回批踢踢Tech版 ,PM到底要做啥?
回批踢踢Tech版 ,PM到底要做啥?

前陣子批踢踢科技業版上有一篇文章:「PM到底要做啥」,引起了一些討論,其實內容蠻常看到的,都是工程師(後面簡稱RD)常常會嘴PM的幾個點。

雖然我覺得這些批評常地圖炮,文中被砲轟的其實是「做不好的PM」,而不是「PM這個角色」本身,當然更不代表PM這個角色沒有價值,不過有這樣的評價,PM當然自己也可以思考,是不是沒有找到自己的角色定位,沒有做自己該做的事情,或是在溝通上沒有控制多方的需求以及期待,才會導致雙方錯誤的認知。

以下整理前三名RD最喜歡抱怨PM的點,想要來釐清一下迷思,還有討論PM應該如何思考與自我定位:

抱怨1:出一張嘴不做事

我覺得要看「出一張嘴」是不是真的讓事情推進,或是解決了問題,如果有,其實「出一張嘴」也是一種做事,而且偏偏是許多RD很不喜歡做(或是很難做得好)的事。

許多人可能因為「本來就會說話」、「從小就會和其他人交流聊天」,而忽略「溝通能力」的價值,不認為這是一種專業,但是PM要做的事情,是「在不同時間點,戴上不同帽子,扮演不同角色,和不同的人溝通」,其實和RD的溝通,只佔PM日常溝通的一部分而已,而且越高階的PM,這部份佔越少,因為PM往往還要跟供應商、業務、行銷、老闆、代工廠、客戶、用戶等很多角色溝通,而且厲害PM和菜鳥PM能做到的結果差很多。

shutterstock_782845411_PM.jpg
扮演不同角色與人溝通,是一位PM的必備技能。
圖/ Gorodenkoff via shutterstock

以和RD溝通為例,很多RD會抱怨「PM只會跟RD壓schedule,然後出一張嘴要你做」,很多PM其實會覺得很莫名,PM問RD工時是一種尊重吧?不然要自己漫天亂估嗎?

差別可能在於PM的心態,以及溝通的方法。PM在面對RD時,應該戴上「客戶代表」的帽子,而非「老闆的帽子」。

做為「客戶代表」,重要的目標是讓RD充分知道市場的需求長什麼樣子、為什麼有這樣的需求、背後帶有什麼商業價值,然後「你需要他們的協助來實現這個商業價值」,而不是像老闆一樣要求「畫押,然後做就對了」,甚至沒有畫押,直接押一個死線,必須完成任務。

這種思維的好處,除了讓RD感受到「參與感」,甚至是「英雄感」,而非「社畜感」,讓他們認知到自己的專業能力,才是實現這個願景的重要工具,也可以讓RD從他的角度,提出其他可行的解法。甚至一個團隊合作了一段時間,有了默契,並累積了一些對客戶的認知,有時RD會記得之前聽過的客戶需求,有機會就在程式裡加入一些優化,或是會主動與PM討論解法,這些都能讓整個團隊更進步,也更團結。

反過來講也有些PM會覺得,RD為什麼總是一個口令一個動作,很多顯而易見的設計,沒有講就不做,遇到也不會主動問PM,或是任何事情都要文件定義得清清楚楚才要開工,按表操課。其實,肯按表操課還是好的,慘的是文件最後寫得落落長,但根本沒人看。

其實我認為PM也可以思考,是不是雙方的溝通與合作模式,讓PM少了「為什麼要這麼做」的溝通,習慣讓RD「做就對了」,一旦習慣了這種「接單生產」的合作模式,怎麼能期待對方有對產品的熱情與ownership,主動「多做一步」呢?或是RD吃過虧,「有私下答應過」的功能沒做到,被PM拿出來highlight變羅生門,久而久之就會要求什麼都先更新文件以自保。

其實我覺得這種「公事公辦」,都是雙方合作缺乏互信以及默契的結果,帶來的結果其實是一種資源的浪費,這當然雙方都有責任,要公事公辦也不是不行,但這樣的結果PM一般會比較痛,所以雖然初期的溝通與互信的建立很花時間,但我認為PM最重要的「做事」,應該就是在溝通中搞定多方,而這也跟PM的專業能力有關:如何挖掘真正的「Why」,並傳遞價值、激發熱情,是要有深刻洞察才做得到的

抱怨2:需求一直改一直改,schedule卻沒變

其實我認為這個問題背後的問題,是資訊不透明,PM沒真正搞懂需求是什麼,心中也沒有商業價值判斷,就很容易變成傳聲筒,擋不住客人或老闆的要求,不過反過來我也必須說,奢望需求一旦確定下來都不會改的人,跟要求程式寫好測過就要沒bug,是一樣的天真呀。

即使「改需求」難以避免,但PM還是有些能控制的方向,減少「人禍」造成的需求變更。

從基本功開始,PM至少要明白客戶或用戶這麼做的「目的」是什麼,因為一般而言,客戶開案的大目標不會有太大的改變,但是對「怎麼實現」會有很多意見,如果雙方可以在目的,也就是「Why」方面先建立共識,其實在後續的「How」如何實現,會更容易聚焦,而且這也會扣回第一點:你如何讓你的團隊真正了解需求,一起做出客戶需要的產品?

shutterstock_364641770_PM.jpg
優秀的PM要能讓團隊理解需求,開發出客戶真正需要的產品。
圖/ sindlera via shutterstock

接著,做到盡量以可視化的方式溝通,例如提供相關範例,確保是不是客戶要的,或是畫出使用流程、大致的介面與行為,讓客戶更清楚做出來是什麼樣子。不然很容易變成「客戶心中的xxx」、「PM心中的xxx」和「RD心中的xxx」完全不一樣的結果(不過誤解還是不可避免,這只是盡量減少「人禍」的可能性)。

當然,PM也要想辦法讓客戶「畫押」,並讓對方知道修改可能需要負擔額外成本,或是增加工時,讓對方理解他們的修改,也是要付出對應的代價的,讓對方的利益和己方一致,往「盡量一開始就釐清需求,不要太多修改」前進。

更厲害的PM會「嗅得出來」哪些地方可能有風險,例如聽到客戶需求講得不太清楚,或是數據不太合理、動機不太合理,或者他是也是轉自第三方(或老闆)的消息或說法,就會有很大的機會,後續有新的資訊跳出來而變動,根據PM嗅出來的「異味」,他會在問題還沒發生時就盡量避免,例如,可以想辦法約到對方老闆,直接溝通需求,不要透過傳聲筒,或者是在討論初期,針對需求提出多種可能實現的proposal,用結果去逼近對方的真正需求。

抱怨3:PM都不懂技術

PM其實會覺得不太公平,技術以及程式怎麼寫,一定是RD最會呀!不過我發現即使是懂技術的PM,還是會被RD嘴不懂,所以我最後已經放寬心了,只要不是寫code的人,會需要RD解釋邏輯的,大概都會被嘴吧!

不過我覺得PM還是有些基本的觀念與認知需要弄懂,不需要會寫程式,但是重點是關於產品設計的know-how、哪邊可能有問題、導致問題的原因是什麼、釐清問題的步驟、不同模組之間的合作或介接關係是什麼等觀念。

這可以協助PM和RD溝通、釐清問題,也可以讓你初步聽到需求時,能很快知道風險與難度在哪裡,快速與客戶做進一步溝通,因為面對客戶時,PM要戴上的就是「開發團隊代表」的帽子了,客戶對於可行性、風險、工期的初步判斷與期待,一般都是先對PM溝通,此時PM若心中有一個大的藍圖,就能很快釐清需求、建立期待。

拿到實體世界來講,假設你要蓋一間房子,PM可能不必有土木師傅或是建築工程師的功力,也不用親自設計出建築設計圖或水電配置圖,但他要有個敏銳度,這邊的施工是不是已經偏離設計圖了,是不是少了防火梯,可能會造成什麼風險?為什麼會這樣?如果硬著頭皮不做會怎麼樣?延宕要花多少錢?要怎麼跟業主溝通?

這樣的PM算「懂技術」嗎?其實我覺得比較像是「專案或產品的know-how」,PM也應該要有認知,對於每一個專案細節,PM一定無法比實際執行的人懂,但是對「全局」的綜觀與掌握,以及A事件若發生,有多大的可能觸發B,PM要怎麼執行C,讓事件的影響變成D,然後要如何、跟那些人溝通等處理流程。

PM的力量

總而言之,我認為PM是資訊的匯總角色,很像任意門,每天一睜開眼睛就是要對接老闆、業務、行銷、開發,甚至是客戶、用戶等等角色,心中有個藍圖,頭上戴著不同的帽子,滿足不同的期待,做著所謂「見人說人話,見鬼說鬼話」的人生,PM需要找到自己的定位,發揮自己的價值,做起事來才會事半功倍。

本文由Evonne Tsai授權轉載自其Medium

《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。)

關鍵字: #簡報技巧
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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