2026 年 1 月初，伊朗爆發大規模抗爭，就在局勢急速升溫之際，X 平台上的「五角大樓 Pizza 指數」再度飆升，美國五角大廈周邊披薩訂單出現異常高峰。

就在數天前，2026 年 1 月 3 日凌晨，五角大樓 Pizza 指數帳號發出橙色警報。同時，另一個「五角大廈酒吧指數」也亮起紅燈。幾小時後，美國總統川普下令的「絕對決心行動」展開，美軍攻入了馬杜洛位於卡拉卡斯的住所。

這兩個指數是啥呢？透過 Google Maps「繁忙程度」監測五角大廈附近的披薩店和酒吧。當披薩訂單異常飆高、酒吧卻異常冷清，代表那群平時下班愛喝一杯的軍官與分析師，此刻正鎖在作戰室裡加班。

這個「披薩指數」是誰發明的？傳聞是 50年前冷戰KGB。蘇聯情報機構的幹員並非整天盯著雷達，而是盯著外送員的腳踏車。他們發現一個規律：每當美國準備進行大規模軍事干預時，華盛頓周邊的披薩配送量就會異常飆高。

最有價值的洞察，來自對現場流程的深刻理解。這個 insight 雖然老套，50 年後依舊準確預警。

很多 AI 顧問以為，專業來自模型與架構。但我發現，真正有用的洞察，幾乎都來自「現場待得夠久」。

桃園倉庫的一小時

上週我去見一個物流業老客戶。導航沒開，直接開到桃園那個倉庫。兩年前我幾乎每天都來，已經變成肌肉記憶。

物流高管老朋友一坐下，連一句 AI 都沒聊，直接說撿貨儲位怎麼規劃、離峰時間怎麼併儲位。

我跟他討論曼哈頓距離計算、人員動線優化、3D 倉庫熱圖怎麼做。20 分鐘過去，一句 AI 都沒提。

他主動把話題切到 AI，有點不好意思——叫 AI 顧問來，結果一直在聊倉儲優化。

我很不識相，又把話題拉開：「你這個痛點的解藥是 BI 加數據分析。導入的 ROI 多少，現場人力可以省幾個百分點，下週開始每天可以省多少錢⋯⋯」

我們拿出紙筆計算機，算他的成本。又 40 分鐘過去。

「那你們賣啥？」

會議最後一分鐘，我說：「這些我們可以幫你優化。但老實說，這是傳統數據分析加 BI，不需要 AI。」

他愣了一下：「那你們賣啥？」

「你物流費不是風吹來的，我當然要幫你省。生成式 AI 有擅長跟不擅長的部分，你現在的痛點，第一階段做數據分析比較實際。下一階段需要的話，我會加一個 AI Agent 幫你盯 WMS 數據，像物流老師傅一樣每天回報。」

他很開心，提案進到下一階段。

臨走前他說：「上週跟某 vendor 談 AI，他們連小烏龜是啥都不知道，講話好累，只想賣工具⋯⋯跟熟人講話就是快，而且很知道我要啥。」

我電腦裡的 AI Agent 投影片，一直沒打開。那些 reference case、產品性能、技術架構圖，一句話都沒講。我知道他們的撿貨流程、知道哪些 KPI 是他們真正在意的。這不是讀幾份報告就能學會的。這是 FDE 的複利效應——你在現場待得夠久，就會有自己的「披薩指數」。

你的「披薩指數」是什麼？

有些人可能覺得我很傻。客戶都準備好要聽 AI 了，我卻跟他說「你不需要 AI」。但這正是 FDE 的核心邏輯：你不是來賣工具的，你是來解決問題的。

每個產業、每個領域，都有自己的「披薩指數」——那些只有深入現場才能發現的簡單指標。物流業的小烏龜充電時間、餐飲業的備料節奏、軟體業的 commit 頻率⋯⋯這些看起來微不足道的數據點，往往比任何複雜的分析模型都更能預測問題。

問題是，你願意花多少時間在現場，去發現這些「披薩指數」？

FDE 的價值，就在這裡。

如果你找 AI 顧問，是希望他第一天就跟你談模型，那你找錯人了。

附錄：披薩指數的後續發展

在這件事被媒體爆料後，美國政府為了保密，開始打散披薩訂單——不再集中向同一家店訂購，也會刻意錯開訂單時間。

這導致披薩指數在現代稍微「失準」，但它仍被視為數據分析的經典案例。透過整合『酒吧指數』進行多源情報三角測量，我們能有效排除雜訊，大幅強化對異常動態的解讀能力

題外話：小烏龜是啥

小烏龜是電動拖板車。如果你在物流業待過，這三個字就像呼吸一樣自然。如果你沒待過，你可能會以為我在講寵物。這就是為什麼那個倉庫經理說，跟那個 vendor 講話很累。他們帶著 AI 解決方案來，但連現場最基本的設備術語都不知道。客戶要花多少時間跟你解釋基礎概念？解釋完之後，他還有多少信心相信你能解決他的問題？

我的 FDE 團隊，不只理解現場，他們基本上也現場工作才能真正理解「真實流程」。這是一位我的 FDE 去現場做數據分析，順便幫忙現場開小烏龜的畫面。

FDE 現場開小烏龜