企業真的需要顧客長嗎？|數位時代 BusinessNext

「首席顧客長」（CCO，Chief Customer Officer，亦有人稱Chief Client Officer）是公司欲解決客戶疑難雜症的最有力資產，並且協助公司建立長期競爭優勢，保留高利潤顧客，同時透過有效的顧客策略，驅使顧客更願意買單。研究業者Forrester早在2011年就提出已經邁入「顧客至上」的年代，比起以往任何時候都需要多加注意顧客的一舉一動，企業要開始將顧客經驗納入企業守則之中，而不再只是說說而已。

「顧客至上」的年代也讓大家正視CCO顧客長一職；一般來說，成長中的企業認知到：其實組織中並沒有專責之人擔起最終的客戶體驗，大部分組織是由多個部門共同擔起這個責任，包括行銷、業務、專業服務、客戶經理、客戶服務、法務、和會計，都有可能涉及此責任。

Gartner今年舉辦的Customer 360會議當中，指出目前已超過2千家公司設有CCO一職，而且數目還在增加中。你或許會想：公司真的需要CCO嗎？其實未必，執行長請先考慮以下三點建議之後，再決定是否需要聘僱CCO：

1. 難以界定的角色

CCO是公司裡的新角色，面對的任務相當廣泛，而且也很模糊；CCO職責通常囊括顧客服務、找到新顧客並且想辦法留住新顧客、以及最重要的：負起顧客權益之重責大任，這也是許多組織最缺乏的部分。

CCO集所有顧客關係於一身，要確保品牌和顧客之間建立起的長期價值，雙方皆可受益。因此，從本質上來看，CCO需要和顧客有著非比尋常的深度關係，這樣的廣泛又模糊的角色描繪，往往會阻礙公司找到適合的CCO。

2. CCO難以找到，也難以留任

CCO必須要有多方經驗，包括行銷、業務、通路、客戶服務等，才能針對整體組織執行各種深度計畫，因此能坐上這個位置的人，很難從外界引入空降；事實上，55%的CCO是內部員工晉升，平均為公司效力的時間超過七年。

成功的CCO可以協調部門間的改變，對於此艱鉅挑戰需要員工和合作夥伴的通力協助，因此這個角色不只是需要領導力，還要具備影響力和信任度。

由於CCO平均任期只有26個月，因此在管理高層當中相對弱勢，再加上又得面對嚴峻壓力和不斷出錯的可能，因此要找到合適的CCO是非常不簡單的任務。

3. 企業需要CCO這樣的角色嗎？檢視更深層的企業問題

在聘僱CCO之前，執行長要考慮以下這個邏輯性問題：為什麼需要這個人在前線打頭陣？是因為企業文化已經忘記顧客的重要性嗎？還是因為顧客聲音被壓抑而無聲了？如果企業管理團隊將顧客意見和價值觀分開，那麼所面對的是系統性的問題，如果不先解決，找來CCO不過也只是個救急方案。

打算要讓團隊加入CCO之前，必須要全面性檢視業務，是否要打造以顧客為中心的業務？是否透過社群聆聽顧客意見？是否記錄下顧客意見並改進？是否衡量策略方向正確，讓顧客接受企業品牌？

出自VentureBeat

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。