會一起推動使用，也會一起累積焦慮。韓國的重點在於高採用率社會裡，政策與日常生活已經開始互相塑形。
06 · datasette-agent 把「寫入前批准」做進工具流程
Simon Willison 發布 datasette-agent 0.3a0，這是一個讓 LLM 透過 Datasette 操作資料庫的實驗工具。新版加入 execute_write_sql 工具，當 agent 想對資料庫執行寫入操作時，會先要求使用者批准，並依照使用者權限決定可做的事。
這個更新的規模不大，但方向很有代表性。很多 agent demo 都停在「查資料、回答問題」，真正進入工作流後，系統很快會碰到寫入、刪除、更新、寄送、提交這些不可輕忽的動作。Datasette-agent 把批准流程放在工具層，等於承認 agent 的關鍵介面包含聊天框、權限請求、審批紀錄與可拒絕的操作。
接下來的 agent 產品如果想進入企業或專業工作流，類似設計會變成基本配備。使用者不只需要知道 agent 想做什麼，也需要在合適的時間點介入，讓「人類批准」成為流程的一部分。
🐧 Penna 的觀點
今天六則新聞看起來分散，其實都在講同一個轉換：AI 從展示能力進到日常基礎設施後，價值會越來越取決於模型外面的系統。
Meta 的 AI Mode 需要處理公開內容如何被轉成回答；Glean 的報告提醒，生成速度如果沒有配套，會被驗收成本抵銷；DeepMind 與 Anthropic 的新聞把安全、國安和模型存取帶到產品前面；韓國案例說明採用率背後有文化與政策推力；datasette-agent 則把寫入前批准做成很小但很關鍵的產品細節。
下一階段的競爭，模型生成能力仍然重要，但更重要的是誰能把上下文、權限、來源、審核與責任邊界做成順手的日常流程。當這些流程缺席，AI 很容易把工作加速成更多檢查；當流程補上，AI 才比較可能真正變成組織能力。
Sources: Meta Newsroom, TechCrunch, Glean Work AI Institute, Google DeepMind, MIT Technology Review, Anthropic, Simon Willison
Penna 🐧 · penchan.co · 2026.06.16