4項職涯規劃建議，讓你進入新創小公司也能有大發展|數位時代 BusinessNext

在台灣，有越來越多的新創企業，正蓄勢待發。思考職涯規劃時，或許你也曾苦惱過這樣的問題：到底該進入制度完善的老牌大公司，還是充滿活力的新創小公司呢？兩種選擇各有利弊，端看個人如何考量。若傾向到小型新創企業去大展身手，不妨參考以下四點策略建議：

加入一個成長中的公司

在一個快速成長、快速變化的公司當中，能夠擔任新角色與新責任的機會也相對較多。若想順利進入這樣的公司，求職時可以試著提出有助於理解公司動向的問題，例如：公司目前的資金狀況如何？公司未來的銷售與營收目標為何？未來一年內有什麼招聘計劃？進入公司後所擔任的角色，會如何隨著公司變化呢？
明確提出你的目標

在擔任任何工作時，不明確表示出目標，卻又默默希望它能成真，並不是一個好的作法。想要獲得管理一個團隊的機會？或是理想的職缺出現時，想要轉換自己的工作角色？這些目標都應該要向公司的管理者清楚表達，一起討論可以如何達到這些目標，並且擬訂標準來定期檢查自己的進步程度。同時，也必須想清楚自己想得到什麼樣的成就，是被賦予更多的責任？還是一個聽起來更好的職稱？
發起新企劃

在一個新創公司當中，每個人所要擔負的責任與工作量往往較多，這時候可以試著想像，當公司規模成長為現在的兩倍大時，會需要什麼樣的人才來幫忙？再從中選擇一個感興趣的領域，向主管提出這方面的新企劃。舉例來說，公司未來想要成立一個銷售團隊，剛好自己對銷售的工作也有興趣，就可以提出一項新企劃：測試以銷售來獲得更多客戶這個策略的可行性。只要能同時勝任原本的角色，主管是非常樂見能得到額外幫助，自己也獲得了建立新技能的機會。
擔任管理工作

新創公司裡有相當多的領導與管理機會，當公司開始招募新人時，可主動協助加快這個過程，別只是等著主管來下指令，因為這會是個展現領導能力與野心的好機會。試著表示出，自己能夠使身邊的同事更有效率，並且提出具體的策略規劃，相信公司在需要建立管理階層的時候，你會是考量的人選之一。

參考自Mashable

圖片來源：Wikimedia Commons

【第32場創業小聚】
8月28日(週三) 19:00-21:00在北科大第三演講廳。邀請Niceday生活x旅遊嚴寬行Frank、TOMOFUN張友辰Victor、LND劉庭瑋David、Reach Network蔡典煜Daniel、Driving Curve黃大霖Tim、CHOCOLABS共同創辦人劉于遜David分享創新應用，及新加坡祥峰投資控股集團章慶誠Jeff，暢談東南亞環境與市場狀況。詳見活動網頁。

延伸閱讀>>數位時代8月號《卡位新興亞洲》全台各大超商書店熱賣中！精采內容詳見雜誌目錄。

生成式 AI 席捲各行各業，但企業導入後「開局精彩、落地失敗」的情況卻屢見不鮮。由於技術與業務脫節、導入週期冗長、人員無法操作等問題，許多專案難以發揮預期效益。2019 年成立的 Data-DI Solutions 看見這樣的斷層，提出「No Code AI + AI Landing」雙軸策略，專注解決企業在導入過程中的落地困境，協助中大型企業以可控成本與快速周期完成導入，帶動實際營運成長。

AI Landing，陪跑企業落地應用

「AI 不是萬能，要能發揮效益，企業必須先有系統化的資料與數位化流程。」Data-DI 解決方案顧問包威棣指出，許多企業導入生成式 AI 時，往往高估技術能力，卻忽略自身基礎建設與後續驗證的重要。AI 若要優化效率，前提是企業先具備穩定的資料與流程架構，否則就像在沙地上蓋屋，難以長久。

Data-DI 的解法，是以「AI Landing 陪跑計畫」協助企業跨越導入瓶頸。顧問團隊從需求定義、流程設計到上線驗證全程參與，協助釐清問題、建立可驗證的導入路徑。透過系統化的四步驟流程，企業可在五週內完成導入，並逐步培養內部使用習慣與評估機制。

包威棣以汽車集團的案例說明，Data-DI 透過 16 小時工作坊，讓員工實際參與 AI Agent 的設計與測試，最終使流程時間縮短三成。「當員工親眼看到效率被釋放，信任與採用意願自然就會提升。」他說。

創立六年來，Data-DI 以顧問式導入模式深耕企業市場，創下 90% 續約率與 120% 續費率，反映其服務在導入成效與信任關係上已獲市場驗證。

AltaBots.ai，實現 No Code 的 AI 應用

若說 AI Landing 解決的是導入成功率的問題，那麼 No Code AI 則打開了使用門檻。包威棣指出，過去 AI 專案常由工程師主導，但技術懂架構、不懂業務；業務懂需求，卻難以轉化為程式語言。「AI 要真正落地，就必須讓最懂現場的人能自己動手。」

因此，Data-DI 推出企業級 No Code AI Agent 平台 AltaBots.ai，即使非技術背景的人也能在拖拉介面中建立 AI 應用。該平台內建超過百種模板，涵蓋客服、行銷、營運與數據分析等場景，並支援主流大型語言模型串接與負載平衡，也協助企業控制 LLM token 成本。

包威棣強調，No Code 的價值不僅是節省開發時間，更在於「讓 AI 民主化」。業務人員最熟悉顧客與流程，當他們能自行建立並驗證 AI 應用，技術就不再是難以摸索的黑盒子，而能持續被優化與調整。Data-DI 也因此打造企業級 AI Workspace，讓團隊能共享應用、協作優化，使 AI 從個別專案進化為組織文化的一部分。

Alta.DI，從客服到行銷的整合式 AI 引擎

Data-DI 的另一核心產品 Alta.DI，則將 AI 能力延伸到顧客服務與行銷前線。平台整合 LINE、Facebook、Instagram及網頁對話框等多通路訊息，協助企業處理大量客戶互動。系統採用 RAG（Retrieval-Augmented Generation）技術與 AI 反問機制，能理解語意並即時優化回覆，避免錯誤生成或資訊不一致。平均來看，AI 可處理高達八成重複問題，搭配 AI Copilot 工作台進行自動派單與知識優化，整體客服效率可提升約五成。

包威棣舉例，旅遊業者在旺季期間客服需求暴增，AI 能即時回覆行程、簽證或退改政策等常見問題，真人客服則可專注於客訴或特殊情境處理。日本社交平台客戶的例子更為明顯，過去近半人力都用於回覆重複問題，導入系統後有八成以上由 AI 自動應答，客服人員得以轉向更具價值的溝通。

與傳統 Chatbot 不同，Alta.DI 不是依賴關鍵字或預設選項，主要靠理解自然語言與上下文意圖；另外，也有 AI 標籤功能，例如偵測到詢價行為時，AI 能自動加註標籤並轉交真人客服報價，讓轉接更即時、更精準。

「企業要做 AI 轉型，首先要讓決策者有信心。」包威棣強調，這些案例也顯示，AI 導入必須與企業策略連結；當企業看見實際成果，不僅決策者會更有信心，也才有機會進一步培養組織內部的使用習慣。

他觀察，2024 年後企業對 AI 的信任度明顯提升，越來越多公司願意編列預算，嘗試讓 AI 與營運流程深度結合。因此，Data-DI 也鼓勵企業採取「小步快跑」策略，從具體場景驗證成效，再逐步擴大應用。

展望未來，他也以「整合」與「習慣」兩個關鍵字描述企業級 AI 的方向。整合，意味著 AI 不再是外掛工具，而要嵌入既有工作流程；習慣，則代表使用者的信任逐步養成。「當員工真的習慣使用 AI，產出自然會更好。AI 和人的關係也將從輔助變成共學。」