給員工正反回饋的黃金比例是什麼？看P&G高層傳授人才管理的獨門心法|數位時代 BusinessNext

給員工正反回饋的黃金比例是什麼？看P&G高層傳授人才管理的獨門心法

人才管理是一門複雜的學問，而P&G高層卻有著一套獨門秘訣，掌握給予下屬回饋的時機，並樹立導師制度，讓員工感覺被懂得。

給意見不是嫌你不夠好，是為了一起把工作做好

產品供應部資深經理林怡甄是王國榮的員工，剛加入P&G時，她習慣自己把事情做完。王國榮在一對一面談提醒她，有團隊可以一起完成任務，不需要全部自己做。「一開始被提醒，會覺得自己是不是不夠好，」但工作久了她才發現，許多事需要團隊的投入，成果才會符合需求，「 接受需要改進的回饋，內心會有些失落，但如果沒人告訴你，很難成長 。」

林怡甄指出，王國榮曾在她被工作淹沒的時候分享： 遇到問題，把自己當救生員，而不是溺水的人 。如果一遇問題就把自己當成溺水的人，會覺得「為什麼都是自己碰到這種事？」但如果把自己當成救生員，面對挑戰時，會知道自己是在幫助團隊克服困難，「當面對困難可以不受打擊，對公司來說，員工處理事情的積極度會更好，這樣的反饋對公司、個人都是正向的。」

導師制度兼具情感支援，提供「有人懂我」的感受

給回饋的時間點也很重要。一般來說， 「緊急性」是第一考量 ；再來， 對方的時間安排 也很重要，假設他正在準備隔天的重要會議，他可能聽不進任何意見；最後是 個人狀態 ，如果對方正遭遇很大的挫折、心情不好，那也不是一個好的回饋時機。

除了業務指導，回饋還可以提供情感支持。王國榮指出， 導師制度（mentorship）就是這樣的存在，它提供工作者可以傾聽的對象，由導師從過去的經驗告訴學員（mentee）可以如何跳脫情境思考 。

P&G會不定期舉辦「快速輔導」（speed mentoring）的活動，在短短的5～10分鐘，根據自己的需求找到導師（mentor），對方也會當場提供一些回饋與經驗分享。王國榮強調，mentor沒有一定要找誰，重要的是他如何定義成功、對工作生活的想法是否跟你契合，「 主管是白天聊職涯發展，mentor是夜深人靜時可以聊人生的對象 。」

他回憶自己剛進公司時，發出季度報告後，遠在歐洲的導師從報告中察覺到異常，馬上問他今天有沒有時間聊一下，「具體內容記不清楚，但當下覺得『有人懂我』，那個感受我記得非常清楚，」隨著自己在公司的時間變長，他也想把一樣的感覺帶給其他人。

P&G認為， 員工70%的成長來自日常工作演練，20%來自周遭人的回饋，10%則是接受訓練 。要讓反饋變成公司的常態，就得把給予、接收反饋的經驗打造成正循環。

「不管是正負面，每個回饋都是別人給你的禮物，」人力資源部資深經理謝季唐總結，把回饋視為溝通、成長的途徑，未來有好的機會或場合時，也可以換你給別人禮物。

本文授權轉載自：經理人
責任編輯：文潔琳、蕭閔云

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。」

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。