多數創業者缺乏的4項技能|數位時代 BusinessNext

創業者是一群獨特的人，但是他們的行事有一定的模式。事實上，從我們所作的研究來看，大部分連續創業者，都展現了說服力、領導力、個人擔當、目標導向和人際關係技能。但是在同一項研究中，我們也發現這些創業者所未具備的一些技能。

為了重複使用我們的方法，我們先找一些確認為連續創立新公司的創業者做為受試者，根據他們具備的個人技能進行評估。接著再將他們與一個包含17,000人的控制組作比較。和之前一樣，我們根據受試者在23項與工作相關的實用技能高低來加以評估，看看他們的技能是充分發展、已有發展、略有發展，或是需要發展。

在分析資料之後，我們發現，大部分連續創業者缺乏四項不同的技能，有三項技能在統計上很重要，還有一項技能也明顯欠缺。統計上的重要性，是通過比較排名最低的技能與頂尖技能所得到的。

同理心是連續創立新公司的企業家最缺乏的特質之一，創業者為人們創造事物和解決問題，但是根據這項研究，創業者如此做是想要得到投資報酬。創業者在某個知識水準上可能具有強烈同理心，因為他們想要製造出可以協助別人的產品或服務。但這通常也與因為花費時間和工夫而獲得報酬的企業家相關，有強烈同理心的人們通常不會期望獲得報酬。

一心創業的人們不擅長於自我管理和時間管理。在多項工作中，管理個人日常事務，可能使得完成更大的公司目標受到阻礙，而公司目標對創業者相當重要。由於創業者手上通常有許多項目同時進行，他們根本沒有空對每一項項目事必躬親。他們通常需要有人協助管理日常事務，而且應該要雇人或是把這些事指派給精通這項技能的人員。

這促成了創業者缺乏的另一項技能：規劃和安排。和自我管理類似，如果創業者花時間規劃和安排每一項工作或會議，他們絕對沒辦法完成其他任何事情。同樣地，創業者應該雇用人員來管理他們的行程、安排會議和活動，避免辦公室雜亂無章，並且協助他們按照預定時間行事，這樣就可以讓他們處於優勢。

在解決問題的分析能力上，創業者也沒有勝過控制組。他們面臨高度功利主義的激勵因素(潛在的未來收益、金錢報酬、新產品或點子)，所以他們的焦點通常集中在快速作出決定。他們在決策上有急迫感，根本沒有時間收集和分析資料。他們把數字視為阻礙，而他們是應該如此──每一個告訴他們某個想法不會奏效的人，都已經使用資料和邏輯來說明那個論點。例如，馬丁·路德·金(Martin Luther King Jr.)曾說“我有一個夢”，他並沒有說“我有一個計畫和戰略”。企業家擁有願景，但需要雇用人手來建立可行的戰略並且加以執行。

一心創業的人們擁有一套明確的技能，這些技能促成了卓越的領導力和構想。但也許，他們尚未掌握的技能也同樣重要。瞭解那些缺點之後，創業者就會懂得在身邊多安插一些擅長那些領域的人才，借此取長補短。身為領導者，瞭解別人的長處，用他們來彌補自己的短處，是發展優良團隊以執行宏大願景並且達成目標的關鍵。

轉自：創業邦/Bill J. Bonnstetter

延伸閱讀：
12/12【2013 Meet Neo Star創業之星Demo Show】12/10 17:00截止報名
當天活動精彩，有Business Models Inc.執行長Patrick van der Pijl演講「創新創業與商業模式」，優必達科技總經理郭榮昌演講「挑戰巔峰，實現創業藍圖」，25組創業團隊各從軟硬整合、實用工具，到社群服務、行動應用等領域demo創新服務，以及17位專家評審團提供觀點。請把握2013年最後機會，補充你的創新創業能量！
時間：12月12日(四)9:30-16:30
地點：台大醫院國際會議中心，台北市徐州路2號2樓
詳見活動網頁及報名方式

AI 智慧代理人時代來臨！三大導入階段， AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」。

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」（Agentic AI），在最少人為干預的情況下，自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾，而是需要對AI有正確認識，並制訂循序漸進的導入流程，才能真正發揮AI功效。在2025台灣人工智慧年會中，cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段，深入剖析企業如何從概念驗證（PoC）階段，逐步推進到實際上線（Production），並分享實務經驗與觀察。

延伸閱讀：生成式AI可以怎麼用？cacaFly現身說法，助企業應用GCP服務智慧轉型

解鎖 Agentic AI，企業邁向多任務智慧代理

「很多公司會問，One AI 要做什麼事？但實際上，若要讓 AI 回答公司內部政策或新法條的相關問題，僅靠基礎模型並不足夠。」吳振和指出，要讓 AI 真正成為能「做事」的智慧代理人，前提是它必須理解企業內部的脈絡與知識，並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符，這意味著系統必須具備持續爬取與解析最新資料的能力。為此，企業必須先截取與整理內容，再建構成專屬的知識庫（Knowledge Base），確保資料品質達到可用標準後，再透過檢索增強生成（Retrieval-Augmented Generation, RAG）技術，使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀：從資料清洗到 RAG，大型語言模型的必需品，做出專屬企業的 AI 知識庫！

吳振和強調，這是一個動態循環的過程：從資料蒐集、品質控管、知識庫建構到生成應用，每一環節都息息相關，任何一處鬆動都會影響最終產出的準確性與可信度。

破除「一次到位」迷思，從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望，因此常將 PoC 視為年度計畫的重點，希望能「一次到位」做出具體成果。但吳振和提醒，若缺乏清楚的系統工程思維，PoC 容易淪為「概念展示」，難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程，分為三個關鍵階段：

1.第一階段：可行性評估（Feasibility Study）
企業必須在投入資源前，先明確界定「最需要被 AI 解決的關鍵問題」是什麼，並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性，更要從商業目標出發，釐清導入 AI 的具體使用情境、預期成效與風險邊界，如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段：系統設計與驗證（Design & PoC）
在確定導入方向後，必須規劃清楚資料蒐集與整理流程，確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調，這個階段不能只追求展示效果，而應以「產品化思維」來構築 PoC，使其具備可擴充性、可維護性及安全性，才能為後續上線打下基礎。

3.第三階段：產品化與營運（Production & Operation）
當 PoC 驗證完成後，進入正式上線階段，挑戰也隨之而來。除了需要整合企業內部系統與流程，還必須建立持續監控與維運機制，確保模型表現隨時間演進不會劣化，並能快速回應法規變動或資料更新的需求。吳振和指出，這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

建立模型優化根基，打造高品質的黃金資料集

吳振和特別強調，要讓 Agentic 系統工程真正發揮效益，企業必須先建立一套高品質的「黃金資料集」（Golden Dataset），作為模型評估與優化根基。他指出，黃金資料集的價值在於能為模型選擇與前測提供客觀依據，讓團隊能針對不同任務挑選最適合的模型，避免導入初期就誤踩方向。

同時，黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點，進而快速回應「模型飄移」（Model Drift）的風險。吳振和說明，所謂模型飄移，指的是即使模型本身未經改版，效能也可能隨著環境與資料變動而突然下降，導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果，團隊才能即時察覺效能衰退，並進行迭代更新，確保系統長期穩定運作。

從小規模應用起步，漸進擴展至核心業務

吳振和分享，在實際輔導企業導入 AI 的經驗中，最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證（PoC）階段即可呈現完整的產品原型，然而實際情況顯示，若企業未能建立完善的資料架構與流程基礎設施，即使短期內展現亮眼成效，也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時，應採取漸進式策略，從小規模應用場景著手，逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節，而非獨立的一次性專案。

AI 的導入不僅是一場技術升級，更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局，才能確保 AI 能在企業內部真正「落地生根」，創造長期商業價值，成為真正的智慧代理人。