企業捐款在哪裡？同樣拼AI，有人捐100億元給MIT，但台大資工要自籌錢|數位時代 BusinessNext

企業捐款在哪裡？同樣拼AI，有人捐100億元給MIT，但台大資工要自籌錢

邁入AI時代，全球頂尖高等學校紛紛砸大錢設置AI專門系所或學院，如培育AI英才無數的美國卡內基美隆大學（CMU）就在今年五月宣佈設立美國第一個人工智慧科系，並在已經在今年的秋季半學期開課。而麻省理工學院（MIT）更直接成立AI學院。

黑石集團執行長Stephen A. Schwarzman捐了百億元台幣

10月15日，MIT在學校官網公佈成立新學院：計算學院（College of Computing）。值得注意的是，這個新學院有高達35%的資金來自於企業贊助，贊助的人大有來頭，是擔任顧問公司黑石集團執行長的Stephen A. Schwarzman。他捐助了3.5億美元（約合台幣107.9億元）給MIT設立這個新學院，新學院也因此被命名為MIT Stephen A. Schwarzman計算學院（College of Computing）。有了這些捐款，MIT預計招聘50個新教職，並且提供學生獎學金，吸引全球的優秀學生就讀。

台大也將在2019年成立AI碩士班

不過，這則消息卻讓台灣大學的資工系的教師感觸很深。為什麼呢？

原來台大資工系也要在在2019年成立招生名額為15名的「AI碩士班」，但是教育部與台大校方都沒有針對這個AI碩士班給予額外的教學研究資源，因此台大資工系教授兼副主任洪士灝在臉書撰文，「我呼籲高瞻遠矚的企業家們理解計算和AI對於國家未來的重要性，贊助教育和前瞻跨領域研發。」

洪士灝在Facebook指出沒有拿到額外教學研究資源的原因：

我以正面思考，大概是政府和校方都認為我們師資陣容已經夠強，或是認為我們的募款能力很強，或是用心良苦，藉著不額外給資源來激勵我們自立自強。
台大資工系在AI相關領域的師資和課程是不錯的，多收15位研究生並不會造成系所太大的負擔。

但他擔憂地說：「我們雖然努力籌措資源，但還是有很大的改進空間，尤其是要跟世界一流的大學在尖端科技上競爭與合作，必須要有充足的資源與先進的設備，不能做土法煉鋼的井底之蛙。」

拿了一些政府的經費就得設法達成政客要求的KPI

也因此洪士灝呼籲企業家也鼎力贊助，「光是靠政府的力量，恐怕很難有大作為，而且因為拿了一些政府的經費就得設法達成政客要求的KPI，並且接受其他學門和社會大眾民粹式的批判，也是一件頗辛苦的事情，不如透過募款自籌經費來做我們認為正確的事情。」

企業喊沒AI人才，但自己又花了多少資源培養人才？

台灣企業面對AI科技時代，總是大喊缺人才，在徵才時，則是先衝短期，用加薪或增加福利吸引優秀人才。

而且大部分企業想招募的，是已經理解機器學習原理甚至能創造新演算法的「即戰力」，願意長期投資贊助台灣頂尖院校，培育學生從小苗變大樹的企業則是少數。

台灣企業有沒有想過，但大喊缺人才的同時，自己近幾年又確確實實花了多少銀兩或資源培養台灣本土的學生呢？

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/