10X 工程師|數位時代 BusinessNext

本文授權轉載自Oceanic / 海海人生，作者為曾小海，擔任「StreetVoice 街聲」技術總監，喜歡獨立音樂，平時除了寫程式之外也從事音樂創作。最近專注於專案、管理、領導相關議題，每天上下班通勤都用 Audible 聽有聲書，持續努力學習，期待大部分的事情都可以做好做滿。

最近時常看到「10X」這個字眼，像是我最近在聽的有聲書 The 10X Rule，或是 Quora 上面討論的 The 10X engineers，10X Management⋯⋯等等。

圖說明

10X，有點像是幾年前常聽到的，誰誰誰「一個打十個」，而這些一個打十個的工程師，大部分都是在某些創業公司當起技術扛壩子的人，憑著一己之力，撐起一片天，以一般工程師達不到速度，以及超越同儕的經驗值，打造出受矚目的軟體、網站、甚至產品，因而闖出一些名聲。

所謂的 10X 工程師，就是一個打十個

而就我的理解跟親身體驗，以及身旁的一些高手，所謂的 10X 工程師就是⋯⋯

時間花得比你多、看文件的速度比你快、理解能力比你強，無時無刻都在思考怎麼解決問題，也因為時間花得比一般工程師多、學的東西多，所以經驗也就是一般工程師的好幾倍，而且因為經驗多，他們知道真正的問題在哪，能夠快速解決問題，所以解決問題能力強⋯⋯

最重要的是，這些 10X 工程師他們熱愛寫程式！

以前我被一些大大說是一個打十個，當然自己覺得這些大大才是真的厲害，比我厲害多了，然而最近這幾年開始做起所謂的管理職後，開始面試一堆工程師，以及帶一些新手、老手後，才開始體會到一些事情，不是所有工程師都這麼熱愛寫程式。

像是⋯⋯有些工程師的興趣其實並不是寫程式，有些人下班後不寫程式，不研究新技術，也不看文章，也沒有想要自己打造任何產品或是創意，他們只在上班時間寫程式，在上班時間才研究技術。

或者是有些人，說著自己有一些想法，想要變強，可是卻抽不出時間，因為他們會想要看電視、玩遊戲、看漫畫，或是有自己其他的興趣。

不是說這樣不好，有自己的人生很好，非常好，只是不會是所謂的10X工程師。

這就端看個人選擇，就像是最近 Twitter 很流行的一句話，「This could be us but you are playing.」

This could be us but you playin' pic.twitter.com/nuJgeXlGxu
— Sexual Gifs (@iLikeSexDaily) 2016年5月18日

你也可以選擇這種的人生，而不是10X工程師，當然，如果可以像上圖那樣，我才不想要當什麼10X工程師呢！

This could be us，but you are coding！

這句話聽起來實在是太悲慘了，是不是？

當然，老實說我自認並不是所謂的技術高手，而且我第一份工作還是做音樂，當樂手到處表演。所以想到剛開始做寫程式的工作的時候，真的是超弱的，當時連 GET / POST 都搞不懂，被主管問到，想要呼嚨過去，被抓包還冒冷汗 XD。

不過為了想要變強，而且也是真的覺得有趣，所以我花了超多的時間在學習技術上。

在第一份工作因為學不到東西後，選擇題離職時，主管對我講過一句話，讓我印象深刻：「公司跟不上你發展的速度。」

自從開始工作後的前5年，我沒有所謂的娛樂，因為打造產品、寫程式就是我的娛樂，連六、日都在寫程式，從起床後到睡覺前，幾乎全部的時間都花在寫程式、或是學習新技術、打造自己想要的產品，做自己覺得有趣的東西，例如：

還活著的 twitthat.com
已經關站的 StickerAction
不繼續維護的 MyAudioCast
被告後關站的小海嚴選
甚至還有其他一堆個人專案
或是自己的開源專案還有放在公司的開源專案

以上這些網站、產品，除了讓我有機會到處去演講之外，也因此多了一些工作機會，也認識很多技術高手。除了程式設計之外，我也累積了很多的產品設計的想法跟經驗，而我覺得自己最擅長的就是，很快速的把想法從無到有打造出產品，而且產品會有人用，甚至還可以活上很多年。

當然，我覺得 10X 工程師其實有各種面向，有些人擅長運用各種技術快速建構出產品，因為他們平時就看非常多的技術文章，也玩了很多相關技術，他們知道哪些東西可以幫他們快速打造出產品。

也有人專研技術專研的很深，雖然沒有做出自己的產品，但是因為功力深厚，也是人人尊敬的大大，在所屬的公司也擔綱扛壩子，或是技術主管。

所以所謂的 10X 工程師，即便我覺得有各種不同面向，但重點還是一個⋯⋯

對於技術、寫程式有超越一般人的熱情，而且覺得有成就感。

而你，覺得對10X工程師這個名詞，有沒有什麽其他見解，或是其他定義呢？說說看吧！

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。

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。

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。

10X 工程師