小兵立大功！三大心法讓Supercell坐上全球手遊霸主|數位時代 BusinessNext

心法一：專注致勝

Supercell初期並非一帆風順。2010年，他們推出的第一款作品《Gunshine》是MMO（大型多人在線）遊戲，主打跨平台策略。當時FB網頁遊戲正當紅，《Gunshine》面臨Zynga旗下《開心農場》的強力競爭，表現不算亮眼。Supercell也很快的發現MMO類型的遊戲在行動端的體驗不好，多平台策略並不實際，也難以長久留住玩家。即便仍有利潤，他們依舊選擇終止產品。這個失敗並沒有讓Supercell卻步，他們迅速調整產品核心，鎖定當時仍是藍海的手遊開發，這也成了Supercell後來取得重大成功的關鍵，隨著行動浪潮襲來，Supercell趁勢崛起，以2012年推出的《部落衝突》登上巔峰，反倒是曾經的強敵Zynga，卻因缺乏行動策略而走向沒落。

以玩家使用的裝置來看，因為手機具有輕薄短小趨勢，未來手遊的消費支出潛力最大。

心法二：擁抱失敗

為了成就目前這4款手遊，Supercell過去6年來砍掉了14款產品，平均做壞了4款產品，才會得到一款成功的遊戲。「不好上手、玩家反應不好、無法長久發展...」對Supercell而言，砍掉產品的理由有千百種，擁抱失敗對Supercell來說稀鬆平常，甚至還是一件值得開香檳慶祝的事。探究原因，與芬蘭接受失敗的文化息息相關。Supercell在誕生之初就決定擺脫傳統遊戲公司的包袱。傳統遊戲公司砸了大筆研發資金，即便預見產品不可行也很難收手，而是繼續砸資金優化；Supercell卻非常果斷，他們一次開啟多個產線，讓產品進入測試市場，一旦產品不能保證成功就會砍掉重練，再回頭探討失敗原因。因為Supercell相信，積極接受失敗、擁抱失敗，才能獲得未來更大的回報。

心法三：全球化思維

「野豬騎士來喔！」在台灣的你想必對這句廣告台詞非常熟悉。在等捷運時、在公車上、在電視廣告中，都能見到《部落衝突》的角色出現在你眼前。手遊的優勢在於沒有國界，因此Supercell一開始瞄準的就是全球市場，近年來也砸下大筆預算進行在地化行銷。包括在大中華市場請來林志穎、林俊傑與高圓圓三位代言人，「野豬騎士來喔！」也結合在地化配音，增加民眾的熟悉感等；在北美市場，邀來《即刻救援》男主角連恩尼遜主演廣告，強化《部落衝突》中的「復仇」形象。

（連恩尼遜說：等著吧！我等不及要摧毀你的部落了！）

全球化思維更落實到Supercell的產品上，新作《皇室戰爭》一上線就支援15種語言，成功在全球超過100個地區取得過下載量第一名。現在，全球只剩下吐瓦魯沒有人下載過Supercell的遊戲。《皇室戰爭》一上線時，更獲得App Store、Google Play雙平台的禮遇，登上250國推薦版面，一口氣接觸到數千萬玩家，為Supercell省下大筆行銷預算。品牌形象加上與平台的相輔相成，讓遊戲一推出就如炫風般席捲全球。而在獲得騰訊的注資後，未來Supercell在中國市場的發展也值得期待。

AI 智慧代理人時代來臨！三大導入階段， AI 落地企業不卡關

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」。

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。