為了找尋適合的地點,3M傷透了腦筋。擔任搬家計畫總召集的資深經理陳連進說,為了讓新辦公室可以長久使用,他們以未來三年的人力成長做為依據,評估後至少需要二○○○坪以上的空間。選出幾個符合標準的大樓後,再以「整體成本」、「大樓設施」以及「周圍交通」等指標來嚴格估算,最後才敲定新家的位置。
新的辦公室除了滿足企業內部的需求,它更透過地點、大樓的知名度、內部空間的規劃,傳遞出是一流公司的訊息。3M位在台北市敦化南路二段的新辦公室,樓下是「Hanspree」的旗艦店(液晶電視業者),3M所承租的八層樓裡,設計師在每個樓層裡運用低隔板、寬走道、落地玻璃等手法,打造「開放」的溫暖空間。在這裡,好的景觀和最開放的空間都給大多數的員工使用。在單一樓層裡,主管辦公室圍繞在沒有視野的這面;另外一面具有豪爽視野的玻璃窗面,是留給部門同事,提供一個「公平」與「開放」的環境。面對樓面最外端三角畸零地--同時享有敦化南路與隔壁公園的兩面視野,則規劃成為大家都可以使用的會議室,讓每一個員工都可以輕鬆享受都市中「難得的奢侈」。
為了不讓樑柱破壞整體空間的質感,設計師特意將每層樓樑柱所佔去的空間,規劃為「腦力激盪區域」(Brain Storming Area),員工可以坐在這裡閒聊討論。當然一時苦惱而陷入沉思的同事,也可以透過大片落地窗,讓工作中的心情隨著窗外景物不斷地轉換,靈感也可以源源不絕。
接待大廳設在六樓,行事風格向來低調的3M,只在玻璃與白色牆壁上貼有小小的企業紅色標誌,並將鮮明的顏色融合在沙發、地毯與牆壁。
同時,在這個沒有人辦公的樓層裡,設計師為了讓空間更有效率地被使用,除了規劃許多大、小不等的會議室外,還利用拉門的活動設計,讓最大的一間會議室與員工用餐環境相互連接,創造出一個能夠容納三百人的集會場所,而這數字正好接近3M在台灣的員工總數。
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。
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。
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。
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/
