[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

因應生成式 AI、代理式 AI 與實體 AI 的崛起，模型成為企業資訊基礎設施的一環，企業不僅需要算力、還必須具備同時管理多個 AI 模型、優化營運成本，以及確保 AI 基礎設施的安全與穩定；有鑑於此，服務超過 2,000 家企業客戶上雲的勤英科技（ELITE CLOUD）將業務範疇從雲端代理延伸到 AI 基礎設施整合商，協助企業整合多元模型資源、因應不同應用場景彈性調度算力資源，在 AI 新世代建立可規模化的 AI Infra 能力。

「隨著 AI 從單一聊天機器人進化到多模型、多代理協作，企業的核心競爭力不再僅是擁有 AI，而是建立一套可管理、多模型共存、穩定、安全且可持續擴充的 AI Infra 環境。」勤英科技區域總經理黃士培表示，為協助更多企業推進 AI 創新實務，勤英科技從原本的 AWS、Google Cloud、Azure 雲端代理角色，進一步轉型為 AI 基礎設施整合服務商，透過多語言模型平台 MixRoute、代理式 AI 導入與企業資料治理服務，協助企業建立真正可落地、可管理、可擴展的 AI 應用架構。

從 IT Infra 到 AI Infra，企業最大挑戰不是模型、算力而是管理

過去幾年，許多企業透過生成式 AI 實現「問問題」、「摘要文件」、「生成簡報」，提升員工工作績效，而代理式 AI 的崛起與普及，則讓「內嵌 AI 的企業應用」快速成為新常態，從企業資源規劃（ERP）、顧客關係管理（CRM）、人力資源（HR），到客服、研發甚至製造系統，AI 開始深度嵌入各類企業應用，AI 扮演的角色也從單純的輔助工具，逐漸進化為企業營運與決策流程的重要核心。

也因此，企業保持未來競爭力的關鍵，不再是「有沒有導入 AI」，而是「是否具備管理 AI 的能力」，包括如何讓多模型共存、如何控管 Token 成本、如何確保資料品質與一致性、如何依不同部門需求配置 Agent，以及如何避免 AI 成為新的資訊孤島，都是企業導入 AI 後的新挑戰。

「Gemini、Claude、OpenAI、Mistral 等模型快速迭代，意味著企業若只押注單一模型，未來很可能在成本、效能與彈性上失去優勢。」勤英科技區域總經理黃士培表示，企業接下來更需要以「Models as Infrastructure（模型即基礎建設）」的思維，將大型語言模型視為與運算、儲存、網路同等重要的基礎資源來規劃、治理以及進行成本管理，將資訊系統架構重塑為 AI 基礎建設。

勤英科技服務的客戶數超過 2,000 家，不少客戶已導入 AI 應用服務，正積極建置 AI Infra 與管理環境，因此，勤英科技自 2025 年積極轉型，將 AI Infra 視為企業長期競爭力的基礎建設來經營，業務範疇從傳統雲端代理擴展至 AI Infra 整合服務商，例如與多模型平台 MixRoute 合作，並開發可支援單一登入（SSO）、彈性調度不同大型語言模型 Token 的管理平台，協助企業簡化模型管理與成本控管，將更多資源與心力聚焦於核心業務與創新應用。

從雲端代理走向 AI Infra 整合，勤英科技從三面向協助企業發揮 AI 綜效

有鑑於 AI 應用與雲端環境息息相關，勤英科技除因應企業客戶的多雲策略協助管理多雲環境、優化成本，以及落實資安治理，更因應不同使用情境推出三種 AI 方案助力企業：

第一：提供開箱即用的 AI 服務。

黃士培以 Google Cloud 的產品為例解釋，透過整合 Gemini 的 Google Workspace，企業可直接在 Gmail、Meet、Docs、Sheets、Slides 中使用 AI 功能，包括會議摘要、文件生成、簡報整理等，快速提升員工生產力，同時，增強企業對 AI 應用的信心，為之後的應用深化做準備。

第二：協助企業規劃、打造與導入代理式 AI 應用服務。

「對於擁有豐沛結構化數據資料、知識庫的企業來說，除以生成式 AI 打造企業大腦，還會透過代理式 AI 提升自動化執行能力，重塑工作效率。」黃士培表示，勤英科技可以基於 Google Gemini Enterprise，提供含括底層雲端架構、AI 模型調度、資料治理與 AI Agent 串接等服務，讓企業員工可以自然語言安全調用企業資料，讓 Agent 進一步執行任務與推動流程。

舉例來說，勤英科技協助在台灣成立超過 50 年的製造業品牌商將 Gemini Enterprise 介接 SAP 與 Salesforce 訓練模型、建立可供 AI 調用的企業知識中樞；另在影音內容生成領域，勤英科技亦協助客戶導入 AI 自動化技術，將內容產製成本縮減達 90%。

第三：提供多模型聚合管理平台，滿足企業以 API 串連各種模型的需求。

勤英科技與新加坡 MixRoute 合作，提供企業客戶多模型管理平台，讓企業可以視需求彈性敏捷的調度 Gemini、Claude、OpenAI 等不同模型，並透過單一帳號、單一帳單與 Budget Alert 機制，管理 token 使用量與 AI 成本。

「透過我們提供的多模型管理平台，企業客戶不會被單一模型綁定，可以在模型快速疊代的環境下，更靈活地管理成本與算力資源。」黃士培如是說道。

總的來說，隨著 AI 應用從單點工具走向大規模企業部署，下一波競爭核心將從模型能力延伸至 AI 基礎設施管理能力，而這也是勤英科技從雲端代理走向 AI Infra 整合服務商背後的核心原因：當 AI 開始成為企業營運的一部分，企業需要的，已不只是模型供應商，而是能協助串接雲端、資料、Agent 與應用場景的長期技術夥伴。

有關更多勤英科技相關資訊，請查詢網站：https://www.elite.cloud/zh/