Google人資副總~Big Data分析面試應用，在校成績多無用|數位時代 BusinessNext

Google應是全世界看過最多「數據資料」的公司，若是將這些巨量資料(Big Data)運用在領導(leadership)和管理(management)領域呢？Google人資資深副總博克(Laszlo Bock)接受《紐約時報》訪問表示，巨量資料影響層面越來越廣，不過要運用在領導層面還是相當困難的，部分挑戰來自於：多數情況下領導是由直覺驅動，而且糟糕的是許多人認為自己的領導能力很不錯，事實上只有少數人擁有好的領導能力。

數年前Google進行一項研究，想知道Google是否特別擅長挖掘優秀人才；在上萬次面試中，請面試官為求職者評分，然後再觀察每個人的工作表現，發現這兩者之間的關連性「零相關」，而且還是「隨機」結果，其中只有一位面試官預測準確，原因是他只面試了一個人，這是非常專業的領域，而這位面試官正是全球在這個領域當中最厲害的專家。

此外，還發現了「腦力激盪」其實只是浪費時間，例如：一架飛機可以塞入幾顆高爾夫球？紐約曼哈頓有多少間加油站？除了浪費時間之外，這些問題無法預測任何事情，只是讓面試官覺得自己很聰明而已。

相較之下，行為面試（Behavioral interview）通常是比較有用的，例如詢問求職者：如何解決困難問題？當求職者分享個人經驗，面試官再繼續探究其作法，可以得到兩種資訊，一是該求職者和真實世界的互動情況，再者，更有意義的就是可得知求職者認為什麼事情是「困難」的。

另外還從中發現，對領導者來說，最重要的是讓部屬知道進行任何決策都是「一致」且「公平」的，部屬做起事來也比較自由，原因正是他們瞭解要依循的準則為何，只要在準則之下，就可以做自己想做的事。

Google每年會進行兩次的經理人評量，稱為向上回饋(upward feedback)調查，只要是有主管的員工，都要參加這項評量，詢問12～18項不同因素，再將結果和主管分享，進而追蹤是否改善；結果是：過去三年Google因此大幅提升了主管素質。

如果向某位主管闡述對他並不是那麼好的調查結果，可能會落入以下對話，「我覺得我做得比這個結果好」、「可是這是你的感覺，事實上這是大家回報的結果」。其實不用說那麼多，對大多數人來說，只要讓他們知道「資訊」為何，然後進行修正即可；巨量資料其中一項應用層面即是帶來「事實」，讓人們明白所做的決策並不完美，接下來就會調整自己的行為。

若是將巨量資料運用在Google員工身上呢？目前觀察到的是：在校成績(GPA分數)在面試過程中是毫無參考價值的，除非是剛畢業的社會新鮮人，因為沒有其它可以參考的指標，才會稍微參考在校成績；過去Google面試過程一定會問在校成績，現在也不這麼做了，因為這並不能預測任何事情。有趣的是，隨著這樣的決定，目前14%的Google員工並未上過大學。有的Google團隊中，甚至有14%的成員都沒有上過大學。

特別是在Google工作2～3年的員工，其工作表現和大學表現就完全無關，因為兩者所需的技能是完全不同的；事實上，經過工作洗禮，也成為了完全不同的人。另外的原因是，博克認為大學的學術環境是非常人為的環境，人們經過精細訓練之後可以取得成功，但也習慣在這樣的環境下成功，而Laszlo Bock在大學遇到挫折的原因，就是因為教授總是在等待學生們回答特定答案，但更有趣的應該是解決沒有特定答案的問題。

註：畫線部分為原翻譯錯誤部分，已做出修正

出自NYTimes、BusinessInsider

過去兩年，企業討論最熱烈的議題無非是「如何導入生成式 AI」；然而，隨著 AI Agent 技術的快速發展，未來幾年，企業關注的焦點很有可能轉向「如何治理 AI Agent」。相較於過去只能被動回應問題的生成式 AI，AI Agent 更像一個虛擬人，可以自主查詢資料、操作系統與執行流程，這也使得 AI 在企業中的角色被重新定義，從單純的輔助工具，正式升級為企業的「數位員工」。

然而，當 AI 被賦予更多權限與自主性時，也意味著企業必須面對全新的治理挑戰。尤其對金融業、公部門等受到高度監管的組織而言，若缺乏完善的權限管理、決策追溯與監控機制，AI 應用將衍生資料安全、法規遵循與營運風險，反而難以真正發揮 AI Agent 的價值。

為此，中華創智推出 AgentHub 平台，協助企業建立符合治理需求的 AI Agent 管理機制，讓 AI 在安全、可信、可控的前提下真正投入營運。

AI 升級「數位員工」：權限與責任歸屬成企業治理深水區

中華創智總經理李柏青認為，在 AI Agent 時代，企業首先必須思考的核心命題是：「我們可以授權它做到什麼程度？」

他指出，AI Agent 若要順利完成一項完整任務，勢必要具備相應的資料存取與系統操作權限。然而，這也正是企業最兩難的地方：一旦賦予 AI 過大的權限，很可能因誤判或操作失誤而引發資料外洩等風險，但若權限不足，又無法真正發揮 AI Agent 的價值。「授權與責任歸屬，正是企業導入 AI Agent 時最難以切割，卻也最關鍵的一環。」李柏青直言。

李柏青的觀察，在第一線客戶身上獲得了印證。中華創智業務行銷副總粟郁杉表示，早在去（2025）年，就有客戶與中華創智討論 AI Agent 的管理模式。不同於過去導入 AI 應用時，多半先從單一部門開始試行，客戶在規劃 AI Agent 時，希望從企業整體出發，讓不同部門、不同職務的員工都能擁有一位 AI 助手。然而，當 AI Agent 的數量快速增加、遍布各部門後，企業真正需要解決的問題，就不只是如何部署，還有如何以系統化的方式進行管理。

正是這些來自客戶的需求與討論，促使中華創智投入開發 AgentHub。「我們的使命是打造一個平台，讓企業能夠快速、安全地使用與管理 AI Agent，」李柏青說，未來企業需要管理的不只是員工，更是一支由 AI Agent 組成的數位工作團隊；而 AgentHub，就是協助企業管理這支團隊的治理平台。

打造數位員工的「生產履歷」！AgentHub建立可追溯的稽核機制

中華創智技術副總黃文俊強調，AgentHub 管理的不只是 AI Agent 本身，而是AI Agent的全生命週期管理。

企業可在平台上完成 AI Agent 的開發、版本更新、權限設定與部署管理，並透過完整的日誌記錄建立起稽核機制，這項機制能清楚追溯每一隻 Agent 是由誰開發、獲准存取哪些內部資料或系統、由誰負責審查授權，以及哪些員工有權調用。「這就像是 AI Agent 的『生產履歷』，當系統運作遭遇異常或疑慮時，企業才能在第一時間精準追溯責任歸屬。」黃文俊解釋。

黃文俊進一步透露，第一線客戶、特別是金融與政府單位，在實務上特別重視AI Agent 的執行環境與權限邊界，也就是「這隻 Agent 應該活在哪裡」。因此，中華創智在協助企業導入 AgentHub 時，不僅協助建立底層架構與權限管理機制，更會依據不同應用情境，與客戶逐一討論 Agent 的部署方式、資料存取範圍及治理規範，協助企業為不同 AI Agent 建立符合治理要求的執行環境，在兼顧安全與效率的前提下發揮價值。

從 MLOps 到 AgentHub：把 AI 落地經驗延伸到 Agent 時代

面對市場上百花齊放的 AI Agent 平台，AgentHub 最大的差異化優勢，莫過於中華創智多年協助企業導入 AI 的實戰經驗。

黃文俊表示，中華創智過去協助金融、公部門等高度監管產業建置 MLOps 與 LLMOps 平台時，便已深入企業地端環境，相當熟悉資料治理、權限管理、系統介接與法規遵循等。這意味著，企業導入 AI 最容易「撞牆」的痛點，中華創智早已陪同客戶提前走過一遍並逐一克服。這些累積於 MLOps 與 LLMOps 時代的治理經驗，也成為 AgentHub 最重要的設計基礎，讓 AI Agent 能真正融入企業日常營運，而非停留在概念驗證階段。

除了完整的治理機制與企業落地經驗外，AgentHub 的另一項優勢，在於採用 No-Code／Low-Code 開發模式，使用者不需要具備程式能力，只需透過拖拉元件，即可快速打造符合業務需求的 AI Agent，讓真正熟悉業務流程的人，也能成為 AI Agent 的開發者。

然而，「人人都能輕鬆開發」的背後，並不代表「任何人都能隨意上線」。黃文俊指出，在 AgentHub 的架構下，每一隻 AI Agent 投入實戰前，都必須經過嚴謹的審核機制，並留下不容竄改的完整軌跡——從最初由誰開發、經誰核准部署、到由誰負責維運都一目了然；若 Agent 後續表現不如預期或出現偏差，管理者也能決定是否要調整或下架退場。「這就如同企業管理真人員工一樣，必須擁有完善的招募、考核與動態管理流程。」黃文俊生動比喻。

AI Agent 能否真正改變企業，關鍵從來不只是 AI 本身。黃文俊認為，AI 會放大企業原有的優勢，也會放大既有的管理斷點，因此，資料治理、權限管理與 IT 基礎架構，才是企業邁向 AI Agent 時代最重要的基石。

李柏青則指出，真正的挑戰才正要開始。未來企業不僅需要導入 AI Agent，更必須重新思考組織分工、管理制度與營運流程，將 AI Agent 納入企業日常運作的一部分。中華創智期待，未來持續扮演企業 AI 治理夥伴。想了解 AgentHub 如何協助你的組織建立安全、可信、可控的 AI Agent 治理機制，歡迎與中華創智團隊聯繫
https://www.chtinventai.com/