工程師揭5大原則，讓只有13人的Quip打造跨8平台產品|數位時代 BusinessNext

1. 建造一次，使用多次

如果必須不斷修復所有八個系統的漏洞，那麽公司的發展只會嚴重拖累，鑒於此Quip很捨得在資料蒐集和軟體設計方面投資。

例如，Quip用自動生成數據序列碼完成許多例行程序，經由Protocal Buffers讓資訊能夠自動以網路程式語言寄給在地客戶，並同時傳送給JavaScript的設計師。如果使用的是語言特定數據結構或是JSON，反而會使溝通平台既乏味又容易出錯。

2. 雇用網絡薦人有優勢

Quip網羅了一組資深團隊，大部分的人擁有六年以上的工作經驗，約一半的人則在圈子裡打滾10年以上。公司幾乎不用花時間訓練員工，也較能避免犯錯，還能快速完成網路版面測試A/B Testing或其他系統監控，畢竟這已經是第二、三遍執行該程序了。

3. 大量投資工具

工具的好處能夠日月積累，在Quip，透過許多工具讓公司發展地更快速。例如，將漏洞聚集起來的儀表板、審查應用軟體情形的工具、分析符碼與抓取普通錯誤的掛鉤以及一些能夠自動處理例行任務的程式。公司也設有內部工具，它讓Quip與客戶之間的溝通更方便，我們總能在短時間內回覆每位客戶的提問。

4. 役其所長，避其所短

Quip有堆積如山的待審和改進清單，但時間和資源卻非常有限，因此勢必要避免做白工，「認清我們不要做的」就和「做我們該做的」一樣重要。在這方面，客戶的意見回饋很珍貴。在A/B Testing中，Quip努力將意見分化成較細且可測的眾多假設，藉此辨識出哪些是不必要的設計。

5. 減少團隊溝通的障礙

寄信和開會是工程師典型的溝通方式，所以Quip決定不採行這兩樣做法，只有在遇到緊急狀況才會寄信提醒同事。另外，每週只招開一小時的全體員工集會，彼此分享工作進程或是做一些demo等等。比起開會，Quip更傾向於設定議題，如此便能聚焦事件，並迅速結案。

在日常的溝通裡，當然用自家設計的的文件檔案、列出任務清單、顧客意見和進行交流。也替Pager Duty、Zendesk、Twitter、GitHub等打造類似的內部溝通系統。

例如，若有位推特使用者貼了一則@QuipSupport的訊息，Quip就會掃瞄公司裡的推特頻道，並找出問題癥結，最後向一位Quip工程師確認該錯誤是否為新型漏洞。由於信件中的訊息很容易遺失或阻絕，反觀Quip的文件能夠輕易地在團隊中轉貼，每份依附在文件夾裡的評論和討論也都保有歷史紀錄，隨時查看都不成問題。

為何台灣製造業在「智慧製造」卡關？AWS白皮書點出問題，提供實踐最佳解

AWS 最新《全球地緣新局時代下的製造戰略：台灣產業韌性與轉型關鍵策略》白皮書，剖析製造業在全球地緣政治與市場變化下的挑戰與機會。

全球製造業正處於前所未有的挑戰中，從勞動力短缺、供應鏈脆弱，到淨零碳排與數位轉型需求的成長，每一項趨勢都正重新定義產業格局。對此，AWS 發布《全球地緣新局時代下的製造戰略：台灣產業韌性與轉型關鍵策略》白皮書，深入剖析製造業在全球地緣政治與市場變化下的挑戰與機會，提供台灣製造業適合的落地策略與最佳實踐方法。

《全球地緣新局時代下的製造戰略》白皮書限時下載

擔心無法回本、缺乏知識技術，台灣升級「智慧製造」卡關中

台灣製造業在全球供應鏈中扮演重要角色，但同時面臨地緣政治風險、技術門檻高、人才缺口大等多重挑戰。其中在供應鏈韌性方面，壓力更為顯著。根據英國營運持續協會統計，全球近 8 成企業在過去 12 個月曾遭遇供應鏈中斷事件，凸顯全球供應鏈的脆弱，台灣製造業也難以倖免，特別在國際局勢不確定性與在地原料依賴度高的情況下，會進一步放大成本與交期風險。

生成式 AI 應用快速擴展，預計 2025 年台灣企業導入將進入早期大眾階段，並以半導體產業為先導，逐步擴散至其他領域。DIGITIMES 調查顯示，已有 18.1% 的企業採用生成式 AI，並積極用於改善營運效率與產品良率，然而仍有 31.5% 的企業尚未規劃導入，主因包括成本考量、缺乏知識與技術、產業需求不明確，使企業在大規模部署時保持謹慎態度；資誠聯合會計師事務所發布的《2023 臺灣企業轉型現況及需求調查》也顯示，37% 的企業擔心智慧製造投資報酬率過低，30% 缺乏導入知識與技術，27% 不清楚如何實踐，導致智慧製造推動困難。在電子製造業迫切需要專業人才之際，許多產業面臨預算與數據分析能力不足的窘境。

此外，勞動力老化也是台灣製造業的問題。以國發會數據估算，2030 年台灣 50 歲以上就業人口將達 23.8%，導致技術傳承與產線穩定性受衝擊；同時 2050 年淨零碳排目標，迫使製造業必須進行碳盤查與能源優化；加上雖然 9 成企業已啟動數位化，但多數仍停留在營運系統，生產端 IoT 與 AI 應用不足，數據價值未被充分釋放。上述都恐將成台灣製造業升級的阻礙。

全球製造業大變局，智慧製造成關鍵突破口

根據媒體《DIGITIMES》研究，全球智慧製造市場規模將從 2024 年的 3,212 億美元，快速成長至 2033 年的 1 兆 1,583 億美元，年複合成長率高達 13.7%。在社會和全球趨勢的推動下，不只對台灣的製造業帶來新的壓力和挑戰，同時也催生了產業升級需求。

所幸，隨著智慧製造的 4 大技術日益成熟，替台灣製造業帶來更多可能。目前，IoT 透過連接感測器與生產設備，已實現即時監控與資料收集，並支援預測性維護與生產最佳化。世界製造業基金會報告顯示，IoT 已成企業智慧製造的首要投資項目；此外，智慧製造上，AI 現已被廣泛應用於品質檢測、生產流程優化與預測性維護，企業若結合機器學習、深度學習與生成式 AI，即能以數據驅動決策，提升生產靈活性並降低成本。

同時，隨著「數位雙生」的發展，企業可藉其進行「虛擬試錯」與「情境模擬」，在導入新技術前，先模擬其對現有產線的影響，或預測潛在風險與資源耗損，避免浪費；另外，在 AI 大規模應用下，數據隱私、安全風險成為顧慮。「主權 AI」確保企業在可信的基礎架構中進行數據分析與模型訓練，降低數據外流風險，並支援在地資料中心部署，以滿足低延遲、高安全需求。企業若在產業升級中，將智慧製造的 4 大技術整合，即能在自家領域有效推進。

《全球地緣新局時代下的製造戰略》白皮書限時下載

加速轉型關鍵夥伴登場！AWS 台北區域重磅上線

AWS 作為全球雲端運算領導者，深耕台灣市場多年，成為製造業升級「智慧製造」的鑰匙之一，提供全方位資料策略、生成式 AI 創新、敏捷性等多種解決方案，協助製造業突破瓶頸。

過往製造業資料分散在 IoT 裝置、舊設備、資料湖、雲端資料庫與內部系統中，缺乏統一結構與命名規則，也受到組織文化與部門隔閡影響，導致難以擴展或有效利用。藉由「AWS 工業資料經緯」框架，能支援多來源數據關聯與脈絡化，可用於分析、AI 模型訓練與數位應用程式開發，讓資料運用最大化。藉由 AWS 的高性價比基礎設施與豐富合作夥伴網路，企業可大規模部署生成式 AI 應用。

製造業期待透過生成式 AI 來加速產品開發、提升營運效率、優化供應鏈並強化客戶體驗。AWS 提供完整 AI / ML 服務，支援模型建置、訓練、推論與部署全流程，助企業快速、安全落實 AI 應用。企業可將專有資料導入基礎模型，進行微調與最佳化應用。

同時，為協助製造業在全球市場中維持高度韌性與營運敏捷性，AWS 已於 2025 年初在台灣設立全新 AWS 台北區域，涵蓋三個可用區，將使企業能就地處理與儲存必須留存於台灣的資料，確保資料主權與合規性，同時降低延遲、提升應變速度。AWS 預期將在台北投入數十億美元於營運、基礎設施與客戶支持，幫助製造業數位轉型。

立即下載 ➤《全球地緣新局時代下的製造戰略：台灣產業韌性與轉型關鍵策略》
掌握產業趨勢、實戰案例與資安關鍵策略，打造下一階段的製造業競爭優勢！