雅虎老兵回鍋主掌購物中心，蔡伯璟以「多」為第一要務|數位時代 BusinessNext

蔡伯璟回鍋雅虎，已擬定五年計畫

蔡伯璟是當年跟著興奇團隊進入雅虎的老雅虎人，曾任雅虎奇摩購物中心商品總監；而在2012年離職後，最近五年則是轉戰中國電商市場，包括擔任電商一號店運營總監，以及大潤發旗下電商平台飛牛網運營部副總裁。而在今年2月前雅虎台灣與香港電子商務事業群副總裁王志仁離職後，蔡伯璟於四月回鍋，出任雅虎購物中心負責人的空缺。

形容在中國市場一年可以抵得上在台灣五年的蔡伯璟，這次回來似乎已經做好大展身手的準備，滿臉笑容地說：「每天都覺得有好多東西可以做。」表示看到很多可以優化的地方。而他在雅虎的同仁也形容他相當衝，如上任還不滿半年，已經連續發動618大促、99購物節和月光節這三個造節活動；另外也推出暢貨中心頻道，並計畫在這個月再推新品中心頻道。

消費者體驗優先，多為第一要務

整體來說，在蔡伯璟為雅虎購物中心寫下的五年計畫裡，離不開多、好、省、快這四個字。他一再強調，他心中沒有競爭對手，也不看對手，全心關注地只有消費者，而就對消費者的重要性來說，他認為做到「多」是優先要務，然後才是改善產品、使用者介面和價格，快則被他擺在最後一位。

蔡伯璟認為，產品量的齊全和豐富度是電商基本功，「多」永遠都是決定客戶體驗的第一件事：「我要的你都有，我不要的你也有。」而要更進一步要做到「好」，除了使用者介面優化，原廠正品數量的多寡也會是一大要素。他表示，目前購物中心已經有三千多個原廠品牌，預計今年底之前還會再增10~20個國際大廠品牌，且多會是獨家電商合作。

但這樣還不夠，蔡伯璟表示更完整的營運主軸應該是「正品低價」，也就是四字訣中的「省」。對此，他自比為美國實體零售龍頭沃爾瑪（Walmart），直言不可能做到全面低價，但可以為消費者創造出「低價的感覺」，也就是以少數「爆款低價」來營造整體低價的印象，並預告很快在10月就可以看到。

質疑蓋大倉庫必要性，將速度優化擺最後

至於「快」則是被他擺在最後順位，預計最快要等到後年，甚至還要更晚才會開始動作。

相對於PChome主打自建倉儲提高物流效率，將24小時到貨變成金字招牌，蔡伯璟有些不以為然。他不否認速度對消費者很重要，但他也說：「客戶才不管你蓋多大的倉。」他認為蓋大倉不一定會讓速度變快，同時他也問：蓋大倉要付出高成本，這個成本由誰來吸收？還有更重要的問題是，快一小時、兩小時真的對消費者最好嗎？他表示根據過去在大陸市場的經驗，加快物流時間未必是消費者最想要的。

整體來說，他認為台灣的電商物流確實還有很大進步空間，但必須在成本、體驗各方面找到最好的平衡點，而他認為相對於商品豐富度、消費體驗與價格，物流改善對消費者的急迫性相對要低。

如何落實差異化才是最大挑戰

除了這幾個面向，蔡伯璟也透露了進軍海外市場的野心，他說：「誰說只能做台灣市場？」在他看來，有Oath的國際資源，雅虎購物中心應該可以做更多，而不會只做台灣。也因為他想做的事很多，上任以來積極招兵買馬，表示過去三個月招進來的人已經比過去五年招募的還多。

從蔡伯璟上任以來的種種動作來看，態度無疑是相當積極的。只是就長期經營來說，大多是以請「拭目以待」作為回應的他，卻似乎還不見如何將口號落實的具體計畫；另一方面，不論是增加商品豐富度、提高原廠品牌數量，或是使用者體驗的改善和價格競爭，這幾個方向其實都是momo、PChome等電商平台正在做的事。也因此更讓人好奇，在看似相同的策略方向中，蔡伯璟將如何展現不同的中國式打法？

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。