[書介] 連結的價值不是自己說了算!《Google模式》怎麼看?
[書介] 連結的價值不是自己說了算!《Google模式》怎麼看?
2014.12.27 | 創業

望文生義,把「PageRank」的「Page」當成「網頁」,你也有這樣的經驗嗎?其實這個字本來指的是「佩吉」(Larry Page)。布林(Sergey Brin)跟佩吉於1996年提出了這套演算法,後來申請專利,成了Google的核心科技之一。PageRank從此成為一個新的指標,也回應了一個問題:我們如何衡量網頁的重要程度?

還沒跟「關鍵字」扯上關係,PageRank預設的情境是,隨機點一個連結,連到當前這個網頁(以一個網址代表)的機率是多少。細節不論,連結過來的數量多寡會影響該網頁的PageRank,連過來的站本身的PageRank越高,連結送過來的得分也越多。這意味,自吹自擂沒有用,被「大咖」肯定(連結)才有價值,多多益善。

公司價值也可從「其他人的連結」評斷?!

一間公司何嘗不是如此?《Google模式》第一章「文化」提到幾則公司的使命,其一:「透過知識、創造力與我們員工的努力,和我們的客戶建立至高無上的夥伴關係,為我們的客戶創造價值,並為我們的股東創造優異成果。」嗯,雷曼兄弟。「尊重、誠正、溝通、卓越」,安隆。不過本書作者施密特和羅森柏格倒不是要勸你把牆上掛的企業精神銘文撤掉,而是老王賣瓜沒有用。身為Google 的董事會執行主席和執行長,他們主張要相信並貫徹自家的企業使命,只是公司的價值還是得從「其他人的連結」才能評斷。

「其他人的連結」包羅甚廣,最基本的兩種:誰會來工作?誰會效法你的作法?

《Google模式》之為管理書,主要的價值可能在於介紹「智慧創做者」(Smart Creative),分享管理這種人的經驗。作者列舉此類人的特點:

  • 不被特定工作局限(或不被職位所定義的角色或組織架構限制)
  • 不規避風險
  • 善於資料分析
  • 多面向(對本身擅長的幾種專業和商業都有所理解、創造)
  • 不耐煩(因此經常變換工作)
  • 追求卓越

看起來是台灣一般老闆會感到困擾的員工,不過網路服務業多的是這種人,而且我們尤其不該囿於「Google」這個名字帶來的錨定效應,智慧創做者是一種類型,不是「資訊工程師」的別稱,人文與社會、藝術與設計,越來越多人不甘做「第一憨」,拿去給「會社」磅(原諺語中指日治時的日資糖廠,這裡用「會社」的原意:公司)。

能讓這種人甘心待下,倒未必要有Google的營業額,行事、判斷乃至文化上的認同更重要,簡言之,攻心為上。甚至,何苦要人待下,專案合作也挺靈活,更適合中小企業林立的台灣。《Google模式》首尾一貫地圍繞智慧創做者,講「人才」的一章蠻值得老闆和人資部門的朋友參考。

至於誰會效法你的作法?低劣者抄襲,如小米,不過能引來這種專業的抄襲者,多少也能當成一種肯定。更值得注意的是,你的作法是否形成了一種「模式」,形形色色文化迥異的個人和組織,竟然都能將你的模式多多少少移植到他們的土壤裡,結出繁花異果。消費者就是有可能效法你的人,你的產品會不會改變他們的習慣?像Evernote就吸引了不少「筆記移民」,改用Evernote當彙整資訊的工具。《Google模式》分享了不少Google的作法,能照搬的公司自然沒幾間,可是重點從來不在複製,不是嗎?所謂「有為者,亦若是」,化為己用,本身就是一種修藝。

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
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」(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。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

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。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

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。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓