電信業20年紅利時代終結,林之晨最難的任務:建構5G商業模式
電信業20年紅利時代終結,林之晨最難的任務:建構5G商業模式

32歲成立AppWorks加速器、36歲累積募集18.2億創投資金、38歲接下台灣網路電商產業發展協會(TiEA)理事長,林之晨是新創、網路圈的年輕指標,卻也曾招來批評,掌握太多話語權與資源。這一次,他要面對的新任務——以台灣大總經理身份,帶領7,000名員工向前走,心裡的想法又是什麼?

沒有具體目標的一項高難度任務

第一時間接受《數位時代》電話訪問,林之晨坦言:「遇過很多機會與挑戰,這應該算是最難的一次。」

林之晨說,台灣大哥大董事長蔡明忠並沒有給予任何的「具體目標」,而是希望他能夠發揮過去在新創圈的經驗與認識,打造「類科技公司」,因為要在短時間內,將這麼大的電信集團,轉變成科技公司,難度實在很高,但這件事不是沒機會達成,他會試著從人才招募、投資、併購、商業模式等各面向做起。

「我知道大家會有質疑,為什麼要用一個非專業背景的人,但這跟過去我在AppWorks做的事情一樣,最終目的都是為台灣好。所以各種批評與指教我都接受。」

林之晨說,二月份會和同仁一起前往世界行動通訊大會(MWC),學習、了解更多有關電信產業的脈動變化,對於大家的擔心與質疑,或許等到四月正式上任後,過了三個月、半年的時間,會更能提出回應。但他與蔡明忠的想法一致,「5G的成本太高,光是靠本業,很難建構出健康的商業模式,」

他表示,依賴電信公司傳統收入,不是台灣大的風格,因為在今年約1,100億的合併營收裡,已有近四成是子公司momo富邦媒貢獻,而接下來的任務,則是希望攜手台灣許多優秀新創公司,創造更多的非傳統營收。

台灣大晚間也重訊,宣佈新任命數據長一職,由詹兆源接任。詹是新創服務副總經理,過去管理700萬用戶數據,發展行動廣告業務。

林之晨在Facebook個人頁面發表聲明,願意扛下總經理責任,改變原本搬去印尼的決定,是因為希望做到4件事情,包含結合台灣大和AppWorks,帶動雙邊的加速與轉型;同時,打造一個以大東南亞市場為主、市值達1,000億美元的科技集團,「我不是接下了台灣大總經理的職位,而是接下了整合台灣大與AppWorks,放大出10倍成果的任務。」

電信業20年紅利時代結束,台灣大2019年獲利觸底

他強調,自己仍有太多需要學習的地方,因此會請蔡董事長擔任夥伴,好讓台灣大有「時間和空間」,能爭取新事業發展,因為未來幾年,將是電信業轉型的關鍵時期,從去年499之亂加速電信用戶ARPU(平均每用戶營收)的下滑,消費者換機時間拉長導致手機營收停滯,以及資本支出是4G近4倍的5G即將到來,都讓電信長達20年紅利時代難以延續。

從台灣大公布的2019年財測,似乎可以顯示蔡董的焦慮:營收目標1245.3億元,年增5%,稅後純益123.3億元,年減10%,每股稅後純益4.5元,是2008年金融海嘯以來獲利新低。

「電信業已經建立的品牌、長期客戶關係、大量用戶數據,是極有價值,可以更全面應用的資產。」林之晨說,自己將會持續擔任AppWorks的董事長與合夥人,確保和台灣大整合能更加順利,接下來會多放點時間在電信領域,但仍會兩邊跑。

不過,過去他說要搬遷至雅加達、引導更多AppWorks新創進軍印尼的計畫,就必須暫緩,改由AppWorks的新任合夥人劉侊縈負責執行。

熟悉新創生態的立委余宛如認為,接下來電信業的5G戰國時代,一定要擺脫過去的思維,積極佈局數位創新產業。因此,挑選林之晨當總經理是好事一件,有了不同的世代與產業觀點,若組織調整也能儘快配合數位經濟轉型,完成相對應的戰略佈局,台灣電信公司有機會走出不一樣的路。

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
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」(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。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

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。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

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。

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
一次搞懂Vibe Coding
© 2025 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