一場政界和創業家的「新創」對談,詹宏志:政府跟不上、百姓也受累
一場政界和創業家的「新創」對談,詹宏志:政府跟不上、百姓也受累
2019.08.21 | 創業

科技前進的速度,總是比法律快得多。

Uber、共享單車、第三方行動支付、OTT平台⋯⋯你耳熟能祥的新創服務,哪一個不曾經歷與政府、與業界的角力廝殺,取得平衡的過程,最終定案的法律的框架也決定了它們的走向:有的已經死在沙灘上,有的卻還在抗爭。

「政府常常被罵,通常罵得挺難聽的,其中我印象最深的就是詹先生(笑),」長期關注新創領域的民進黨立法委員余宛如16日在「創業進化論」論壇上,邀請PChome董事長詹宏志進行一場圓桌對話,深度探討新創公司和政府間拉扯不斷的治理議題。

一邊是台灣創業家代表、一邊是創業圈的政界代表,他們觀點究竟有何不同?怎麼看待新創公司、創新產業在台灣的生存環境?

詹宏志 余宛如 新創
PChome董事長詹宏志和民進黨立法委員余宛如,在「創業進化論」論壇上進行一場深度對談。
圖/ 唐子晴/攝影

從一場行動支付革命,詹宏志看出政府盲點

「我第一次和政府發火是為了網路支付,也就是後來的第三方支付,」詹宏志回顧這些年的創業史,約10年前,PChome想開始經營自家的第三方支付平台的那段時期仍讓他記憶猶新。

在這之前,他早看到了電商交易中金流的難點。以美國電商eBay為例,在1995年還是C2C的拍賣平台,當時根本沒有行動支付一說,詹宏志為了買書,每買一本,就要到銀行用支票匯款給美國賣家一次,相當麻煩,而時空再推到台灣,一樣也是難解的一題。

「當時C2C的付款方式有兩種,一個是面交,約在某一個地鐵站出口,對方拿著一朵玫瑰花相認,一手交錢、一手交貨;第二個是ATM轉帳,賣家得一筆一筆對帳,收到款後才出貨,但假設你每天賣出1萬筆,麻煩就大了!而且先轉帳支付款項,就算交易沒有真的完成,錢也要不回來,這是台灣網路詐騙最大的來源。」

詹宏志當時想找出解法,建立自己的第三方支付平台,開始積極和政府溝通,發現雖然金管會沒有強烈拒絕,但總以「台灣ATM已經很普及、很夠用,因此不需要」回應。

在一次演講中,詹宏志驚奇地發現,公部門幾乎沒有人在網路上購物,這樣的「落差」,當然也造就政府無法和一般民眾感同身受,真正理解第三方支付是什麼、到底為何市場需要它;再來,當時政府並沒有任何推動電商的重要發展策略支持,站在政府的立場,若要嘗試就會有風險,那還不如不做。

「我的感受是,他們對社會正在發生的事敏感度不夠。社會因為某種緣故,特別是科技創新帶來一個全新的架構的時,原來政府的架構會跟不上,本來一開始只是一次、兩次,慢慢的就會發現,跟不上已經成為常態。」

同樣是Uber爭議,新加坡怎麼做?

再看看近期討論最多的案例——Uber。

Uber在全球不少市場仍處於法律的灰色地帶,夾在政府和計程車業者之間,Uber在2013年進入台灣市場後曾短暫退出,開始以和「租賃車行」合作的方式回歸,但一路風波卻沒停過,交通部風向大轉彎又擬定一套新「Uber條款」並預告若10月Uber仍維持現狀營運,將開罰取締,再度把Uber逼上懸崖邊緣。

但在同年進入的新加坡市場,卻完全是另一番景象,Uber及Grab等業者已經一步步合法化。

「新加坡碰到同樣的情況,但比台灣更快速積極地回應。我曾經為了這事情,在APEC會議裡面問新加坡總理李顯龍是怎麼思考的?他覺得,應該要去想像Uber這樣的模式,對社會最終的結果是有利、還是不利?如果有利,即便造成現在的社會、現行的法律都有衝突,但思考方向應該是社會怎麼創造一個新環境,能包容這種模式?這當中也有一些受害者,比方說計程車司機,因為在他們原本取得執照的過程中,是沒有這樣的競爭者的,那在利益流動之下,社會要怎麼樣去彌補他們?」

Uber司機上凱道
Uber在絕大多數市場,都面臨著法規和計程車業者夾擊的窘境。
圖/ 網路叫車平台自救會

詹宏志總結,當社會有一些新事物走在前面,但既有的法規要管理的目標跟它們不同,就會產生衝突,但解決方法不能單從一個個案來看,不是每一個題目靠選擇A或B就能解決,而是得擴大,討論社會該有一個什麼樣的機制,才能使得常態性的衝突有一個治理的方法。

「政府效率不夠,連帶所有老百姓都被拖累,我說得不只是台灣,每個政府都有這樣的壓力。」

余宛如:百年老車別想當法拉利開,修法惠新創是第一步

「我覺得政府本身就是一個問題,」遊走在新創跟政府間的余宛如,道出自己的觀察。

回顧過去台灣的企業發展,通常先由政府提了很大的目標,然後開始分配資源,在這樣的結構之下,確實造就了不少成功企業,但余宛如評價,如今這套模式已經是「舊經濟」,過去重要的要素,在如今的「新經濟」中都已不復存在。

「舉例來講,新經濟最重要是什麼?人才、密集的資本,那舊經濟關注的是什麼?是廉價的土地、廉價的勞工,」但她認為,這是一個駕駛習慣路徑的問題,要政府臨時轉向還需要一些時間,但縱觀在立法院能做的第一步就是修法,鬆綁舊時制定的法規條例。

她笑說,當時她在修公司法時,第一版竟是民國18年制定,就像一台近百年的古董老車,還要當成法拉利開,實在太困難。但如今,公司法已經有很多對新創公司有利的法條,例如可以轉債募資,甚至也推出了金融沙盒,業者和政府多了更多互相瞭解的機會,好讓金管會更快對市場狀況做出反應。

責任編輯:蕭閔云

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