Codos 是什麼？自稱虛擬 AI 長的轉型服務，成效數字先看來源

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

2026 年 9 月 21 日 16:00（UTC），換算台北時間 9 月 22 日凌晨 0 點，舊金山新創 Codos 的共同創辦人 Dima Khanarin 在 X 發布一支約 73 秒的影片，替產品打出「The first virtual Chief AI Officer」（第一位虛擬 AI 長）的定位。Chief AI Officer 中文常譯「AI 長」或「人工智慧長」，是企業裡決定 AI 用在哪、風險怎麼治理、投資有沒有變成生意的高階職位。同一天，Codos 官網部落格刊出知識引擎 Aethos 的基準測試初步結果，等於在同一天同時交出行銷定位與技術籌碼。

Pin

這場發表真正要緊的是它賣的東西：Codos 目前沒有可下載的軟體，賣的是把企業 AI 轉型整段流程做成「軟體加工程服務」的訂閱制生意，從 AI 訪談員工盤點流程，一路到工程師進場部署自動化。宣稱的成效數字在官網與影片並存兩個版本，一個寫在官網、一個講在影片裡，而且都沒有具名客戶。把行銷層和可採購層拆開，是看懂這家公司的最快方式。

「虛擬 AI 長」攤開是三段流程

官網把服務拆成三個階段。第一段 Diagnose（診斷）：AI 訪談主管與員工，記下工作實際怎麼進行，再由 Codos 的前線工程師驗證系統、資料與每個機會背後的財務機制，產出流程地圖、按投資報酬排序的工作清單與一份 30／60／90 天計畫。第二段 Map（建圖）：把經許可納入的對話、會議記錄、文件與商業系統資料，整理成稱為 Company Brain 的企業知識層，部署在客戶控制的基礎設施上。第三段 Run（執行）：前線工程師與各流程負責人一起建置、測試、部署自動化，每個項目都有負責人、書面驗收條件，以及財務部門能驗證的衡量方式。

衡量紀律寫得比多數同類服務細。每週營運檢視把預期價值、已驗證價值與信心水準三個數字分開列示，省下的時間在財務機制說得清楚之前不叫做節省；成熟度模型把每個職能從個人提示詞一路排到治理過的跨系統編排與自我改善，共六級，官方同時明說重點在讓下一步、負責人與價值看得見，沒有要求每個團隊都上到第六級。

前線工程師（forward-deployed engineer，FDE）是理解這門生意的關鍵角色：他們直接進到客戶環境裡交付系統，不把工具丟給客戶自己摸索。換句話說，Codos 現階段是軟體與顧問服務的混合體，官網 FAQ 寫的合作模式是 30 天試點證明價值，之後按月持續合作。官網首頁的三步流程圖把第三步直接標成「Virtual CAIO automates largest cost centers」，虛擬 AI 長這個名字對應的就是這段持續運轉的自動化層。

有個容易被行銷文案蓋過去的細節：Codos 自己就有一位人類的 AI 長。團隊頁列出的四位成員裡，Rahul Sethuram 的職稱就是 CAIO，經歷包含前 Tesla 與前 NASA；執行長 Dima Khanarin 是麥肯錫顧問出身，技術長 Gleb Sidora 來自 Meta 機器學習團隊，營運長 Kevin Simback 同樣有麥肯錫背景。賣「虛擬 AI 長」的公司安排一位真人 AI 長坐鎮，這個安排本身就說明了責任落在誰身上。

官網也放了一張「自己建 vs 用 Codos」的對照表，宣稱見效時間從 6 到 9 個月縮短到數週、投資報酬承諾 10 倍以上。這張表是官網單方列的行銷宣稱，沒有附任何個案計算過程，讀的時候應該當成定價談判的起點，而不是可查證的結論。

Company Brain 的核心：記住什麼改變了

知識層 Company Brain 背後的引擎叫 Aethos，官方文件的說明相當具體。它把文件與對話拆成帶有來源、日期、權限與上下文的小事實，再靠這些小事實維護人、專案、決策的紀錄；身分辨識做不完的就停在未解狀態，之後有更多證據再重新檢視；衝突的資料兩邊都保留、看得到。文件裡的例子：專案計畫寫週五上線、會議改了負責人、後來的訊息說要先過資安審查，Aethos 會把三件事拆開保留，代理能據此回答「現在該做什麼」，並附上每個結論的證據來源。它也透過 MCP 協定把這些紀錄開放給外部 AI 助理讀取。

這套設計與一般「把文件丟進向量資料庫做搜尋」的路線確實不同：搜尋找得到三份文件，但判斷哪份最新、誰負責、下一步做什麼仍然是人的工作。Aethos 賭的是把這層判斷也結構化，代價是權限管理變得更敏感，當人員、績效、財務、郵件與會議全部連成一張圖，讀得到越完整，權限設錯時暴露得也越多。

同一天出現的兩個成效數字

先看影片怎麼鋪陳。創辦人開場自述談過 100 多位企業高管，幾乎沒有人看到損益層級的影響，接著把現有方案批成兩半：顧問、前線工程師與整合商是「有手無腦」（hands without brains），企業知識庫、知識圖譜與 AI 作業系統是「有腦無手」（brains without hands），Codos 的賣點是兩者兼備。這套說法的落點，就是兩個成效數字。

Codos 官網的企業服務頁最上方標著「$5M+ verified client impact」，也就是超過 500 萬美元的已驗證客戶影響。宣傳影片裡的數字卻是另一版：創辦人字幕逐字說「We are working with NASDAQ-listed and PE-backed clients who have already generated over $10 million of impact」，畫面上的面板顯示 $10M+，配上 NASDAQ-LISTED 與 PE-BACKED 兩個標籤。發布當天的影片與官網兩份材料，一個說 500 萬、一個說超過 1,000 萬，沒有解釋兩者的口徑關係，也沒有任何一家客戶具名。

Pin

這些數字的免責條款寫在 Codos 自己的網站條款裡：網站上的案例、節省金額與生產力改善僅供參考，實際成果取決於每個組織的情境，公司不保證任何客戶達到相同或相近的結果。這不代表數字是假的，而是它們目前屬於公司自述等級，採購方該把它當成待驗證的假設。公平地說，Codos 在另一個面向有把衡量紀律做起來：面向私募股權的服務頁把成果拆成三種不能互換的數字，移除的費用要看哪筆支出真的變少、釋放的產能要看時間拿去做了什麼、新增的收入要跟到實際收款並扣掉交付成本，三者的財務意義不同，不能全部叫節省。

Codos 切入的落差本身倒是真的有第三方資料支撐。麥肯錫 2026 年 8 月的全球 AI 調查（1,719 位受訪者）顯示，80% 在職務上使用 AI 的受訪者說 AI 改善了個人生產力，但只有 37% 認為 AI 對公司的 EBIT（稅前息前利潤）至少有些影響，與 2025 年調查差不多，符合「高績效」嚴格定義的更只有 6%。個人生產力與公司損益之間的這道缺口，正是 Codos 影片開場的題目，也與其他研究看到的現象同方向：生成端供給暴增、使用量沒有跟上的 App 市場，量的是同一種產出增加、成果未見的落差。

94% 基準分數的正確讀法

發布當天刊出的研究文，主角是 Aethos 在 EnterpriseRAG-Bench 上的表現。這個基準測試由 Onyx 發布，用超過 50 萬份模擬企業文件（Slack 訊息、郵件、工單、會議逐字稿等）與 500 個問題，考系統能不能跨文件找資訊、處理互相矛盾的證據、把答案的每個部分湊齊。

結果表要連著欄位一起讀。Aethos X 拿到 94.00%，但狀態欄寫的是 preliminary result（初步結果），時間與成本未揭露，額外用的技術也還保密，且尚未開放給客戶；可實測的 Aethos Performance 是 90.55%，每題平均 74.1 秒、0.844 美元。對照組裡最強的是 5 到 10 個並行的 GPT-6 Astra 檔案代理，86.03%，每題 1.352 美元。

另一個關鍵欄位是規模：這些分數都落在 42,587 檔的語料層級，而官方排行榜上的分數是 512k 全語料口徑，榜首 Mixedbread（搭配 Opus 5）86.58%，OpenAI File Search 61.03%。Codos 也自己估了這個測試的有效上限約 94%，理由是約 2% 的題目本身有問題、另有 11% 評分模糊。文末「企業級記憶會在 2027 上半年完全解決」的預測，同樣是公司自己的判斷。

Pin

對照宣傳片裡「benchmark-winning company brain」的說法，研究文的措辭謹慎了一個等級：它明確區分實測值與推估值、承認排行榜上沒有自家 42.6k 規模的頭對頭成績、連 94% 這個數字都標了自家估計的天花板。這種內部的措辭落差值得當作閱讀所有新創發布材料的範本：行銷層講贏家，文件層講條件。自報分數與公開排行榜的口徑怎麼分讀，先前在 Astra for Law 的 54% 自報成績也示範過同一套讀法。

「跑在自家伺服器」與資料流向的落差

X 貼文的承諾寫得很直白：「gets smarter over time while running on your own servers」，在客戶自己的伺服器上運行並越用越聰明。官網對照表也把 on-prem 部署列為與「自己建」方案的差異點。知識層文件補了具體做法：Aethos 可以跑在客戶的基礎設施上，來源系統、模型服務、資料流向與營運遙測都先談好再擴大。

但隱私政策第五節的原文同樣直白：Codos 不賣客戶資料、不用客戶資料訓練通用或共享模型，然而 OpenAI 與 Anthropic 會作為子處理者（subprocessor）處理客戶資料，以提供服務所需為限。公司登記在美國，政策也寫明資料可能在美國及其他國家處理。把這幾段合起來讀，「可以在自家基礎設施運行」不等於「資料完全不離開公司」，模型端點、遙測與備份流向都要在合約裡逐項談。企業採購時要求一張完整的資料流圖，比確認「支援 on-prem」這一句更有意義，這也是評估各種企業 AI 服務（例如 接上企業資料的 ChatGPT 資料代理）時共通的檢查點。

「第一位」要限縮看，治理責任還在人身上

「第一位虛擬 AI 長」的世界第一宣稱需要打折讀。AWS Marketplace 上早就掛著 RockCyber 的「Virtual Chief AI Officer (vCAIO)」服務，賣的是按需提供的人類 AI 高階顧問。Codos 的新穎宣稱實際上限定在「用軟體形態交付」這一層，兩者賣的東西並不同，但「虛擬 AI 長」這個職位名稱本身並不是第一次出現。

治理責任這條線也畫得很清楚。美國 NIST 的 AI 風險管理框架在治理核心（Govern）裡要求：AI 風險的角色、責任與溝通線必須書面化，並讓組織裡每個人都看得懂。Codos 官網 FAQ 對客戶開出的前提也同一方向：要有能負責的業務負責人、相關系統與資料的存取權，以及能驗證基準的財務夥伴。軟體可以承接盤點、建圖與部署，治理、法規責任與跨部門決策仍然留在人類主管身上；產出要有人負責這件事，在 AI 生成成本趨近於零的討論裡已經是共識，企業 AI 轉型沒有例外。

公司很新，接下來看三件事

Codos Inc. 登記在舊金山 Sutter Street 447 號，codos.ai 網域 2026 年 1 月 25 日註冊，8 月 1 日的創始文宣布獲 a16z Speedrun 支持，並點名感謝 a16z Speedrun 團隊，投資金額未揭露。目標客戶寫得很具體：300 到 3,000 人的中型企業或大企業的事業單位，產業列了金融科技、電商、科技、房地產、零售與服務業。沒有公開價目表，一律從預約示範與 30 天診斷開始。

截至 9 月 22 日，Google News 還查不到任何第三方媒體對 Codos 的報導，這家公司的一切公開主張目前都出自它自己。之後要追蹤的三件事：一是 500 萬與 1,000 萬兩個數字的口徑會不會在完整報告或後續文件裡對上；二是承諾「稍後發布」的 EnterpriseRAG-Bench 完整報告，能不能把 94% 從初步結果推到可複驗；三是第一位願意具名的客戶，因為在治理與財務驗證這套故事裡，具名客戶是唯一能取代公司自述的證據等級。

多數讀者不需要任何動作；300 人以上、有可量化流程與財務基準的企業，若想評估，就從公司自己開出的三個前提準備起：找好負責人、備妥資料存取、約好財務夥伴，再把資料流圖與退出條款寫進合約。