【MMDays】軟體公司該這樣做~領導你的員工、而非管理他們
【MMDays】軟體公司該這樣做~領導你的員工、而非管理他們
2012.06.11 | 科技

過去一段時間, iKala 收了很多履歷,面試了非常多的傑出人才,我發現到一個有趣的現象:「大部分的人都非常害怕公司會對他們不利。」怎麼說呢?許多面試者對於 iKala 的福利都覺得有點驚訝,因為他們之前待過的公司並沒有這樣子在照顧他們,福利內容甚至讓他們有點不安,覺得福利的背後一定隱藏著公司的陰謀,我覺得啼笑皆非。

從傳統電子公司出來的一些面試者,有這種反映出現的比率更高,我其實很好奇到底他們之前是被公司壓榨到什麼程度,以致於他們根本不相信公司會秉持著照顧和培育人才的理念在經營。員工對於企業缺乏信任,雖是全球普遍的現象,但是在台灣,這樣的情形似乎更為嚴重,許多離開工作的人,對於自己的前公司沒一句好話,不是工時長、就是老闆賤,長期下來造成他們心中對於工作型態的刻板印象,認為工作就是這個樣子。

「這群人真的受到很嚴重的心理創傷」我常常在心裡這樣想,這樣子的工作型態,在未來越來越靠腦力競爭的環境,豈能久乎?

軟體公司不能這樣經營

腦力密集的工作者型態,跟勞力密集工作者的型態完全不相同。勞力密集工作者的生產力,基本上是以工時在計算,工時越長,能組裝的零件越多,一翻兩瞪眼;腦力密集的工作者,卻沒有辦法用工時計算生產力。尤其是程式設計師,寫過 code 的人都知道,當你連續的工時拉得越長,你寫出來的 code 就越接近垃圾。等到你明天清醒了,你會很驚訝自己寫出的這堆垃圾,像是前一夜喝醉酒鬧事留下的爛攤子,然後你的隊友或是你自己,要花額外的時間把這些垃圾清掉或是重構 (refactor),結果整體的生產力,還比不上你早點去睡覺,早點起床後神智清醒的那短短幾個小時。

一個腦力密集的工作者能夠集中意志、進入「flow (心流)」狀態的時間是有限的,「flow」的概念已經反覆被討論,人一旦進入這個狀態,會發現意志極度集中、全世界與你隔絕、甚至於感受不到時間的流逝,在這段時間內,生產力達到顛峰。不過一旦脫離這個狀態,會需要花額外的一些時間才能再次進入,一天之中能維持心流狀態 8 個小時的人,已經算是超人了。開發軟體最重要的是腦袋有沒有清醒,而不是工時夠不夠長。站在經營者的角度,你要確定的是你的員工知道自己在做些什麼,而不是不讓他們回家。有些工程師喜歡晚上夜深人靜的時候拼進度 (我就是其中一個),有的人喜歡多一些面對面討論、不介意隨時被打斷。身為軟體主管,你得尊重每個人偏好的工作方式,你要做的是訂定清楚的目標和時程,然後隨時審視軟體的品質,至於工程師打算怎麼把東西生出來,是他們自己的事情。我不介意這些 code 是在上廁所的時候、還是乖乖坐在辦公桌前時寫出來的。

領導,而非管理

好的人才並不需要管理,他們需要的是領導,站在領導者的立場,最迫切的三件事情,就是給予好的人才最明確的目標、最大的彈性、和爭取最多的資源。剩下的,好的人才都會自動幫你完成。他們甚至會反過頭來告訴你,什麼是該做,什麼是不該做的。一個好的人才會幫你解決問題,一個不好的人卻會幫你製造更多的問題。如此一來一往,就決定了公司的命運,因此創業的初期,最重要的就是人,天大的 idea,如果你不能一個人完成,你需要的就是最棒的人才,組成一個真的能實現 idea 的團隊。idea 和執行力同樣重要。沒有人能保證任何 idea 一定會成功,但是如果沒把人找好,找到錯的人,失敗的機率鐵定大增。

好的人才最討厭人家管他們。他們自己有企圖心、自律、和執行力,你不用總是拉著他們的小手一同去郊遊,他們會自動把很多事情完成。

領導應該是明顯的,管理應該是隱諱的

軟體人才通常是一群很 free style 的人,但是身為領導者,應該要確實掌握住公司的方向願景,和制訂公司的發展策略,如此可以給公司員工清楚的目標,然後激勵他們,讓他們覺得自己真的是在做很棒的事情,這是領導。相較之下,軟體人才的管理應該建立在「制度」之上,而非建立在諸多「手段」之上。所以我把制度盡量簡化,並且致力於自動化重複性的管理工作,為的是盡量讓員工平常感受不到這些東西,有時間去做真正重要的事情,而非配合公司的重重規定作一些沒有生產力的事情。

「只有管不住自己的人,才需要別人管」,這也同時告訴我們,員工的自律,對於軟體公司是最重要的一個特質。 ****



Google 和許多成功的大公司,都是以這樣的一套哲學在經營公司,主管給予員工充分的自由,去完成訂定的目標。這並不代表放縱員工,而是代表員工必須有高度的「自律」,而不是「他律」去達成目標,因為公司依然存在著有效的淘汰和評量制度,能夠評判每個人的成果,目標沒有達成或是打混摸魚的人,都會攤在眾人眼前,這樣的環境,讓員工擁有高度的自由,但同樣是一個競爭激烈的環境。重要的是,這樣的環境可以讓員工充分發揮創意和獨立思考,用自己的方式去達成目標。軟體的本質本是如此,需要創意和獨立思考,才能創新和創造;也只有用這樣的方式,才能留住你的人才。

全世界都在喊著創新與創造,台灣更是不落人後,許多電子公司想要跨入軟體的領域,政府也拼命喊著文創的口號,要讓台灣成為設計島和創意國。但是這些機構和公司對於軟體公司的文化卻所知不多,也缺乏實踐,結果傳統的硬體文化和軟體文化格格不入,嚴重限制了軟體工程師能發揮的空間。造成軟體業始終沒辦法向上提升,

台灣很多公司普遍認為員工就是該被管,該被公司的重重規範用力綁住,才能為公司帶來生產力,這在軟體公司完全行不通。身為老闆,我們都有一種直覺,認為「員工工時越長,公司越划算」。但是,是時候做出違反直覺的決策了:給你的員工清楚無比的目標和設定公正有效的評量機制,剩下的,就不要管太多了吧。

本文作者為MMDays 共同創辦人,現任iKala 執行長, 曾任 Google 軟體工程師。

來源:Mr./Ms. Days(MMDays)部落格 ****

關鍵字: #企業經營管理
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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