[洪士灝] 需要改變的科技人才培育模式
[洪士灝] 需要改變的科技人才培育模式
2015.07.28 | 人物

這兩天在台大辦了一場SDN工作坊(編按:軟體定義網路工作坊),昨天在臉書上貼了一些照片,順便因為助理說報名人數太多,經費有點不足而感嘆。我說:「美中不足的是廠商贊助意願不足,這個活動的花費,會影響到我們後續在系統軟體的推廣活動經費。我跟四家廠商聊過贊助事宜,很花時間,在談的時候他們都說這樣的活動很重要,但是需要回去想想,然後就沒有下文了。廠商如果連花個三萬元贊助這樣的活動都不願意,那麼有什麼立場天天高喊缺人才,有什麼資格說學校不重視產學?

「請大家告訴大家,要支持產學、培養高階實務人才最好的方法,就是直接來支持和贊助相關的教學、研究、服務。如果連起碼的廠商贊助都沒有,那我們拿什麼去告訴學生國內廠商非常需要這個技術和人才,如何去跟國際一流企業競爭?我相信廠商不是不願意,而是沒有習慣去預留產學合作和贊助經費,但習慣是可以養成,產學要進步,不能老是出一張嘴或是撿現成便宜。」

由於只是順便一提,所以寫得很簡短,沒想到後來發生了兩件事:
1. 當場有新創公司的朋友來找我,跟我說他們願意捐款。
2. 某廠商朋友晚上打電話來抱歉,說是公司內部作業程序的問題。

我覺得很有趣,資本額小的新創公司,覺得義不容辭,而資本額大的廠商,似乎是九牛難拔一毛。

這就是我所謂習慣的問題。在台灣,大公司佔了很大的便宜。學生畢業後慣於找大公司,大公司慣於接收學校產出的人才,與前瞻研究相關的產學合作或是教育訓練活動,往往是「醉翁之意不在酒」,著眼點放在:
1. 建立與大牌教授的關係
2. 提高公司在學校的知名度
但科技業在雇人的時候,很多是不大在乎學生在學校所受技術的訓練和研究題目。

為什麼呢?因為台灣先前所謂的科技產業,大家現在都聽說了,叫做科技代工產業,研發的層次不高,因此在這樣的舊時代中,學校教些基本的東西就好,業界要的只是兩個東西:
1. 新鮮的肝
2. 會照著SOP把事情做好的腦,
而且最好是C/P值最高的肝和腦,能夠時常加班在最短的時間內做好長官交代的任務,例如說很快地把別人剛推出的新產品用便宜的方法複製出來。

例如 SDN 這種東西,在傳統台廠的想法中,只是要一些懂操作的IT的人員,或者是等著像做 PC 一樣等著標準解決方案出來,再來做一些簡單的客製化就行了,比較進階的研發項目,像是軟硬體統合設計或是 3S 整合,對大多數台廠來說,還是等國外先做成產品再來以「快老二」的方式追趕就行,所以現在還不急。

業界不急,那學界急不急?政府怎麼做?

第一,學界不急於與業界合作,因為根據過去多年的經驗,學界人士可以完全不靠業界合作而「蓬勃」發展,反正我就帶著學生做理論研究、發表學術論文,集滿點數之後就可以升等,何必跟你辛苦地要錢做產學?

第二,政府自己沒專業能力決定科技發展方向和審查業界向政府提出的經費補助案,所以政府得找教授來審查。找誰呢?當然是找那些論文等身的大師。如果大師跟你募款,請問你給不給?不給面子的話,大家走著瞧吧

第三,什麼題目紅,業界和學界就跟政府要錢成立專案做研發,所以熟門熟路的人都非常會看風向,也得累積人脈。雲端、巨量資料、物聯網、4G、5G,這些名詞火紅的時候,跟著喊就有機會分食大餅,至於實際的研發成果就以後再說了,反正三五年後又有新議題要跟。

因此,學界被詬病不夠務實,也其來有自,那麼產業界怎麼會對學界有信心呢?所以就落入了惡性循環。這樣傳統的作法,讓台灣的科技業界始終侷限在代工產業裡,而且必須勤奮努力做快老二才能生存。過去嚐過甜頭的廠商,拼命想複製這樣作法,還覺得這就是台灣的宿命。而台灣的學界一直在做學術論文,難以與業界實務接軌。

反倒是新創公司的朋友們,才知道人才培育的重要性,願意將資源投注在人才和科技研發上。看到新創公司的企圖心,以及台灣的人才素質,我並不覺得台灣做不出真正的研發和創新的技術。一個健全的科技生態系,需要各種型態的公司和人才,所以我並不是說每個人都要去做新創,而是希望業界能夠擺脫舊觀念的束縛。

有實質的高科技研發需求,才會落實前瞻的產學合作,才會產生真正向上提昇的synergy。不過,高科技研發本來就是高風險的投資,所以沒有安全的道路,可能不大適合想要小確幸的人。我剛剛對旁邊的年輕教授說,走這條路是艱辛的,也是個賭注,就像去做新創公司一樣,沒有保證成功的,要有些創業的熱情。

或許有創業熱情的年輕人,加上有創業熱情的教授,會是比較能夠突破既有框架的作法

支持這些有熱情又肯努力的人,是我們在現階段能夠有所作為的事情之一。

原文轉載自洪士灝臉書

往下滑看下一篇文章
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承

1973 年,良興從台北光華商場一間 50 坪的電子零件行起家,半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過,伴隨規模擴張帶來的不只是成長,還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆,加上跨部門協作頻繁,行政耗損與知識傳承的缺口,成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧,從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營,作為 3C 零售業者,良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能,就是良興第五波轉型的核心命題。」

AI 自動化,從行政細節釋放組織戰力

轉型需要夥伴,而賴志達評估合作夥伴的標準很明確:技術能力是基本,產業知識(Domain Know-how)的深度是關鍵,回饋速度更是最終決定因素。2025 年的未來商務展上,良興選擇攜手 Data-DI,看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的,良興與 Data-DI 合作的第一個專案,就落在最耗費人力、卻最常被忽視的環節:會議記錄。「會議如果沒有產值、沒有效果,對企業很傷!」賴志達說,他每天參加許多會議,但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理,常出現人名誤植、決策遺漏、行動項目無人追蹤,讓會議效果大打折扣。

數智聚(良興)_1.JPG
良興總經理賴志達
圖/ 數位時代

為了解決會議記錄的痛點,Data-DI 業務副總包威棣指出,在導入工具以前,團隊須先釐清三件事:場景是否具備落地價值、哪些流程節點適合 AI 介入,以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問,都決定 AI 能否精準落地。

確認方向後,良興與 Data-DI 成功導入 AI 會議記錄自動化系統,透過模糊比對技術校正語音辨識誤差,並將生成的雙版本報告直接回存至既有資料庫,不僅將行政人員從重複性作業中釋放,也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享,現在他去外部開會也會用這個工具,運用 AI 把錄音轉文字、再整理成簡報,很快就能完成,更令外部夥伴驚艷。「我認為這是很成功的案子!也提醒想做 AI 的老闆們,與其急著搞大架構,不如先從小工具讓公司嘗試 AI,建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後,良興接著切入更深層的營運核心:知識傳承。過去,頂尖銷售經驗長期鎖在少數資深員工身上,新人培訓耗時三個月,員工離職即帶走知識資本。與此同時,網路資訊發達,消費者進店前早已掌握基本規格,3C 通路門市人員要如何發揮更多價值?「我要門市的人不是死背規格,而是面對客人時,能用客人能理解的方式對話。」賴志達說。

為此,Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡,串接教材生成、審核上架、AI 銷售對練與成績回報,主管僅需在核心節點審核;員工透過手機語音對練,系統依口吻、專業度、回應力等維度自動評分。賴志達表示,目標是將新人培訓期縮短至一個月,讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而,要讓這套系統真正運作,得先解決兩個根本問題:資料從哪裡來?以及訓練如何更準確?

「以前大數據時代,講的是資料要大、全、細、實;現在 AI 要做到的是準(準確)、合(合乎場景)。」包威棣說。良興不同廠商提供的素材品質參差不齊,Data-DI 除了整合內部資料,也補充加入外部市場評測內容以填補空缺,再透過人員審核機制過濾雜訊,搭配 agent 架構的多層步驟與知識限定,確保系統能精準提煉對應品類的訓練素材。

數智聚(良興)_2.JPG
Data-DI 業務副總包威棣
圖/ 數位時代

賴志達則看得更遠:「這些教育訓練的內容,也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問,帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中,雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步,賴志達表示,公司各部門很早就建置 Power BI 報表,但數據豐富不等於決策清晰。「數據是土壤,如果沒有梳理,就沒有用了。」因此,他的下一個目標是活化數據資本、推動行銷自動流,以精實的人力持續驅動成長。

數智聚(良興)_3.jpg
良興攜手 Data-DI 推動 AI 落地,以小步快跑模式為企業創造變革。
圖/ 數位時代

包威棣則從顧問視角歸納兩個觀察:AI 導入需要高層認同、由上而下推進,像賴志達這樣持續引領良興走在業界前端的決策者,就是不可或缺的推手;而單點工具的價值,終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構,人員訓練改變了知識傳承的方式。從點狀應用走向企業變革,這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後,對於仍在觀望AI應用的企業,他則建議:「未來 AI 導致的落差只會愈來愈大,人會變成超級工作者,企業會變成超級企業。開始做就對了,先做一個三個月的小任務,降低落差、再急起追上。」從痛點切入、小步快跑,讓組織在實作中累積對 AI 的理解與信任,這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊,請查詢網站:https://www.data-di.com/

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
代理式商務連動百兆商機
© 2026 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