[曹家榮]用Line溝通錯了嗎?溝通可不是「鉤了」就會通!
[曹家榮]用Line溝通錯了嗎?溝通可不是「鉤了」就會通!
2016.05.04 |

官員們會用Line難道不是好棒棒?

「已知用火」是鄉民們經常用來嘲諷人資訊落後的用語。不知道以後會不會有人用「已會用Line」來嘲諷人畫虎不成反類犬?

隨著新內閣即將走馬上任,前陣子的新聞報導提到,這些官員們為了讓彼此之間的溝通更順暢、即時,打算效法柯市長建立行政團隊的Line群組。

此消息一出,非但沒有引來「好棒棒」的嘉獎,反倒是讓一群科技、媒體、網路專業人士大肆撻伐了一番。像我最喜歡的一篇,就是鄭國威的〈給用Line治國的寶寶們〉(標題就戰意十足!)。

除了過去柯市長在使用Line「駕馭」其團隊時就已引發的超時工作爭議外,此次行政團隊效法用Line引發最主要的批評就在於資訊安全的問題。

當然,既然已有資安專業人士跳出來講話,而準閣揆也迅速地反應,改口說「擬」改用工研院自己新開發的通訊軟體,這篇文章也就不會再巴著資安問題不放。

不談勞動,也不談資安,這篇文章回到最基本的問題:談溝通。雖然可能不會用Line,但看來新內閣還是會採用通訊軟體輔助治國。但問題是,這些即時通訊軟體真的適合用在團隊溝通上嗎?

溝通這檔事,不是「鉤了」就會通

圖說明
圖片來源:Pixabay

「溝通」這檔事,大概就跟愛情差不多,都是快要被各種「大眾學」嚼爛的一個主題。我們經常在說,溝通不是那麼簡單、溝通是一門學問。可是我們又經常想也不想地就說,我們要促進有效的溝通!問題是,怎樣才算是「有效」呢?

作為一個社會學家,每每聽到這類「促進有效溝通」的宣稱,都不免要打個冷顫。這麼困難的事情,怎麼總是被看作是很簡單的目標一樣?彷彿只要建立溝通管道,讓各方交換意見,事情就達成了一樣。

假設我們所想的「溝通」就只是純粹的訊息交換,也許事情可能是如此簡單:某A直接或透過中介將訊息傳遞給某B,某B接收後再直接或透過中介回傳訊息給某A。

但是,如果我們再深入探究這個過程,卻馬上可以發現其中有著不少難處。首先,最根本的問題是,某A跟某B是兩個獨立的個體,這意味著他們必然有著或多或少差異的生活背景。這意味著他們在用語上的習慣、對於某些概念意義的理解不必然相同。

例如,有些人會認為「好啦,再看看!」意味著:我雖不滿意,但就這樣吧。但有些人則是覺得這是在說:你好煩,我不想理你。

換言之,作為獨立個體的某A與某B可能在一開始就在用語、事件的理解上有著主觀意義上的差距。同時這樣的不一致可能不一定會被察覺,因為我們總是認為他人「應該」跟我是一樣的吧!

假設我們可以克服這個根本的問題,我們還得面對第二個難題:語言本身具有脈絡性。也就是說,我們所說的話、用的詞彙背後經常是牽連著一整個脈絡的。而這些脈絡對方卻不一定完全知曉。

缺乏共同的脈絡,不僅容易使得對話難以理解,更可能因為缺少關鍵資訊而導致誤解。當然,這個問題也可以解決。只要溝通各方有充足時間、善意與耐心相互補足脈絡。

最後的最後,即便我們克服了前兩道關卡,還是得面對最後一個問題:如何確保對方是真誠、毫無虛假地在進行溝通?這一關於真誠性的問題除了仰賴人與人之間的信任外,我們唯一能夠確保的手段就是,透過話語之外的其他資訊來進行判讀。

例如,坊間最常見的那些「教你讀心術」教學,不都在說要看眼睛、看手、看腳、看姿勢(就差沒有要看鼻孔了…)。其實這些方法就是要教人如何從所謂的肢體語言來判讀話語的真誠性。

你知道、我知道、獨眼龍也知道,溝通的難題絕不只有上述這三個。例如,我還沒談到人與人之間權力位階的差異又會如何破壞溝通。但是,單單這三道難題恐怕就足以讓我們理解:溝通絕非易事。如此一來,你還相信那些即時通訊軟體真的能有效促進溝通嗎?

即時訊息的「技術特性」

不能否認的是,即時通訊軟體確實讓訊息的交換更加容易。從媒介理論的角度來說,即時,甚至是即刻的傳遞、交換訊息,這是Line、Skype、WhatsApp等即時通訊軟體都具有的最大優點。

但是我們也不應忽略這些即時通訊軟體可能都具有的一些缺點,特別是當我們想要做的是「溝通」,而不只是交換訊息而已。

就像讓人們可以即時、即刻傳遞訊息,即時通訊軟體在溝通上的缺點也源自於其技術特性。第一,多數的即時通訊軟體都是以「時間序列」的方式呈現對話。也就是說,你的手機、電腦螢幕上,會依照傳訊的時間先後由上而下排列雙方或各方的訊息。

這在只有兩個人對話狀態時,不會有造成太大問題。但是當場景轉移至多人群組對話時,這樣的序列排列就會隨著人變多而導致畫面的混亂。例如,某A沒有說完的一句話,中間可能便會穿插著某C、某D、某某某的話,增加閱讀的難度與誤解的可能。

你也許會認為,這樣的問題應該在面對面多人溝通場景中也會存在,不應怪罪即時通訊軟體。然而,實際上我們還得考量到即時通訊軟體的另一技術特性:不像面對面說話那樣,我們在Line、WhatsApp上說的話,都是要在「說完了」才會傳出去。

也就是說,不管我們在自己螢幕上輸入了多少話,在按下「enter」以前,對方是看不到的。如此一來,這不僅意味著即時通訊軟體對於說話者來說有著時間的壓力,而壓力一大就容易語無倫次;同時,那個沒有辦法被察覺、理解的等待空白也更容易被插話,進而損害話語的可理解性。

接連著,我們之所以無法察覺、理解到底某A說了一句話後的空白是句點還是逗點,又涉及了即時通訊軟體第三個(也是最為根本的)特性:它是將口語化約為文字的對話形式。

如果我們將面對面溝通、電話交談與即時通訊三者排列一個光譜,可以發現這是資訊含量由多至少的一個排列。在面對面溝通場景中,我們不僅可以聽到聲音,還可以捕捉身體姿態透露出來的訊息。而電話交談雖然看不見人,但至少語調、聲線還是傳達了字面之外的資訊。但是化約為文字對話的即時通訊,既失去了肢體的言語也抹去了語調的補充資訊。

因此,我們不僅無法知道某A那一句話後的空白到底是不是句點,甚至很常見的狀況是:我們變得容易誤解或懷疑他人所說的話的意義。例如,當某人在Line上回了你一句:「不用麻煩了」,這是什麼意思呢?是客氣地婉拒幫忙,還是略帶不高興的拒絕?抑或著就是單純字面上的意義?

別沉迷於「效率至上」主義

我相信應該不難想像,即時通訊軟體這三種技術特性結合起來,會對溝通帶來多大困難。它不僅使我們要花費更多力氣來解釋脈絡資訊,更可能導致我們在真誠性的問題上束手無策。

因此,也許即時通訊軟體在所謂的「效率」上確實有其長處。但倘若一個團隊的目標真的是要「溝通」,而不只是傳達訊息(命令)的話,那麼,也許我們必須認知到,像Line這種即時通訊軟體其實只提供了「率」(速度),但在「(有)效」上恐怕是大打折扣的。

雖然我認為新內閣如此宣揚自己要用Line來促進團隊溝通的目的,如果不是想要模仿柯文哲,就是企圖透過採用「新」科技來淡化自身「老邁」的特徵。但我們還是得小心,以免結合柯式的效率主義後,還真讓人以為Line是什麼溝通神器了。

關鍵字: #LINE
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

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