用理工科的邏輯思維,改變會計產業的惡性循環
用理工科的邏輯思維,改變會計產業的惡性循環
2012.11.21 |

周建宏
資誠聯合會計師事務所審計服務營運長。現任資誠聯合會計師事務所全球資本市場部主持會計師/財務報導諮詢顧問服務部主持會計師/金融產業服務部合夥會計師,曾任PwC New York GCMG partner、PwC San Jose Assurance manager等職。

每到報稅、查帳旺季,即使時針指向午夜,站在人車已然稀少的十字路口,抬頭一看,台灣的會計師事務所裡,必定依然燈火通明,窗口裡無數的會計師們正靠著咖啡因熬夜加班。

「我曾在報稅旺季時,試著請主管每天11點晚點名,結果發現直接算已經回家的人還更快,」資誠聯合會計師事務所審計服務營運長周建宏無奈地笑道。會計師產業不但工時長、壓力大(必須驗證公司財報是否符合規定)、風險高(客戶的帳千奇百怪,又不能判斷錯誤)、變化快(法令不停更新,必須隨時增長專業),而且收費水準比起國外偏低,讓台灣的會計師無法平衡工作與生活、流動率高。

人員流動率高,代表事務所的招募、訓練成本高;資深人員不足,工作負擔重、品質較低,便無法對客戶提高收費;公司無法提升薪資水準,又造成高流動率。面對這樣的產業惡性循環,各事務所無不渴望改變,這也是周建宏此次被拔擢為營運長的主因:公司希望借助他創新、突破的思維,做出改變

邏輯思維、釐清混亂,用思考力搶攻市場
在習於遵循規定的會計師產業裡,周建宏笑說,自己從來都不是喜歡守規矩的人,甚至可說是樂於挑戰舊規、衝撞不合理的「怪胎」。然而,也正是因為這個特質,讓他在過去數年來,擔負起資誠審計部門大多數的新產品開發與行銷,並屢創佳績。

從2003年因應沙賓法案(Sarbanes Oxley Act,規範會計師事務所不得同時從事同一客戶的審計與非審計業務,造成事務所的客戶大洗牌)推出新商品;2006年因應「34號公報」衝擊金融業而順勢推出商品;到輔導企業轉換至美國公認會計準則(US GAAP)的顧問,周建宏都至少搶下全台50~60%的市占率。唯有在企業接軌國際會計準則(IFRS)的市場上,由於政府規定輔導顧問必須與會計認證結合,因此僅維持過去資誠約25%的認證市占。

大學念物理系的周建宏,思考方式深受科學邏輯的影響。**面對問題,他要求自己必須抽絲剝繭、釐清混亂,追根究柢直到找出根源。這套思維方式,也是他屢屢攻下新市場的致勝關鍵。

** 周建宏表示,構思新產品時,他首先會分析「有沒有市場?客戶是誰?」其次是思考「現有人力能不能做到?」如果做不到,是應該找新人,還是訓練既有成員?第三步,則是「如何行銷包裝、把自己推廣出去?」第四則是「透過簡報等方式與客戶互動,產生對商品的信心。」最後,如果商品在國外已有成功案例,還要思考「如何引進國外資源?」

以34號公報為例,它規定公司持有或發行的金融商品,不能再參照歷史成本,必須以公平價值(fair value)衡量。也就是說,如果公司投資的商品大幅跌價,過去只需以「買進的價格」入帳即可,但現在必須認列損失。周建宏分析,34號公報首當其衝的,就是金融業和轉投資較多、喜歡避險與財務操作的大公司。於是,他找出潛在客戶,一一研究它們的財報,思考這些客戶會面臨的問題,以及必須如何設計新商品。

接著,他開始評估當下的人力結構,能不能達成商品的需求。資誠無疑擁有會計專長,但還缺乏對金融商品的專業,因此他從國外找了具備金融專長的小組,再加上熟悉企業專案管理,以及擅長以財務工程計算「公平價值」的專家,在資誠內部組成一個菁英團隊,專門推動34號公報的新商品,並開始對潛在客戶簡報,最終攻下廣大市占率。

在會計事務所服務普遍同質化的現在,周建宏這套因應法規變化、推出新產品的方式,甚至已經開始被競爭對手模仿、複製。

發掘問題、打破積習,用執行力變革未來
接任審計部門營運長後,周建宏期望也能運用相同的邏輯思維,深入產業問題根源、推動變革。上任前,他花了兩個月與超過50位合夥人一對一面談,結果發現許多人都提及類似的問題:員工離職率高、工作負擔重、對手低價競爭等。

周建宏分析,會計師工作負擔重,「但其實有70~80%的時間在做瑣碎、例行的事務,剩下的才是專業判斷。」因此,**他計畫調整工作結構,將例行事務標準化,交由專人負責,好讓會計師能夠投入更多時間、心力在高附加價值的專業判斷上,以提高整體的工作效率。

** 同時,周建宏也希望減輕同仁25%的工作量,禁止嚴重加班,推動「晚上10點以後不准工作」的規定。他估計,在調整工作結構後,只需增加5%的人力,即可達成與過去相同的工作量。

此外,過去事務所的團隊裡,大家的工作都差不多,「但每個人專長不同,有人擅長開發業務、有人喜歡專業工作,」周建宏認為應調整同仁的工作比例,也同時刺激成員發揮自己的專長。因應這項變化,他甚至也預計改變績效考核制度。

種種行動計畫,都是希望提高人員穩定度,從而提升工作品質與服務水準,如此才可能提高客戶收費,找尋更多人才、提供差異化的服務,以增加附加價值……將產業的惡性循環,改造為良性循環。

把問題抽絲剝繭後,答案已經浮現,但能否做到,執行力是決勝關鍵。」周建宏坦承,過去最多帶領的40人的小部隊作戰,這次領導審計部門1600人,規模大上許多,結構改革能否成功還無法預期。但他相信資誠「可愛、可貴的互補文化」能強化自己不足的部分,實現願景:讓每一位同仁都能樂在工作、有成就感,並且驕傲自己身為資誠人。

「只要有面對問題的勇氣、非做不可的決心,就沒有做不到的事,」周建宏說。

資料來源《經理人月刊No.80》

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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
一次搞懂Vibe Coding
© 2025 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