商業思維:人力資源的關鍵價值,絕對不僅是離職率或招募數量
商業思維:人力資源的關鍵價值,絕對不僅是離職率或招募數量

對HR領域,我不敢說是頂尖專家,但我對這領域的認識還算可以,我跟很多HR做過深度交流,也參與過公司內許多制度的建立過程,其中有一些甚至還是我主導的,我團隊內也曾籌組了一個RD HR-team,可以稱得上是半個HR人。

人力資源部門常見的KPI有哪些?

近幾年我持續推動商業思維,其中有一個重要的概念是數據脈絡,我希望藉由梳理脈絡來找出每個職務與工作任務的價值,當我很好的將研發人員的價值透過質化與量化呈現後,有些HR從業人員告訴我,他們認為自己的貢獻被低估了,但他們也找不出任何方法去陳述自己的工作貢獻。

我問他們:「你們的KPI是什麼?」

我收到的回覆挺多的,例如面試人數、招聘到職率、離職率、績優員工留任率、培訓成效等,我也上網查了一下國外的資料,我發現指標類型比較多元一些:

  • 到職率、招募人數、跳出率(面試流程到一半人不見)
  • 離職率、員工滿意度、員工淨推薦率(NPS)
  • 人均生產力(人效)
  • 薪資競爭力
  • 文化認同度
  • 全職/兼職員工比例
  • 90離職率、90天適任率
  • 招募平均成本
  • 績優員工留任率
  • 員工推薦率(員工推薦員工)
  • 培訓成效

看完這些,我心裡有兩個想法:

  1. 台灣看待HR的方式必須要有更進一步的突破,必須從數人頭的人力管理的角度,轉變到把人視為組織資產的人才資本管理。

  2. 這些指標,多數的HR要不難以控制(如薪資競爭力、文化認同度、離職率),要不就無法判斷對公司的實質貢獻(如培訓成效、到職率),那這樣的指標壓在HR身上其實一點意義也沒有。

無法掌握的事,我如何對他負責?

曾有一位HR告訴我,他的KPI是員工的離職率與績優員工的留任率,我問他:「你如何對員工的離職與否負責?」

他想了想回答我:「我還真的沒辦法,因為薪資與升遷規矩是老闆訂的,而他工作內容是部門主管決定的,工作中的合作與互動則與同事有關,我只能招募他進來,但進來後會怎麼樣,其實我是一點把握也沒有。」

實話,這是許多HR的心聲,但這段話對也不對。

對的是,一個人對無法掌握的事確實很難負起責任,怎麼說呢?我們用下面這個案例來說明吧:

一個員工從招募開始與公司產生了連結,可能從投遞履歷、邀請面試、一面、二面、談薪水、收到offer,最後到職,到這個段落為止,主責的是HR,但從員工到職到遞出辭呈準備離開,這段時間HR與這位員工的接觸時間非常短,大概只有培訓或考核的時候會產生一些關聯,除此之外,9成以上的時間HR是沒權力,也難以把握這個人現況的。

這樣一個人進來,你見過他幾次面,然後就要為他的離職負責,似乎一點道理也沒有。

這個道理你知、我知,獨眼龍也知道,但為什麼離職率這個數字還是常常被當成HR的KPI之一呢?

我認為原因有二:

  1. 離職率是總體生產力是否穩定的綜合指標之一,從業務角度來看,這就有點像是客戶流失率,流動率過高總是不恰當(其實過低也不是個好現象)。

  2. 傳統的企業管理受製造業影響,以人頭計算生產力,能補多少人,留多少人就等於擁有多少生產力,所以在職人數約略與生產力成正比,因此將離職率視為一個重要的KPI並不足為奇。

對製造業來說,生產線員工的技能要求低,招募速度快,培訓快,工作內容單純,同事合作流程也單純,影響離職的因素相對較少。如上圖,我們拿製造業產線員工與軟體業PM來比較一下,其實狀況就很明顯了,以工作變因來說,軟體PM實際上是遠超產線員工的。

當人被招募進來後,造成離職的變因少,HR對一個人是否會離職的掌握度相對愈高,而掌握度高時,將離職率這個指標放在HR身上問題相對較小。

那軟體PM的離職率如果很高,又應該算誰的?其實正常來說HR跟用人主管兩者應該都有責任。但HR到底要如何對這件事有更多的掌握呢?你可能得做許多事,例如到職一週、一個月的面談,或者在發現他對工作內容不滿意,與主管或其他同事溝通上有問題時介入溝通或輔導,甚至與主管討論是否為他進行轉崗。

然而要做到這種程度,甚至制度化下來,是有一定困難度的,原因有三:

  1. HR不認為自己應該做到這些事,會覺得HR搞到最後很像保姆,是吧?我認為HR工作中確實有部分得扮演員工的引導者或傾聽者,但絕對不該是保姆的角色,因為員工自己都是成年人了,應該為自己負責。

  2. HR有意識,也想要搭建這樣的制度,但老闆不願意授權或沒給足夠的資源,所以最終這個制度難以被落實。

  3. 部門主管的抗拒,這些手握權力的主管們不樂見此事,所以直接或間接的杯葛此制度,最後制度的推動死在半路上。

因為建立這種制度的障礙頗多,所以大家的腦筋便自然而然地轉到整個流程的最前頭去了,那就是招募。

找對的人進來,一切不就解決了嗎?

正確,所以你會發現很多職缺除了專業技能外,會附帶擅長溝通、正面思考、積極任事、挫折容忍度高、勇於挑戰自我等人格特質上的要求,這些要求的積極意義是希望你能專注於創造工作價值,消極意義則是希望你不要因為進來之後那些狗屁倒灶的事而想不開離職。

找到一個對的人,到底有多困難?

讓我們先來定義什麼叫對的人,簡單的說,就是他能在這個環境生存下來,然後還能完成原先要他達成的任務,不需要其他人時常介入幫他協調事情,基本上這就算是一個對的人。

但要找到這樣的人且對方願意進來任職,基本條件有以下幾項:

  1. 清晰的工作職責,拿什麼來考核他,也就是Job responsibilities。
  2. 清晰的工作內容,具體負責什麼任務,也就是Job description。
  3. 所需具備的專業技能與工作經驗,例如3年的軟體產品經理經驗。
  4. 其他軟性特質,例如溝通表達、抗挫折能力等。
  5. 面試完,他對公司、主管、薪資、工作內容感到滿意。

前面3項一般來說比較好設定,若正確的被理解與規劃,而且清楚這樣的人要透過什麼樣的管道來找尋,那一般會很快的找到一定量的職位候選人名單,反之,若對這職位沒有太多的理解,就只能透過傳統的管道如人力銀行來招募,速度上就會慢很多了。

第4項則相對比較複雜一些,如果你知道這個崗位的直屬主管的性格與管理風格,溝通協作對象處理的做事風格,那一般會更清楚這個人的軟性特質應該到什麼水平,但就我過去的經驗裡,HR很少會主動去談這塊,而會把這個任務交由部門主管自行決定。

第5項涉及的面向也挺廣的,而其中每一項其實都可以經過規劃與設計,面試流程的設計,主管面試技巧的訓練,這跟面試的體驗有很大的關聯性,而且事先研究市場行情,開出來的薪資可能符合面試者期待,那面試成功率一般會提高不少。

但上面這些只是基本要件,若真的要找到對的人,你還得考慮組織文化與價值觀議題,這部分在此我不多談了,各位可以參考我先前寫過的一篇文章:如何在招募時挑選到對的人?

人力資源部門真正的價值

找到一個對的人,並且在到職後設計一些必要的流程來確保此人到職後真的能發揮原先預期的戰力,進而改善公司的經營表現,

讓人才在組織內發揮效益,這才是人力資源部門真正的價值之所在。

所以我們也很清楚的知道,人力資源部門的工作其實一點也不輕鬆,需要非常高的專業性才能做得好,但我也看過很多企業談重視人才,但在人力資源上投入的資金卻非常少,仍然把人力資源部門視為成本單位。

推敲背後的原因,我認為這是因為老闆們無法很有效的衡量人力資源部門的價值。

當你回過頭去看看數據力:績效指標管理的核心觀念,你會發現數據脈絡恰好是一個很好用來協助人力資源部門衡量自己績效的方法,當我們招募進來的人,能在數據脈絡中創造出價值,那自然能衡量人力資源管理的價值。

其實近幾年很多HR專家都有提到人力資源部門的角色必須從過往的行政、後勤部門轉變成戰略部門,大陸也有很多的網路公司設立了HRBP(Human Resource Business Partner),將一些具有HR專業的人編列在業務部門中,讓HR更熟悉公司業務狀況,進而掌握組織需要什麼樣的人,把對的人找進來,並建立妥善的組織管理制度。

組織問題會衍生人才需求,而專業且熟悉公司業務的HR肯定非常熟稔以下事務:

  1. 知道組織缺什麼樣的人才。
  2. 知道去哪找這樣的人才。
  3. 知道什麼樣的人才適合組織。
  4. 知道如何讓這樣的人才加入。
  5. 知道如何讓人才在組織內發揮效益。

當人力資源部門能做到上述事項,在組織中的價值將不言而喻,任何工作都一樣,專業的價值必須建立在能為所屬的組織或社會創造價值,尤其在這個求變求快的世界中,追求確定性工作,扮演好螺絲釘的角色已經愈來愈危險。

別埋怨大環境不懂你,我們應該試著理解大環境需要什麼,我們必須時時調整自己,努力創造價值。

(本文由游舒帆授權轉載自其Medium)

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。)

往下滑看下一篇文章
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?

AI 正快速改變消費者探索商品、接觸品牌的方式,也為零售業帶來新的成長機會。然而,當 AI 從個人使用工具逐步走向企業營運,台灣零售業的轉型腳步仍有落差。財團法人人工智慧科技基金會《2026 台灣產業 AI 化大調查》顯示,台灣零售業的 AI 應用仍存在明顯差距,資源有限的中小企業尤其面臨挑戰。對照全球已有 62% 的企業開始布局 AI Agent、近五成運用 AI 投入高價值決策,如何將 AI 從單點工具導入,真正成為零售成長的助力,已成為品牌必須面對的課題。

全方位零售整合專家 SHOPLINE 於 9 月舉辦「AI-Verse Day 2026」年度大會,以「Where AI Meets Commerce」為主軸,邀集零售與科技業者,從流量獲取、數據應用到會員經營,探討 AI 落地零售場景的實戰路徑。服務全球累計逾 70 萬品牌的 SHOPLINE,也在會中宣布邁向 AI in Retail,推出官方 MCP(Model Context Protocol),進一步串聯零售數據與 AI 應用,協助品牌掌握新興 AI 流量入口,為下一階段的智慧零售布局做好準備。

SHOPLINE 預告:零售下一個流量入口是 AI

2026 年上半年,SHOPLINE 客戶 GMV 年增 20%,是電商大盤成長率的 2.5 倍。「這代表我們與品牌客戶一起把生意做大!」SHOPLINE 台灣總經理葉力維指出,從全球市場來看,尤其是以北美為主的 SHOPLINE 客戶,來自 AI 渠道的流量 PV 較去年同期成長 15 倍,訂單量更成長 35 倍;相較之下,台灣 AI 渠道流量 PV 約成長 2 倍,顯示 AI 導流的商業潛力正逐步浮現,台灣品牌仍有很大的成長空間。

當品牌越做越複雜,從多通路走向全域經營、數據與規模擴大,如何確保資料品質、打通資訊孤島,並兼顧資安與治理,成為 AI 能否真正落地的關鍵。為此,SHOPLINE 提出四大 AI 佈局方向:首先,建立 AI Ready 數據基礎,整合分散的零售資訊,為 AI 應用做好準備;其次,深化 MCP 布局,讓品牌能依照自身需求,自主選擇並串接不同的 AI Agent;第三,成立 AI 轉型委員會,將 AI 導入內部工作流程,推動服務模式從執行任務進一步升級為洞察客戶需求、提供策略建議;最後,擴大 AI 夥伴生態系,開放第三方開發者串接垂直領域的 AI 應用,讓品牌能更靈活地組合所需工具。

#4 SHOPLINE
圖/ 數位時代

「過去十年,SHOPLINE 陪伴品牌走過每一次通路變革。每一次流量入口的改變,其實都代表著品牌經營方式的改變;而下一個入口,就是 AI。」葉力維表示,當 AI 開始影響消費者探索商品、發現品牌與完成購買的路徑,品牌不能只停留在導入單一工具,更需要提前整備數據、串接應用並建立治理能力。接下來,能否做好 AI Ready 的準備,將成為零售品牌掌握下一波成長機會的關鍵。

SHOPLINE 推官方 MCP,助攻品牌落實 Agent Ready

品牌該如何做好 AI Ready 的準備?SHOPLINE 產品副總賴哲文指出:「人、貨、場的接觸點沒有改變,改變的是誰做決定、誰做執行、誰做判斷。」

當 AI 逐步介入零售場景,消費者、員工與企業的角色也隨之改變:做決定的是消費者,當消費者問 AI「我該買哪個品牌」,品牌能否出現在答案裡是第一個挑戰;執行的是員工,員工則可將部分執行工作交由 AI 處理,將更多精力投入判斷與決策;做判斷的是企業,AI 能否提供可靠的洞察與建議,關鍵仍在於數據品質,以及能否有效運用既有數據資產。

要讓品牌被 AI 理解與推薦,品牌經營也必須從傳統 SEO,進一步走向 AIEO(AI Engine Optimization),讓商品與品牌資訊具備良好的結構與可讀性,才能提高被 AI 採用、推薦及導流的機會。對此,SHOPLINE 提出三層 AI Ready 架構:以「AI Ready Data」整合高品質、可供運算的零售數據;透過「AI Ready Commerce」讓商品資訊與交易流程能被 AI 理解和銜接;再以「AI Ready Agents」串接品牌自主選擇的 AI Agent,逐步將數據基礎延伸至實際應用。同時,SHOPLINE 也透過第一方數據歸因,改善消費者身分碎片化、數據時效性不足與成效歸因不清等問題,讓原始數據能進一步支援 AI 分析與決策。

#3 SHOPLINE
圖/ 數位時代

在工具應用上,SHOPLINE 推出官方 MCP,涵蓋流量轉換、數據分析、商品管理與會員經營等場景。品牌可在 Claude 中透過輸入零售 skills,搭配 MCP Tool 的後台相關能力,進一步產出數據洞察報表與執行建議,讓 AI 從資訊整理延伸至實際的零售工作流程。為兼顧應用效率與資料安全,SHOPLINE 也設下三道防護機制,包括涉及資料寫入時須經人工核准、個人資料須取得授權才能存取,以及依照角色與需求進行權限分級。

「Agent Ready 就是入場券。」賴哲文強調,當 AI Agent 開始參與消費者決策與企業營運,品牌不只要讓 AI 看得懂商品,更要讓數據能被安全地運用、讓不同工具能順利協作。

除了產品之外,SHOPLINE 也致力發展 AI 開放生態圈,邀請各領域夥伴分享引流、口碑、營運與顧客經營的應用方向。此次大會邀請數聚國際、Tagnology、BUNNYWORK、beBit TECH 微拓科技,以及女性高效身體保養品牌 HYPHY,攜手展示 AI 如何串聯流量獲取、行銷轉換到顧客經營等零售場景。

Justar 運用真實發票數據,提升廣告投放效率

廣告投放端同樣面臨轉變。「市場愈來愈大,轉換效益卻愈來愈低。」紅門互動及Justar 數聚國際執行長張元溢分析,投放效率下滑,源於成長結構改變:影響消費者的場域更分散,找人的方式從興趣推測走向真實行為,素材也無法一套打完全場。

對此,Justar 運用 AI 結合電子發票數據,以 AI 廣告投放平台結合全台規模領先的雲端發票消費資料庫,涵蓋超過 20 億筆雲端發票、700 萬名消費者及 3,200 萬項商品。其「AI 廣告受眾推薦引擎」可依商品特性生成受眾輪廓(Persona),比對發票資料庫、找出真實買家作為種子受眾,而非僅依賴瀏覽紀錄或興趣標籤,再由 AI 自動擴充相似受眾、生成並優化素材,並依成效動態調整投放策略與預算配置。

張元溢強調,從真實種子到規模化放大,重點在於找到更多相似的人。同時觸及也須走出社群,延伸至 RMN 聯播網、社區 App 廣告與戶外媒體。他以「三人成虎」形容,藉創作者短影音加上跨場域廣告加深印象,才能為品牌實現「線上找到人,線下讓他記住你」的成效。

#2 SHOPLINE
圖/ 數位時代

BUNNYWORK 推 AI 營運特助,主動預警缺貨與滯銷也發掘成長機會

除了行銷之外,AI 也開始深入零售業的日常營運,協助品牌從事後處理走向事前預測。BUNNYWORK 創辦人周于如指出,電商營運常面臨幾大痛點:商品售罄後客戶問了才發現缺貨、補貨數量仰賴 Excel 與個人經驗判斷,滯銷商品也往往要到季末才浮現。「營運方式不同,留下的利潤差很多。營收決定你做多大,營運才決定你能留下多少利潤。」

針對這些痛點,BUNNYWORK 推出定位為「會思考的電商 AI 特助」的解決方案,目標是讓電商營運進入「自動駕駛」。傳統 ERP 只負責被動紀錄營運數據,BUNNYWORK 則讓 AI 24 小時主動盯盤:根據銷售數據提前發出缺貨預警、產出補貨建議單,並每日掃描商品銷售速度,一旦偵測到滯銷風險,即透過 LINE 推播提醒品牌及早規劃促銷、加速庫存去化與資金回流。除了提前規避風險外,AI 也幫助電商看見潛在機會:偵測到爆款潛力的商品,提醒品牌提早加碼備貨、調整廣告資源,把握成長時機。

至於 AI 為什麼能提供可靠的營運建議?背後仍取決於數據基礎。周于如解釋,ERP 串聯商品、銷售與庫存等不同環節的數據,並即時同步多通路的商品與庫存資訊,讓 AI 掌握完整且即時的營運全貌,同時降低超賣風險。「唯有建立乾淨、即時的資料基礎,AI 才能進一步辨識缺貨與滯銷風險、並發掘銷售成長機會,協助品牌提前應對、做出更精準的決策。」目前品牌平均約 7 天即可完成導入。

#1 SHOPLINE
圖/ 數位時代

精兵團隊導入 AI,解決流程瓶頸再創高成長

從流量獲取到營運效率,AI 的價值最終仍須回到顧客經營與商業成效。大會壓軸的高峰沙龍回到會員經營。beBit TECH 商務長譚學凱指出,OmniSegment CDP(顧客數據平台)能整合分散的顧客資料,建立 360 度顧客輪廓,進一步支援跨渠道的精準經營;旗下導購型 AI Agent「AgentBit」,提供對話式分眾,讓使用者與 AI 對話就能快速打包推播受眾,不再需要手動設定篩選條件;商品興趣預測則以 AI 學習客戶的行為軌跡,自動將高相關商品推送給高潛力買家;AI 智慧分析更只需透過問答,即時分析品牌檔期成效與提供優化建議,並能一鍵調整現有顧客旅程。透過 CDP 與 AI 功能加乘,大幅提升行銷團隊協作效率,並支援逾 2,000 種 OMO 跨通路智慧推播,協助品牌更有效地觸及目標客群。

#0 SHOPLINE
圖/ 數位時代

HYPHY 品牌共同創辦人林又立分享,品牌長期透過 LINE 經營千人會員社群,希望在規模化經營的同時,仍保有一對一對談的親切感與即時回覆的能力。導入 AgentBit 後,團隊能透過 AI 對話快速完成受眾分群,並取得具體的行銷優化建議,降低操作門檻。以單檔活動為例,LINE 發送量僅為原先的 15%,點擊率卻提升 227%,EDM ROAS 更提升至原先的 3.3 倍,展現 AI 協助品牌提升溝通效率與行銷效益的潛力。

對於資源有限、希望嘗試 AI 的品牌,林又立也分享了務實的做法:「不要一開始練跑就想著今天要跑全馬,先踏出第一步,把目標定在到達下一個電線桿就夠了。」與其一開始就追求全面轉型,不如從具體的營運需求出發,逐步找到適合 AI 發揮的場景。

活動尾聲,葉力維也提醒,品牌導入 AI 前,應先盤點內部工作流程,找出真正影響效率與成效的瓶頸,再思考如何運用 AI 改善。「那就是你最該導入 AI 的地方。把 AI 放在流程上,才是關鍵。」與其為了導入 AI 而導入 AI,先解決實際問題,才能讓技術真正轉化為營運成果。

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
一次搞懂工業AI
© 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