B2B的AI新創團隊,要怎麼做才不會跌個狗吃屎?
B2B的AI新創團隊,要怎麼做才不會跌個狗吃屎?
2019.12.17 | 創業

在台灣科技業討論AI的同時,大夥兒應該納悶為什麼在討論AI這種如此注重管理思維的產業時,卻很少人在討論台灣業界整體企業管理效率不佳的情況。

而很不巧的,AI與自動化只是催化劑,他們能催化的是所有各行業中已經具備成熟管理制度,和妥善資料策略的企業長期成長,並不是一種能夠閉門造車的產業。

而今天挑這個時點,是因為最近在台灣新創界算是開始醞釀一條大代誌:那就是曾經被喻為台灣最有機會「打入國際市場」而且融資數千萬美金的新創領頭羊,如今是火燒屁股而且每況愈下。

首先是競爭不力,被迫退出歐美市場;而回到了亞洲,新產品最近又被台灣許多新創和大型公司集體退訂。該公司今天急著從海外進口了幾位營運和業務高階經理人,但是仍然難以逆轉頹勢,連在自己的主場台灣都被海外對手打得落花流水。

若要回歸基本面去分析這整件事情的發展,其實說起來並不令人驚訝:這家以B2B服務為核心的新創公司原本的構想就是把台灣當作產品開發和營運基地,再遠端狙擊海外業務。

當然,這種天真的想法,很多台灣老闆都做過,而這些老闆最大的問題就是沒有見識過真正的「非代工製造」的國際商務環境,而最大的盲點就是忽略了營運管理是種專業、產品管理是種專業、行銷管理是種專業、業務管理是種專業,什麼都是專業。台灣長期以來都是以硬體代工製造為產業核心,其實企業管理和制度都非常陽春,根本沒有打國際戰場所需的各類人才,而這些人也不會在三年五年突然從石頭裡面蹦出來。

因此,與其說這家B2B新創公司是策略失足,不如說是先天受限於台灣商人的產業盲點,很剛好地被海外競爭對手打趴而已。

台灣AI新創若想避免重蹈覆轍,應引以為鑑,積極彌補台灣企業處處可見的管理知識缺口。

搞AI不只是搞技術

台灣這一兩年突然蹦出一堆AI新創,很巧地,正好又是在海外瘋了兩三年後開始全盤感染。現在已經銷聲匿跡的什麼物聯網島、金融島,甚至區塊鏈島的說法,現在終於被「AI島」取代。

而才一兩年時間議題爆紅,真的是我們發現了新大陸嗎?當然不是。

其實最單純的原因就是海外已經有很多AI的工業應用,市場也被打開了。因此,許多人又想用六零年代的代工思維,想說只要自己用類似的工具、做出「差不多」的東西,甚至去搶個比較小、比較弱的市場,也可以用「最低的成本、最快的方式」去賺錢。

當然,因為TensorFlow這樣的開放套件的普及化,讓很多人以為只要用TensorFlow隨便套套資料、訓練出Classifier就可以開始賣錢了。

其實TensorFlow技術上已經相當普遍,而普遍的技術,純技術產品的市場基本上都已經飽和了。而真正做AI最大的挑戰在於資料的取得和壁壘,以及對於個別產業的了解。

以語音辨識和臉部辨識為例,現在有能力幹出Classifier的公司已是恆河沙數,但是問題是大部分的公司不懂得個別產業的營運模式,因此建不出一套企業會想要採購的解決方案。

而當又有新創公司想用更低的成本去搶「已經被打開的市場」,這代表我們的產業又再次落入了「Me too」的陷阱。技術取經但是卻沒有去學習應用面,最後還是落入代工業的老調重彈。

可惜的是,這次不會那麼順遂了。

因為軟體業講究的不再是specs(技術規格),而是如何與企業的營運密切結合,強調的是軟體與「人」的協作模式。

這次光是在技術面上做文章,卻不再花心思去吸取管理經驗,AI這塊餅不會那麼好啃。

時空膠囊中的業務管理

說實話,台灣的產業競爭力是拿員工的個人能力和低廉的薪資去達成的,並非靠有效的管理和投資員工訓練來提升人均產出。

或許是因為台灣太多勞力密集的出口型產業,台灣企業整體的業務能力一直都沒有跟上其他已開發國家的水準。

何以見得?

試問:絕大多數的台灣Sales如果能以一個字形容,你會想到什麼?

沒別的,就是一個「盧」字。而這個「盧」字,就是業務模式落後的病徵。

會用盧人的方式去拉業務,很大的原因在於自身獨特性不夠、產品和服務的深度不夠,因此很難去區別化,才會死纏爛打,妄想用煩人這招來強迫客人就範。這些業務專業能力不足,每天就是在浪費時間跟客人「搏軟」(台語,意指培養感情)。

這招在台灣很管用,業務有事沒事就打電話來找你聊天、幾天沒聽到你的消息就來噓寒問暖,不然就是一直要約當面喝咖啡,甚至會用你的私人聯絡方式來找你談生意。

有跟比較有國際視野的客戶做過生意,尤其是跟西方國家做過生意的朋友都知道,這種盧人的做法最快被外國客戶列入黑名單。

Email都不想回了,你還想約喝咖啡?還無預警一直打電話來?大部分外國人完全不吃這套。

很多台灣新創甚至台灣大企業在誇下海口說要遠征海外市場,但是旗下業務人員面對海外客戶的時候,卻連最基本的B2B軟體業務流程都不清楚,被海外競爭對手電爆也只是剛好而已。

基本的B2B業務流程

講到這邊,有些人自然不服氣了。容敝人在此再多陳述一下,究竟我們台灣人的業務管理水準有多麼不堪。

今天你去外面抓一把科技業的業務人員,問他們Business Development(BD)、Sales、Account Management(AM)、Project Management(PM)等有什麼差異。

我可以跟你打包票,很多業務人員是沒有辦法明確回答這個問題的。在台灣,很多業務人員以為BD就是Sales,或是以為客戶管理就是Sales。不要說新創公司了,連台灣大型上市企業的業務,也都搞不太清楚差異。甚至很多人以為軟體產業的PM是應該去跟客戶接洽的。

然而,如果今天把舞台搬至舊金山,不要說業務人員了,連PM、設計師,甚至一些工程師,都可以跟你解釋以上業務職務之間的差異和關係。

因為了解這些職務的功能,不光光是營運面的問題而已,更是攸關整家公司提供的產品和服務流程的整體設計。尤其對B2B公司而言,這些職務之間的有效連結更是攸關生死。

所以這些職務之間的關係到底是什麼?

粗略而言,現在許多B2B軟體公司的業務流程大致上都是:BD -> Sales -> Account Management -> Solutions

BD的工作不在於跟大量的客戶面談,而是在於研究產業和客戶族群,透過分眾和尋找趨勢來設計吸引人的定價策略、產品定位以及業務模式。有了明確的業務模式後,行銷和業務則分別負責蒐集潛在客戶、篩選潛在客戶和與潛在客戶洽談。Account Manager則是在客戶簽約後,負責照顧客戶各項需求,並且跟公司內部其他部門溝通的窗口(是的,正常來講,PM是AM對內的窗口,PM是在管理專案,不是在管理客戶關係的)。

而講到Solutions這部分,在台灣來講也算是一個相對陌生的觀念。台灣多數公司很習慣統稱工程師為RD,然後碰到事情就習慣抓工程師來處理,不管對內對外都一樣。但是在業務管理方法比較先進的產業圈中,一家公司的工程團隊至少會再細分為Solutions和R&D兩大塊。

R&D就不用說了,基本上就是進行公司內部核心技術和產品的開發。

那Solutions(解決方案)呢?基本上解決方案架構師(Solutions Architect)和解決方案工程師(Solutions Engineer),就是接受Sales和工程部雙領導的技術團隊。他們雖然不用進行核心技術開發,但是他們卻要同時了解公司核心技術、客戶端的技術架構,以及之間的各類整合方式。而且解決方案團隊的成員都要受過一定的客戶接洽訓練。

這不用說,解決方案工程師在台灣絕對是被看貶的,大家會以為解決方案工程師的技術能力「不夠硬」。但事實上,這些Solutions團隊成員可以促進和客戶技術合作的專長,在一家公司的業務模式中是再重要不過的了。

而上面講到這些非常基本的業務觀念,這在美國科技業並不是只有大公司才會實施這類制度,而是連不到20人的新創公司,很多都已經建立了這種高度專業的業務架構。這也是為什麼不少舊金山的新創公司,可以用不到我們一半的人去達到更好的成績。

反觀,敝人在台灣還碰到一大堆整天在Cold call(陌生拜訪)潛在客戶的科技業業務。不好意思,在有Salesforce和Hubspot的今天,如果你還在花時間去Cold call,你的業務模式至少落後主流軟體業十年以上了。

誠信問題

另外一個台灣目前面臨的業務瓶頸,就是台灣的業務人員已經習慣唬爛唬到分不出吹牛和詐欺的差別了。這種業務模式,就好像是以前製造業老闆會先出去唬爛,拿到訂單以後再來借錢生產一樣。

但是,今天時代不一樣了。軟體產業是一個跟人高度結合的產業,在中低階硬體製造業你可以唬爛去騙到訂單,但是在軟體業,沒有長期培養人才和設計良好的公司制度,無論你怎麼唬爛也生不出產品和服務來交差。

在此保留給大家想像的空間,但是敝人過去幾年在台灣實在看到太多太多新創和大型公司用這種方式去經營業務。而敝人必須直言,這種先喊先贏的業務模式,在很多歐美國家是很大很大的禁忌。言下之意不是歐美產業圈沒有唬爛的人,而是唬爛的人一旦被拆穿,之後就很難找到客人了。

所以說,有時候台灣B2B公司在國外碰釘子,很大的一個阻礙其實是自己太過於習慣吹牛皮,而完全沒有意識到在很多文化中,這種行徑是在國際商業場合是讓人很感冒的。

家族企業文化中毒太深

這小標題應該不必贅述了吧?

其實台灣管理方法落後歐美已開發國家一大截,最主要的原因還是在於絕大多數的台灣企業仍然是以不折不扣的「家族企業」思維在運作。所謂家族企業,不一定就一個家族去分擔經營,而指的是一種「皇權企業」文化。

基本上,創辦人說的算,而且創辦人常常無法去接納專業經理人的建議和做法。也因為如此,許多創辦人自己的私心凌駕於團隊的專業之上,公司內部的決策常常會受到創辦人的配偶、家人、朋友等跟專業完全無關的人影響。

而這種劣質企業文化在台灣處處可見的最大病徵,就是後進的專案經理人永遠不會比創辦人厲害。大家習慣在老闆面前當奴才,老闆自然也越來越目中無人。

因為老闆的主觀大於一切系統和制度,這種皇權企業在老闆老了以後常常就成了「黃泉企業」,不但二代軟弱、接班不力,而且常常富不過三代。基本上創造不了什麼能夠長期自我革新、永續經營的企業。

很不幸地,敝人自己觀察的結果,現在很多台灣新創的創辦人也都是用這種模式在管理公司。

路不轉人轉

說來很感慨,台灣的產業環境很難讓新創公司的業務有機會去學習、有舞台去發展。台灣企業文化中的「人治」弊病造就了不尊重專業的傳統,長期以來只重視純工程人才,使得各類管理人才一直以來都沒有長足進步。

現在面對AI產業的崛起,我們產業中管理缺乏效率的問題,將是台灣AI產業繼續發展最大的阻礙。台灣AI新創要突破,唯一的路就是必須在品牌、行銷、業務、產品、營運等方面都逐步追上國際的水準。

我們不能夠再有:「客人還沒回我,我跟認識他的朋友要他的LINE來盧他」或是「我的表妹在美國讀書,網站上的文案請他來寫就好了」這種愚蠢的想法。

你覺得台灣人看不出來,這一搬上國際舞台馬上就露餡了。

責任編輯:陳建鈞

《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: #企業經營管理
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