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 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