不懂裝懂、沒時間想除錯,新創CTO常見的五大問題
不懂裝懂、沒時間想除錯,新創CTO常見的五大問題
2017.12.05 | 創業

當一位新創公司的技術總監(CTO)或技術創辦人不是一件簡單的事情,而且很多新創公司的技術創辦人犯的錯誤都是可以避免的。

1.搞不清楚工程專業和職務分配

雖然工程師都要寫程式,但事實上每一位工程師的專業和適合的職務都不一樣。舉例說明,資料科學工程師(Data Scientist, Data science engineer)、系統工程師(Systems Engineer)、DevOps工程師、前端介面工程師與解決方案工程師等,所需技能和適合職務都不同,而這些專業都需要時間培養,沒辦法馬上互轉。

可惜的是,通常一家公司的CTO的背景都是上面其中一種,因此都有偏見,這也是新創公司在科技管理上很大的盲點。

打個比方,一位資料科學(尤其是學術界)出身的CTO,其經驗多專注於資料採集、資料篩選和訓練機器學習模型,很少需要設計一可應付高流量、高附載與無間斷性的軟體架構。因為自己不懂、認為不重要,因此請的人也常常不懂且認為不重要,這種CTO可能會做出叫機器學習博士去設計伺服器資源配置的蠢事。

最簡單的解決方法,就是多了解不同工程專業在工程組織內的重要性,而不是從自己的工程專業評估什麼重要、什麼不重要。

2.每天想開發,沒時間想除錯

軟體開發最大的時間成本是用在哪裡?不是開發,而是維護和除錯。而多數資淺的CTO,常常只注重開發,完全沒有為維護和除錯做準備。

每當產品發生問題,很多CTO只能帶隊慢慢閱讀logs和錯誤訊息,但很多問題發生以後就很難模擬當時情況。若沒有為除錯做準備,開發團隊常常光確認問題發生的位置就花上幾個小時。故此,在開發之餘,CTO應該要輔導團隊進行基本的測試、系統控管和問題分析,問題發生時才不會兵荒馬亂。

首先,測試的部分,不光是功能性測試(functional testing)就可以了,因為任何功能都可能因為小部分變動而改變,當問題發生時,功能性測試沒有辦法告訴你問題在哪裡。

故此,團隊應養成習慣至少對公司的核心技術設計基本的單元性測試(unit testing)和整合測試(integration testing),確保軟體核心的各函式庫和商業邏輯執行無誤。當問題發生時,單元性和整合測試至少可快速地告訴團隊問題發生的位置,節省大量的除錯時間。

再來,很多團隊只使用AWS Cloudwatch或類似的陽春控管和警鈴服務偵測錯誤,這類控管很難幫助團隊蒐集更全面、更完整的資訊。

CTO應該要養成習慣控管整個平台,從平台每天的網路連線、前端介面載入、伺服端程式碼執行到資料庫效率的一切執行速度和各類錯誤都要有基本的概念(NewRelic提供很完整的入門級的工具)。

最後,資料庫常常是許多軟體平台的瓶頸,一些控管軟體和效能分析軟體(Performance Profiler)可提供資料庫查詢效能分析。

這些很簡單的控管和分析都可以幫助團隊在瓶頸發生前未雨綢繆。

3.沒有責任感、推卸責任

說到責任感,這是年輕CTO常常犯得錯誤。原因很簡單:因為一位工程師和一位CTO的責任範圍不同,而通常剛當CTO的工程師心理上還沒有準備好要為整個團隊的工作負責。

理論上,一位CTO不單單要為自己寫的程式碼負責,更要為任何他管轄範圍內的生產力負責。

一位沒經驗的CTO常常碰到問題就會把責任推至其他隊友身上,甚至將其他工程師推到創辦人面前頂罪,這是非常荒唐糟糕的做法。

身為一位CTO,當問題發生時,你該做的第一件事情是安撫其他創辦人、穩定軍心,在最短的時間內訂出解決問題的時間表,給整個公司一個交代。

4.不懂得平行和垂直分工

什麼是工程上的平行和垂直分工?

假設你設計的平台和商業邏輯有許多不同的軟體介面和元件,可視為針對各介面或元件進行分工為垂直分工;但同時,你可能會有不同的版本、客戶、功能群組,而針對不同版本、客戶和功能群組進行分工可視為平行分工。

通常新創公司在草創時期,因人手不夠,以平行分工為主:每一位團隊成員可能需要負責服務一位客戶、負責開發一個版本(如網頁版本、行動app版本)。但是,這種分工模式當公司的人力資源和客戶人數開始成長時,很快地就會碰到問題。

這可以回溯到先前討論過的不同類型的工程師,當公司成長到一個程度時,專注於機器學習或是演算法的工程師,不應有事沒事被拉去做使用者介面,否則團隊成員都會變成技能多而不精的通才。

當公司成長到一定程度,必須從平行分工轉為垂直分工,讓各類工程專業發揮所長。打個比方,如果你的公司做影音串流,那做資料壓縮的工程師,應該是這方面的專家,而不是叫團隊隨便一位工程師跑來土法煉鋼。

可惜的是,很多新創公司會因為事情太多、管理不當,不知道如何有效管理人手,而持續用平行分工應付新功能與新客戶,最後導致軟體品質出問題,未來需要繳學費來還。

5.不懂裝懂

創業家都有的特質是什麼?沒別的,就是過度自信。較資淺新創公司的CTO和技術創辦人也不例外。

這也回到不同工程專業的差異,創業家通常都固執己見,多方學習說得簡單,真正捲起袖子做事時,CTO通常很多話是聽不進去的。最嚴重的是團隊擴張時,CTO認為自己的作法永遠是對的,對新進工程師的建議嗤之以鼻。

這是非常大的問題,因為新創的CTO一開始什麼都得做,自然變成通才。而後進員工因為垂直分工,通常工程專業會比CTO更在行。如果CTO以為自己最行,反而會衍生出外行帶領內行的笑話,不少新創的工程團隊最後鬧翻都是從這邊開始。

以上是一些自身和輔導新創的經驗談,希望對於訓練中的CTO或是在尋找共同創辦人的朋友多少有些幫助。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

往下滑看下一篇文章
從人、流程到工具:TVBS解構新聞業AI轉型方程式
從人、流程到工具:TVBS解構新聞業AI轉型方程式

在生成式 AI 驅動下,新聞產業正加速進入新一輪轉型。這股技術浪潮不僅改變了內容產製模式,也重塑了讀者獲取資訊的入口。面對這場產業變革,台灣科技媒體領導品牌TVBS 展現強勁的轉型動能,不僅積極布局 AI 應用,更憑藉創新專案獲得「nDX數位創新獎助計畫」肯定。

為加速經驗擴散並促進產業交流,日前,TVBS 攜手數位經濟暨產業發展協會(DTA)舉辦「AI in the Newsroom-TVBS轉型實戰分享」發表會,現場匯聚媒體與科技領域專業人士,從實務案例出發,深入剖析 AI 導入新聞現場的應用模式,共同見證 TVBS 如何以 AI 為核心引擎,重新定義數位時代的媒體影響力。

TVBS-1.jpg
圖/ 數位時代

從「人」出發:從超級個體到超級組織,啟動 AI 原生轉型

TVBS 集團成長長簡西村表示,早在生成式 AI 浪潮成形之初,TVBS 便已啟動轉型布局。不僅於 2023 年成立AI未來科技部,專責 AI 應用開發與轉型推進,更由董事長親自主持每週一次的 AI 策略會議,確保決策與執行節奏高度一致,並進一步盤點出「人、流程、科技(PPT)」三大轉型關鍵,逐步落實將 AI 導入各項營運環節。

從「人」的角度來看,TVBS 以 AI 提升效率與創造價值為目標,提出超級個體與超級組織的轉型藍圖。其中,超級個體指的是能善用 AI 工具的記者,例如:透過 AI 分析海量資料、自動生成初稿或經營個人品牌,透過與 AI 的分工協作,不僅提升產出效率,也讓記者得以回歸深度核實與現場採訪等核心職能。

當多個超級個體串聯,便進一步形塑出超級組織,透過 AI 全面提升團隊的數位戰力,成為 AI Native(AI原生)媒體組織。TVBS 的願景是,讓每一個議題皆能發展出專屬 AI Agent,負責資料處理與初稿生成,而人扮演總編輯角色,負責內容品質與倫理把關。如此一來,不僅能實現全天候、高頻率的內容更新,更可透過多 Agent 協作,同時產出文字、影音、Podcast 等不同形式的內容,實現一次生產、全平台分發的目標。

從「流程」出發:讓AI嵌入新聞產製,縮減 30% 作業時間

從「流程」的角度來看,AI 唯有真正嵌入新聞產製流程,才能發揮最大效益。然而,哪些環節最適合導入 AI、導入後流程該如何重塑,往往只有第一線新聞人最清楚。為此,TVBS 邀請新聞部同仁組成「文科種子」團隊,並由主管從日常工作情境出發,親自示範 AI 應用,讓記者實際感受到 AI 帶來的效率提升,進而翻轉「不好用」的既有印象,吸引更多資深同仁投入 AI 應用開發。

TVBS新聞部網路新聞中心總編輯楊致中強調,「AI不是要把新聞人變成工程師,而是要讓新聞人重新回到專業現場。」因此,這群橫跨編輯、記者、編譯等不同職能的種子成員,從使用者視角出發,與工程師並肩協作,以使用情境取代傳統規格書,讓技術團隊得以深入理解採訪流程中的真實痛點,進而開發出涵蓋多語翻譯、初稿生成、重點歸納、多稿比對、標題與內容優化等 AI 應用,整體作業時間平均縮短逾三成。同時,新聞部也與 AI 部門建立每週開會機制,持續提出痛點及回饋使用經驗,推動產品快速迭代。

TVBS-3.jpg
圖/ 數位時代

另一方面,TVBS 也連續三屆舉辦員工限定的「AI 黑客松」,各部門同仁由日常工作中的痛點出發,發想出更貼近第一線需求的 AI 解決方案,讓 AI 逐步成為組織共通的語言,不僅有效提升工作效率,也進一步形塑出 AI 驅動的創新文化。

從「科技」出發:打造混血系統 AI WIZE,讓AI真正貼近使用需求

從「工具」的角度來看,如何在滿足使用需求的同時兼顧技術快速迭代,成為關鍵課題。為此,TVBS 提出混血系統概念,由新聞人與 AI 部門協助,共同開發出專為媒體場景打造的 AI WIZE 平台。

TVBS-2.jpg
圖/ 數位時代

TVBS AI未來科技部副總監吳楨文說明,AI 技術迭代速度極快,若仍沿用傳統「使用者提需求、工程師寫程式」的開發模式,不僅溝通成本高、也難以快速及時優化,容易導致使用體驗不如預期。若是直接使用外部 AI 工具,在產出結果不穩定的情況下,使用者常常要反覆調整提示詞與修正細節,反而會增加時間成本,使 AI 應用淪為新的負擔。

為解決這樣的困境,TVBS 在開發 AI WIZE 時,結合系統化與人才混血兩大策略,由工程師在「深水區」把關系統架構、資訊安全與成本控管,而新聞人則在「淺水區」透過 AI Studio 等自然語言工具定義應用場景,並將新聞專業封裝成可重複使用的 AI Agent技能,同時透過持續回饋機制,讓 AI Agent 不斷學習與優化,使工具更貼近日常工作需求。

簡西村最後強調,人機協作不是選擇,而是必然路徑。TVBS 期望透過這場 AI 轉型,打造兼具速度、深度與可信度的新型媒體競爭力,並以自身實踐經驗為基礎,帶動台灣媒體在 AI 浪潮下強化整體產業競爭力,重新定義媒體的「真實」價值,開創新聞產業的 AI 新時代。

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
AI全球100+台灣20
© 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