如何改進決策過程？|數位時代 BusinessNext

相信你可能有這樣的經驗，在會議室裡，來自組織裡的各路人馬齊聚一堂，經過冗長的討論，所有的人都還在各說各話，始終無法有個結論，最後的決議，就是下次開會時再做決定。就這樣，每天有開不完的會，討論不完的議題。
這樣的場景在強調由專業經理人負責管理運作的現代企業組織裡非常常見，這些採取團隊運作的組織，不像家族企業，凡事都是老闆說了就算，所有的決定都是在取得共識的情況下產生。這種決議產出的過程，符合現代企業的精神，但是在凡事講求效率的商業競爭中，如何能夠緊抓市場脈動，快速地做出決策，有時候會比做出好的決策更重要。

決策之前要有良好的對話

全球擁有十四萬五千名員工的惠普(HP)公司，在產品生命週期愈來愈短的資訊市場裡，深深體會到決策效率的重要性，因此特別花了兩千萬美元引進一套「動態領導」(Dynamic Leadership)的課程，讓全球一萬兩千名的管理人員都進行相關課程訓練。這套課程運用在協助跨部門、跨領域的決策會議上時，效果最為顯著。
擔任惠普大中華暨東亞區教育訓練協理的隆佳慧指出，惠普的人力資源部門規劃了非常多種教導員工如何做決策的課程，針對不同層級的管理者，給予不同的訓練，但是唯有動態領導課程，最讓同仁獲益良多。
「形成一個決策要包含三個部分：專業知識、判斷和溝通，」隆佳慧進一步分析說，專業知識是最基本也是問題最小的部分，因為員工要知道這個決策會產生多少營收？需要多少行銷費用？對於市場占有率的影響為何？在做跨領域溝通時，知識只是形成對話的工具，而在做出判斷之前，就需要參與者運用系統化的思考來解釋，形成對不同提議的評價，但是要做出決策關鍵則是在「良好的對話」。

討論之中聆聽多數的意見

但什麼是「良好的對話」？如果請教育訓練、管理學的專家來解釋一定會有各種答案，市面上更是不乏相關的參考書籍與教材。儘管可以佐證的理論有無數種，惠普卻採取最直接、最有效的「情境模擬」：首先是將經歷、資歷接近的管理人員齊聚一堂，再跨部門打散，分成四至五組，每組人數不等，依據指定題目，進行四十五分鐘的討論後，各組提出一個企畫提案，再各自上台為自己的提案進行簡報，最後挑選一個提案做為決策的結果。
「討論的過程裡，可以看到每一組人馬都在盡力地sale(推銷)自己的點子，如果被接納就會很高興，無不希望自己的想法被採納，」曾經上過這個課程簡易版的企業公關品牌經理李惠菁說，跨部門討論的時候，會看到各部門不同的思考邏輯。
「這個課程重點不在於決策的結果，而是決策形成的過程，」隆佳慧說討論過程中，會有兩名外部指導員在旁邊不停地紀錄每個人的反應，例如A和B如何為一個觀念僵持不下，C在一旁敷衍了事，而D則是靜坐一旁玩弄手機等。
討論結束後，外部指導員會給予「回饋」，也就是根據記錄提出詢問，例如當A和B爭執時，問B剛剛是不是覺得受到傷害，再反問A剛剛為什麼口吻要這麼尖銳？就連沈默的C和D也會被追問為什麼不參與討論。「當事人被講師詢問的第一個反應都是「啊！我有這樣嗎？」，」隆佳慧指出，「這種像是照鏡子般的提醒，往往讓很多人知道原來自己過去在討論時，都是堅持己見，而沒有真的就事論事，才知道是溝通方法有問題。」

加速決策，要問對的問題

「在群體決策的過程裡，很多時候大家忙著推銷自己，不知不覺就會繞著議題原地打轉，」隆佳慧說，甚至更多的人在參與會議時，可能會因為提議被反駁，就放棄原來的想法，失去繼續討論的勇氣。
「在進行情境模擬前，大家都聽了很多關於決策的理論，但是在講師提醒後，才會真正明白溝通技巧應該如何使用。」隆佳慧自己則是因為負責安排訓練陪同上了數次課程，在講師一次又一次的提醒裡，對於自己在會議裡的發言方式也有極大的轉變。
「以前我很怕衝突，只要會議裡有人爭吵，就會嚇得不敢說話，」隆佳慧說，「但是現在只要有爭執，我反而會開始覺得興奮。」隆佳慧日前受邀參加一個跨部門的會議，當主席為了執行前次會議的決議，而和台下的人開始激辯時，隆佳慧卻開始發問，並且運用動態領導課程裡學到的對話技巧，適時地丟出問題，讓大家重新腦力激盪，會議結果不但推翻前次決議，而且很快地幫助大家找到共識，做出可以滿足多數人的決策，「靠問對的問題，進行良好的對話，就能縮短決策的過程。」
「很多主管分享在工作裡運用溝通技巧的實戰經驗，除了可以讓組織變得更有效率外，也帶給自己更多的成就感，」隆佳慧說，這樣也可以幫助每一個惠普員工，讓他們覺得自己在工作上更有價值。

隆佳慧 1967年生，台大國際貿易系畢業。1989年進惠普，擔任過HP Taiwan徵信收款暨進出口部經理、大中華暨東南亞教育訓練協理，目前擔任HP北亞教育訓練協理。長期駐守中國大陸，負責兩岸三地、東南亞各國等跨國人才教育訓練。

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。