【KuoBrothers】新創網站這樣開發才夠快
【KuoBrothers】新創網站這樣開發才夠快
2012.04.09 | 創業

我是一個軟體工程師,過去7年都在Web相關領域。在新創公司裡,速度節省時間、時間就是金錢、金錢就可以再去請更多工程師讓整個開發速度更快。學校教了很多「軟體工程」的方法,或是怎樣才算是一個好的Programmer。這些都很好,但在新創團隊裡我必須先捨棄這樣做,用我自己覺得快,且快得有道理的方式。底下是幾點可以和大家分享的。

 

  1. 讓全團隊都用你(創辦人)的開發語言和環境:
    如果你專長的是.NET,就讓系統用.NET。如果你專長的是php,就讓系統用php。這點可能很多人不能認同,但我相信你最好這樣做,除非你想去學另一種新的東西。所有工程師都可能離職,但你不會離職。所以你要要求大家寫出你可以看得懂的code。也就是如果有一天,他們走了,你把code接過來,是有辦法維護的。如果他們想用一個很酷的framework,但你不會,即使那個東西多好,都最好不要用,除非你可以學得很深入,或確信團隊有足夠的人可以當backup。

  2. 只設計給當下使用,不考慮未來任何擴充性:
    我不相信在新創團隊有人可以預知未來,即使很多東西看起來未來往那個方向擴充很合理,它們絕大多數都不會發生。會發生的只是你會花更公多時間才滿足當下這個功能。

3.不寫任何comment(程式的註解):
雖然這個應該也很多人不認同,但除非你花了非常大的力氣去維護comment,否則日後極大多數也是錯的。如果有1分鐘可以寫comment,我深深相信應該拿那一分鐘去寫code。

4.不寫任何documentation:
這個講的是不打開任何word檔、powerpoint檔,去把整個系統的細節描述清楚,因為通常你今天寫了,明天就改了。絕大多數的狀況我認為這樣並不實際。

5.不要把可以用文字表示的東西變成圖檔:
很多網站喜歡把它設計漂漂亮亮,所以像按鈕、欄位的標頭,各種東西都喜歡做成圖檔。我也看過「使用者條款」是圖檔的例子。我認為要快的話,最好全部的東西,儘可能是全部都「文字」,工程師就可以直接改不需要再打開圖檔修圖。在網站初期,我不太相信有那個網站本來該成功的,因為這些細節不夠漂亮而失敗。

6.不要有一大堆測試環境和policy:
我覺得新創網站都不用這些,也不用一大堆testing server。你的production server = testing server。

7.PM的話聽聽當參考就好:
在很多情形下,PM也許規劃出來的方案A,需要10小時。但你知道可以把它改變成方案B,只需要3小時。而且方案A和方案B雷同度80%。那請選擇方案B吧! 因為它們兩個差不多,即使方案B爛了一點也沒關係。

8.不一定要寫很好的程式:
教科書教我們很多東西,像網頁layout最好不要用table。Database不用了之後最好disconnect… 很多很多。那都不是新創團隊要煩惱的。

9.不要追求網頁效能:
如果沒有流量的時候,在網頁的performance上做optimization並沒有任何意義,除非它真的慢的太誇張了。只要5秒內打得開的網頁,管它是0.1秒、1秒、3秒大概都差不多。

10.少用Fancy的東西:
像AJAX這樣,有很多好東西可以讓東西更酷。但我們寧可用一些最簡單的東西,如果這樣可以讓上線的速度提早,等到它找到那個點後,再來考慮要不要把它改的fancy。Fancy的東西的確可能增加流量,但我相信那是10%、20%的增加,不會是10倍的增加。

綜合以上,我想說的是,在開發初期,完全沒半個人在用的時候,一切差不多就好了。很多東西,等到流量真的大了,再來修正並不遲。當然,當開發團隊超過一定人數、流量到一定規模,上面這些就不適用。但我不會選擇在團隊還很小的時候就耽心一大堆!

出自郭家兄弟創業日記

 

關鍵字: #創新創業
往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓