Dcard員工為何敢拒絕CEO要求?全因這個績效管理法
Dcard員工為何敢拒絕CEO要求?全因這個績效管理法

林裕欽是2015年成立的匿名社群平台Dcard(狄卡科技)共同創辦人暨執行長。現在,Dcard每月瀏覽次數達15億次,在流量排名網站Alexa中排名全台第14名,員工數在2年間從30人躍升到突破100人大關,兩項指標都代表了Dcard急速的擴張企圖。

就算僅有一個小時時間訪問,在林裕欽個性裡具壓倒性比例的邏輯與理性,也能在對談中清楚顯露。似乎任何問題對他來說,都能經過拆解後擊破,即使是難倒許多新創CEO(執行長)的「管理」也一樣。

這並不是說他是個管理天才,林裕欽也遇過與員工理念不合,對方離去的情況。「當時的管理能力不足,但這是必然會發生的事情,如果沒有遇到,反而可能是公司沒有成長到我管理能力跟不上,也不是一件好事。」林裕欽說。

克服管理困境的解答,林裕欽認為就是學習,然後成長。

林裕欽_Dcard創辦人_2019_12_31_蔡仁譯攝-2
Dcard(狄卡科技)成立於2015年,圖為共同創辦人暨執行長林裕欽。
圖/ 蔡仁譯攝影

專家、同行、同事三個導師教我的事

林裕欽回憶起第一次遭遇管理上的困難,是Dcard團隊規模在30人時。當時所有人都直接向林裕欽報告,然而分給每個人一小時,就占去林裕欽一周工作時數的大半,「這時候需要更多的負責人出來帶人,出現了第一階層的管理職。」不過,走進這時期,Dcard也發生因為理念不合導致員工離職的情況。

「這的確對信心有所打擊,但我也清楚知道要提升自己的管理能力。」林裕欽說,他總結了三種方式來培養自我的管理能力。

一是跟專家學習,找尋導師、線上課程、書籍;二是跟同行學習,與其他新創的CEO討論,或參與CEO們的聚會;第三則是跟同事學習,「內部會經常討論,每個決策怎麼做會更好。」

從林裕欽其中一個學習來源,可以一窺他驚人的學習量:在學習App《得到》的2019年年度回顧數據中,林裕欽一共花了47,429分鐘在《得到》上,超越了99.99%的用戶,等同於超越了千萬使用者。

當管理階層變多,就會出現下一階段的管理困難——原先的管理者也要學著幫助其他人成為管理者。

林裕欽強調,公司內所有人都能夠從上述的三個面向去學習,「Dcard會盡量讓每個人都拿到跟CEO一樣的資源。」Dcard提供相當多的學習補助,也會讓員工去參與不論國內外的技術研討會。問到學習補助有沒有上限?「出國預算當然抓比較緊,但其他上限的話……」林裕欽難得想了一下,「我們抓的滿高的。」

林裕欽_Dcard創辦人_2019_12_31_蔡仁譯攝-1
截至2020年1月,Dcard擁有400萬會員,每月不重複訪客為1,500萬人,為全台灣最大的匿名社群平台。
圖/ 蔡仁譯攝影

為何捨棄KPI,而是用OKR作為績效評估?

隨著組織的成長,Dcard也不斷找尋管理績效的方式,常見的KPI(Key Performance Indicators,關鍵績效指標)當然也在Dcard的評估範圍內。「但我們發現,KPI要訂好很不容易之外,像評估工程師的績效就很困難,因此並沒有採用KPI。」林裕欽說。

所以在2017年4月,林裕欽先從自身開始實驗OKR(目標與關鍵結果),設定「生活更健康、學習更多管理知識」等目標,施行了半年有成效後,10月開始導入公司。

林裕欽認為,OKR與KPI最大的不同,是對於「目標」的理解與追求。如果同樣以「用戶增長」為績效,套用KPI時由於缺乏目標,員工可能會做出短期滿足績效,但長期對品牌有害的行為;但如果是OKR,必須先知道「為什麼」,對Dcard來說,設定績效是為了打造更好的社群討論環境,員工在這個前提下就不會為了滿足績效,而做出對品牌有害的行為。

OKR只在Dcard施行一季的時間,林裕欽就明顯感受到公司氛圍的不同,「因為大家有了一致的目標。」2019年Dcard的戰略為「年輕人都會在Dcard上討論」,成為所有員工們努力的方向。

林裕欽舉了一個例子,當時他曾突發奇想地在公司內提出一些想法,興奮地跑去跟設計部門的主管討論可行性。卻遭到設計部門的主管反問:「這跟OKR的關係是什麼?跟我們的目標相比哪個比較重要?」

「那時候你就知道OKR是個很好的工具,因為我們事前設定的目標夠明確,他連CEO的需求都可以拒絕。」林裕欽笑著說。

最近的健保特約藥局在哪?點擊這個地圖告訴你

對於Dcard的組織成長與績效管理的方針,商業思維學院院長游舒帆表示, 管理績效的方式 與基層理念的一致性也很重要。他指出,如果新創的管理重點在於目標管理跟團隊溝通,OKR的確是可以考慮的工具。但不管是KPI或OKR,若管理層與員工的理念不一致,都是大災難。而組織間目標不一致的問題,很多時候是因為對於「價值」、「重要性」、「優先順序」的認知有出入。

什麼是OKR?

「O」是指目標(objectives)、「KR」則是關鍵結果(key results),它是一項溝通工具,幫助所有人了解最新目標是什麼,由團隊討論出一個周期內定向的大目標,用來告訴大家「我們現在要做什麼?」接著擬定 2~4 個定量的關鍵結果,輔助成員了解「如何達成目標的要求」。

責任編輯:張庭銉、林美欣

關鍵字: #社群媒體
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

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
代理式商務連動百兆商機
© 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