什麼是架構師(Architect)以及要如何養成?
什麼是架構師(Architect)以及要如何養成?

之前被問到這個問題的時候很頭痛,因為一講就要講很久,而且對方如果底子不夠的話,恐怕會像鴨子聽雷。再說我不當工程師很久了,雖然見過各式各樣的架構師,但是總不好意思一直拿十多年前的職場經驗來吹噓,畢竟資訊科技產業進步很快,有些事情已然不同。

欣見這篇文章談「從程序員到架構師」,也可以提供給上述提問者參考,省下我講解的時間。雖然這裡主要講的是建構優化雲端服務的軟體架構師,但是大同小異,尤其在非技術的部分,例如溝通、架構、抽象分析、決策等能力,則多半也適用於其他類別的架構師。有興趣想理解架構師的人,或是想朝架構師發展的人可以大致瀏覽一下。以下是我的補充說明。

技能樹

有些人看到上述文章,可能會先被兩張「技能樹」圖片所震撼,一張是卓越的程序員(程式師)的技能樹,一張是架構師的技能樹,如作者所言,從程序員到架構師,是一個不斷經驗累積的過程,所以架構師不可能光是懂一堆高深的理論卻不懂得寫程式。然而各位如果比較這兩張技能樹,會發現有大不同,並不是單純靠累積經驗值就能升級的。

不過,請注意到,架構師有很多類型,技能樹有所不同,分享文可以作為參考,但是不要被綁住了。我個人不認為要刻意去把技能樹上的技能學全,重點應該在於融會貫通重要的技能,有一套能解決問題的好方法。

化學反應

因為經驗積累到後來, 重點不在於「量的增加」而在於「質的躍昇」 ,所以不是說你學過越多的語言和演算法、用過很多的工具、做過很多的專案、寫程式碼的速度超快,就能蛻變升級成為架構師。過程中必須產生類似化學反應,才能將經驗和能力整合後提升到另一個層次。但這個類似化學反應的蛻變的關鍵和契機因人因領域而異,很難說明清楚,分享文中也沒有多講。我最後會談一下這件事,並且分享一下我的個人經驗給朋友們參考。

programmer_shutterstock_156863096 (1280x853).jpg
圖/ ShutterStock

重質不重量

為什麼說學了很多東西、專案做得再多,未必能成為好的架構師呢?好比你拿了五個碩士學位,是否可折換一個博士呢?當然不行,因為真正博士等級的訓練極為注重「質的躍昇」,看看學生是否能在融會貫通知識經驗之後,做出優秀的原創作品。同理,發表十篇二流的論文是否等同於一篇一流論文?做了十個「快老二」的研發專案,是否相當於做出一個高技術門檻的原創作品?當然不是。

當事人本身要具備足夠的基礎,其次則是要有適合的環境以及良師益友,否則恐怕學再多也難以濟事 。至於「質」要如何來認定呢?通常得透過實際戰果以及其他資深架構師的肯定來孚眾望,否則即使勉強掛上架構師的頭銜也是無用。

視野和典範

重質不重量的概念並不難懂,但實際上與當事人的視野有關。所謂「夏蟲不可語冰」,如果根本沒看過架構師,缺乏典範,那麼要如何評價一位架構師或是學習成為一位架構師呢?有些工程師長年賣力鑽研,成為某項技術項目的達人,但是技術達人並不見得具備架構師的能力。台灣的資訊電子業有不少的技術達人,但是在產業需要轉型提升的時候,需要構思前瞻和總體策略的時候,才會發現架構師的重要性。

架構師的光譜

架構師有許多種,有的偏軟體,有的偏硬體,但是大多數都要 軟硬兼備 的素養。分享文所談的雲端軟體架構師,比較偏向軟體技術,但是也要懂得系統架構和效能分析優化;台灣比較常見的是嵌入式系統的研發工作,過去的發展受限,往往停留在為硬體產品寫韌體(firmware)的層次,但是到了物聯網時代之後,就開始需要懂軟體的系統架構師來帶領方向。到了數據掛帥的今天,還要再加上AI和資訊安全的素養,又是另外的維度。

基本素養和專業能力

剛進入資訊科技領域的學生,由於從寫程式入門,往往過度熱衷於寫程式(或是完全排拒寫程式)以及沈迷於演算法。其實這些就像英文和數學一樣,是資訊科技人的基本素養,某些公司面試新進員工的時候,考驗程式寫作和演算法的功力,也是理所當然的事情。但是切莫以為基本素養就是專業能力,應聘資深工程師或架構師的時候,除了確認有基本素養之外,更加著重於專業能力。

什麼是專業能力呢?請參考一下技能樹。基本上,資訊工程系課程中有不少有助於培養架構師的課程,不要傻傻的覺得會寫程式就行。有些東西在大學和研究所時期不好好打基礎,到了業界就難了,尤其是與系統和硬體相關的技術,需要有環境與良師益友,才會事半功倍。

環境與良師益友

回顧我自己在求學和擔任工程師的過程,感到頗為幸運地找到不錯的環境和良師益友。我高中參加電研社開始奠定寫程式的基礎,大學則是從電子電路、嵌入式系統到大型電腦都碰過,尤其是後來出國念博士班時專注研究大型平行電腦效能優化技術的時候,有機會鑽研最先進的軟硬體,是我個人蛻變的關鍵和契機。

shutterstock_367286792_coworker.jpg
圖/ Jacob Lund via shutterstock

之後到矽谷Sun工作的那幾年,有幸在效能工程部門,與處理機設計部門、高階伺服器系統架構部門、網路儲存產品部門、 作業系統核心開發部門、資訊安全研究部門、Web軟體發展部門的資深架構師共同合作,不僅實際驗證我的技能,也透過他們對我的讚許讓我拿到成為架構師一員的門票。

架構師的發展機會

在我選擇回國家教書的時候,有幾位具備架構師資歷的同事也離開公司回到他們的祖國貢獻於科技業。好幾位回去中國發展的同事,獲得政府的挹注,後來發展得很不錯。相形之下,台灣資訊產業轉型提升的步調頗為緩慢,無論是產業或學術,鮮少人了解架構師的重要性,願意長期積累技術經驗成為架構師的人少得可憐,乃至於大多數人連架構師是什麼都不大清楚。但有趣的是,這幾年業界想轉型,三不五時就會有朋友要我推薦架構師。

我分享以上這些個人經驗和看法,不是想往自己臉上貼金,只是想告訴學生們什麼是架構師以及如何把自己培養成架構師的歷程。當然,我不是什麼厲害的架構師,只是當年有幸從多位厲害的架構師身上學到一些皮毛而已,不過我認為我這點皮毛,在這個架構師罕見的學術環境,還是有點價值,也歡迎理解成為架構師的難度後仍想成為架構師的學子們一起來學習。

本文由洪士灝授權轉載自其Facebook

《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
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

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
台達電全解讀
© 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