[何飛鵬] 核心團隊該多大？|數位時代 BusinessNext

過年之前，我循例徹底盤點一下整個工作團隊，在台灣我帶領的團隊約1000人，一個完美的整數，也讓我深覺肩頭重擔難以承受，可是大多數人我並不認識，整個公司分成許多獨立運營的團隊，各團隊主管負完全責任，再由團隊主管向我報告，工作成員與我的互動極少，基於好奇，我約略盤點一下，常與我互動的核心團隊到底有多少人？

我用了幾個方法去計算，第一個是我認識、叫得出名字的人，這種人近兩百人，不到20%。但這並不準確，因為這公司我由小做到大，許多人已經和我工作一、二十年，因此雖然是基層工作者，我仍然認識。另一個方法是，統計下二階的主管，再加上一些雖無主管職，但擁有某些專業的重要工作者，總計約150人，占總人數的15%，這些人應是我們全公司的關鍵戰力。

這次的盤點，協助我解答了核心團隊規模的問題，有一個創業中的讀者問我，他的公司有70個人，核心團隊大約多少人才適當？

組織約可分為兩個層次，百人以上及百人以下，百人以上的公司必須要靠系統、靠制度運營，因此核心團隊的規模與80/20原理暗合，核心團隊通常不會大於20%，我們公司15%的比例尚合常理。

可是百人以下的公司，屬於新創的小規模公司，又可以分為幾個不同的層級：

5個人以下的小規模公司 ：人人都是核心團隊，每個人都要發揮高度的戰力。5個人的核心團隊約可擴張到15人左右的公司。

15到30人的公司： 核心團隊占比約在1/3左右，30人公司，核心團隊不超過10人。

30到100人的公司： 核心團隊則在20～30%左右，人數愈多，團隊占比愈少，100人的公司核心團隊應不超過20人。

這個核心團隊比率，並無任何科學理論依據，完全是我數十年創業經驗的總結，規模愈小的公司，用人愈精簡，必須要人人都有高度的效率，所以10人以下的公司，嚴格來說，每個人都是核心戰力，每個人都要當兩個人用。

而30人又是組織的另一個門檻，30人以下的公司通常經營者的兩眼可及，對系統、制度的要求並不高，因此只要有1/3的稱職工作者，就能使組織發揮績效。

30人以上的公司，經營者一人的英明已不夠用，一定要開始導入制度，例如要有健全的人資、行政等後勤管理系統，一旦系統建立，核心團隊的穩定作用就可發揮，因此核心團隊的比例可以降低，一個好的核心成員甚至可以影響10個人以上。

不過百人以下的公司，如果不能有效導入制度，那永遠不可能變成更大的公司，這時核心團隊的養成與制度的建立同等重要。

[何飛鵬]城邦出版集團副董事長、商周出版發行人。曾任《卓越》雜誌、《保險行銷》雜誌總編輯，曾被金石堂書店選為1997年出版風雲人物。何飛鵬部落格：http://blog.pixnet.net/feipengho

出自經理人網站

ChatGPT、Gemini、Claude 等 AI 通用工具問世後，「AI」無疑成了現今全球最熱門的關鍵字。儘管許多企業已經開始導入相關應用，多數卻仍停留在文書輔助、單一聊天機器人（Chatbot）運用等單點階段。但隨著商業環境快速變化、缺工日益嚴峻，企業需要的不再只是一個會回答問題的對話框，而是具備「自主決策與行動執行」能力的「代理式 AI」（Agentic AI）。

Going Cloud 和 IDC 合作發布的《多代理系統崛起打造敏捷韌性企業》報告便指出，如今「AI First」時代來臨，企業的 AI 應用正從輔助性質走向自主營運，有 80％的企業期望藉此提升生產力，70％的企業希望能更輕鬆處理複雜任務，還有 66％的企業期望透過多模型來提升整體效能。

代理式 AI 愈來愈多，必須納入組織管理

但究竟什麼是「代理式 AI」？

「過去人們使用生成式 AI 時，需要一步步下達明確指令，但現在使用者只要賦予代理式 AI（Agentic AI）明確目標，它就能自己理解前因後果、進行推演，甚至能去呼叫 API 完成任務。」Going Cloud 總經理黃柏淞點出差異。
而當企業內部的代理式 AI 日益增加，比方說，人資部門有專屬 AI、業務部門有報價 AI、法務部門有合約審閱 AI，跨部門協作的複雜度也隨之飆升，「如果你是管理者，你就會意識到，必須把 AI 當成一個人，納入組織裡來管理。」黃柏淞強調，能統籌、指揮多個 AI 代理協作的「多代理系統」（Multi-Agent System, MAS），正是為了解決這個痛點而生。

簡單來說，MAS 就像虛擬的企業總部，負責協調、治理負責不同任務的 AI 代理、工具和功能模組。在讓 AI 自主決策的同時，各個 AI 代理間也能共享資訊、協調分工。MAS 還具備極佳的擴展性和分散性，企業可以依照業務需求，隨時新增、更改 AI 代理，能大幅提升營運韌性。

雖然企業普遍意識到，代理式 AI 已經蔚為風潮，但實際部署時，仍面臨諸多挑戰。《多代理系統崛起　打造敏捷韌性企業》報告便顯示，資安疑慮、預算限制、缺乏 IT 支援分別是企業最擔憂的三大問題，「企業最擔心串聯多個 AI 代理時，要是權限沒控管好，很容易有機敏資料外洩的風險。」黃柏淞提到，在此情形下，Going Cloud 推出了以「分層式多代理架構」為核心的解決方案。系統會由一個「主管代理」（Supervisor Agent）作為主要決策層，底層則串聯了各個負責單一任務的「任務代理」（Task Agents）。

以 Going Cloud 服務的大型金融企業為例，假設一位 VIP 客戶登入銀行 APP，詢問 AI 客服：「我想申請房貸，請問現在利率多少？另外，請幫我評估把我目前的科技股基金贖回當作頭期款適不適合？」如果是傳統的聊天機器人，可能會因為問題太複雜直接轉接人工客服。但在 Going Cloud 的分層式 MAS 架構裡，「主管代理」接收到任務後，會先拆解再指派負責「房貸利率」的「任務代理」，去後台抓取客戶的信用評分和最新房貸專案。同時，這位虛擬主管還會指派「理財分析」的「任務代理」，去檢視客戶最近科技股基金的績效並預測市場。最後，再由「主管代理」統整資訊，一併給出一份完整且客製的財務建議，「分層式 MAS 能確保整個過程的指令被清楚傳遞，而且因為權限分層管理，房貸 Agent 不會碰到不該碰的理財資料，符合金融業的風險控管與合規要求。」黃柏淞說。

目前 Going Cloud 已經協助知名金融機構導入 MAS 架構。以實際成效來看，多代理客服平台能降低 50％以上的人工客服工作負擔，並讓回覆使用者問題的平均時間減少 60％以上；FAQ 知識導向與 API 資料調用的正確率，在調用得當的情況下，也都達到9成以上的成功率。黃柏淞指出，金融、製造、顧問等有複雜跨部門協作需求的大型企業，都是亟需採用代理式 AI 的產業。

懂雲也懂企業痛點，助員工無痛升級「AI 小組長」

但為什麼 Going Cloud 能為企業打造出如此高效的代理式 AI 底層架構？一方面，Going Cloud 先前服務過亞洲最大 AI 多媒體科技集團科科科技（KKCompany Technologies），奠定具備理解和服務大型企業的經驗，且自 2022 年創立起，就鎖定服務架構最複雜的大型企業市場。同時，Going Cloud 是全台首家榮獲 AWS 生成式 AI 服務能力認證及 ISO27001、ISO27701 雙重國際驗證的雲端產業專家，此成就彰顯 Going Cloud 在堅實的資訊安全基礎上，深化了對個人資料保護的承諾，為客戶提供符合國際標準的資料保障，強化雲端服務領導地位。另外，Going Cloud 還能為企業量身打造底層 AI 平台，提供 AI 策略方針定調、雲端架構設計、Agent 任務規劃、效能優化等一站式服務。

對於準備跨入「AI 商用階段」的企業，黃柏淞建議，釐清應用場景，比追求最新技術更重要，「唯有清晰定義痛點，才能讓強大的 MAS 平台真正落地。」
他特別提到，導入 MAS 系統不只是 IT 部門的責任，其實更像企業的升級轉型，「未來的知識工作者，不能只是單純『接球就打』，每個人都將成為『小組長』或『專案經理』。」例如員工不必再親自打開 excel 敲公式、解讀報表，應該要學著指派手下的「數位同事」去執行。員工的核心價值，將從過去繁瑣、重複性任務的執行，轉移到前期的目標定義、流程規劃，以及後期的決策判斷和審核把關。

AI 技術飛速推進，企業間的競爭已從「要不要用 AI？」，升級成「如何管理與協作多個 AI？」。透過建構靈活、安全且具高擴展性的多代理系統，企業不僅能解放員工的生產力，更能在瞬息萬變的市場中，打造敏捷、韌性兼具的營運大腦。