新創工程師的中年危機:滿盤皆輸,我還剩下什麼?
新創工程師的中年危機:滿盤皆輸,我還剩下什麼?

本文作者陳昭穎(Winston Chen),原文刊載於其部落格台灣工程師的矽谷故事

從公司第一位工程師,到第一位工程管理者,也已經三年有餘,從一開始事必躬親,每行程式出自我手,到現在我必須從同事工工整整,亮晶晶的程式區塊中,找出一些我能讀的懂的蛛絲馬跡。

團隊支援的產品,也從當初簡簡單單的mobile app +雲端伺服器,長到有硬體,有韌體,有embedded,有雲端,有mobile app,有DevOps,有Desktop Native⋯⋯等等戰線很長的整套服務。

身為一位負責一整個約10人工程團隊營運的工程師,除了經歷過好多場工程與營運的危機,要處理整個公司對工程團隊的信任問題,我的職責也離day to day的coding越來越遠,離管理越來越近。

處理過上一個工程危機以後,我開始深切任知到以往書上讀到後嗤之以鼻的那些所謂的「管理」,現在離我這麼近,我想這是一個抉擇吧?如果就這樣一頭栽進管理這條路,或許我以後永遠也沒有辦法回來當工程師了?畢竟捫心自問,比起管理者,我還是更想當工程師。

但是如果不轉身邁入管理這個領域,我怕我在職涯上的成長因此受限,回頭看看跟我同事的那些工程師們,每一個都在某些方面讓我嘆服,其他方面也完全不比我差。我已經老大不小了,養小孩的家庭時間正在蠶食鯨吞掉我所有的自我成長時間,如果不趁這時機跨過門檻,往後要在同一個平台上競爭,中年危機感只會越來越強,越來越烈。

其實我身旁的工程師中,也有不少正經歷中年危機的案例,老友工程師E在經歷過幾次傷心的職涯體驗後,毅然決然地遁出軟體業,選定了運輸業下手,打算自己做生意,擺脫軟體業中技術與管理之間的無限迴圈。老友工程師S在經歷過工程師,管理職,創業家,工程師,管理職⋯⋯等的循環後,選擇卸下戰甲,找到一個能跨國套利的工程師職位,不再過問管理界的風風雨雨。

老友工程師夫婦A與M,雖然雙雙在矽谷就職於令人稱羨的G社與L社,薪水總和堪稱朋友界之霸,但是一雙兒女的教育費加上在Los Gatos絕佳學區的房屋貸款讓兩人眉毛緊鎖,所有雄心壯志都先放到一邊。

這是無間道吧?我想。年輕一些時,所有人都認為自己的路會越走越寬,就算只是工程師,到某個時候,也一定有所突破,到時候突破所能夠換來的會是「自由」,有了自由以後,閒雲野鶴也好,將相王侯也好,都可以任我選擇。

後來當然不是這樣,突破點不會自己發生。走做公司這條路時,我當初賭的突破點有兩個:

  1. 或許會賺一點錢
  2. 或許會有一點名

或許會賺一點錢,跳出上班族的無限循環?

除非你已經連續成功創業過幾間公司,投資人甘願給你高薪水報酬,不然做新創公司要賺錢,只有把公司做起來,拿股份換錢。如果你運氣好,賭到一間facebook,算你祖上積德,恭喜你從此擺脫上班族的無限迴圈,進入高級新創人的族群,只要保守點花,從此吃穿不愁。

但是大部分的新創工程師沒那麼好運,運氣稍好的公司被Acqui-hire出場,股票沒賺到多少錢,但是至少混得進下一間中大型公司職缺,算是在人生職涯上有點交待,在朋友間也算抬得起頭。

運氣不好的,公司收起來以後,還得跟當初你面試進來的小朋友一起改改履歷找工作了,你贏得了你當初帶起來的小朋友們嗎?你比較貴喔XD如果這時候你還有簽證問題,那真的會有點難看,手上的選擇,隨著你的變老越來越少,越來越少。

或許會有一點名,還能再組隊攻略新的商業題目?

很多以新創為業的人都一樣,如果我成功出場,或是只要「看起來」成功出場,馬上可以想點新的題目出來,拿其他(「看起來」成功而已的話)創投的錢再度投入賽馬場,不管之前有多少萬個骨頭枯,找個當時熱門的題目(⋯⋯區塊鏈?),配上我過去成功所累積的名聲,還是能再度接近成功的。是嗎?

那如果連「看起來」都不成功了呢?後生可畏之外,我已經沒有任何名聲或是人脈資本去槓桿,失去了所有東山再起的可能,我在任何資本市場中呼不了風,喚不了雨,人生要如何繼續呢?

滿盤皆輸卻,看著別人成功

如果我最後的結果不理想,滿盤皆輸,看著別人美妙的成功,我能夠揮揮衣袖,散髮扁舟嗎?

應該是可以的!

功成名就本來就不是我兒時的夢想,我也不用向世界證明有多行。更何況在看過台灣矽谷眾多人才各顯其能後,我很清楚自己跟那些知名CEO/CTO,或是那些所謂超強創投傢伙比起來,什麼可以,什麼不行。

那麼,在經歷過這些風浪後,假設我截至目前累積的所有事業一敗塗地,滿盤皆輸的話,我會做些什麼?或者是,如果我運氣好,祖上積德,賭到了名與利,我會做些什麼?

仍然是「組隊開公司,做出並推廣自己著迷的產品,」我想。

這樣說來,我從來沒有為了名利苦撐,我苦撐都是為了自己相信的產品或是價值。想到這裡,心裡踏實了一些。成或敗,我都在做我自己想做的事情。

不要為了名與利苦撐。

所以走管理還是走技術?

其實答案已經呼之欲出了,如果還想繼續「組隊開公司,做出並推廣自己著迷的產品」我必須隨著公司的規模成長而成長,公司或是組織從來就不是一個人的事情,管理,也就變成下一個我必須掌握的能力了,默默翻開Julie Zhuo所寫的The Making of A Manager

至於這條管理路會不會走得越來越寬,走得自由呢?敬請期待。

本文授權轉載自:台灣工程師的矽谷故事

關鍵字: #工程師文化
往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

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