搶救貧窮
搶救貧窮
2003.04.01 |

春節前,剛剛為上海某家汽車大廠完成了一支耗資巨大的廣告影片,請來德國的重量級導演,為這部4年來首度改款的新車建立新形象。這家車廠是中美最大的合資企業,成立僅4年,年銷量已突破10萬輛,去年成長了175%,創下了中國成長率最快的紀錄。
在我的印象中,不曾記得這個客戶什麼時候說過「這會超過我們的預算」這句話;只要符合市場行銷需求的,他們永遠要這地球上最好的(如果月球上有,他們也會考慮)。彷彿這個市場只要他們願意,沒有做不到的,因此設定目標後再來提高目標,就成了有點多餘的事,「定預算」只會限制了自己的成長可能性。
而不僅他們公司賺錢,他們自己也過得很好,頭頂交通大學高材生的光環,個個背景家世有來頭,上下班開著台幣50萬的車,住在市中心的高層。雖然大家已經相處久了,但是平時依然可以聞到一股貴氣淩人……
春節後,從台灣回來,隔週搭上往瀋陽的飛機,這是我初次拜訪另一位汽車客戶。

**不愛崗就下崗,不敬業就失業

**
初春的瀋陽挺暖和的,白天有2~3度,路邊一堆堆泥色的雪丘,市景顯得有些蒼涼,讓人不禁想起這裡正是歷代所謂的流放「邊疆」之地。
這間車廠在解放後沒有多久就已興建(算來50年歷史),是典型的「國企」(國營企業),生產各型卡車。進入接待室,只見一張木板凳,一面班駁的小鏡掛在沒有油漆的水泥牆上。我們一行人跟隨著謙虛親切的廠方人員,逛了一下整個廠區。
走進工廠內就聞到一股濃濃刺鼻的油煙味,偌大的車間,仿佛罩在濃霧裡,這片煙霧來自機器上的機油被高溫引起,廠方人員不以為意的繼續帶著我們走一趟生產線。工廠建築相當龐大,相對的,工人卻非常少,還有些三三兩兩地坐在一起抽煙。途經總裝區,幾位年輕的工人,衣服上沾滿油漬,扛著大型點焊機(這裡沒有台灣常見的robot機械手臂),按照規定的焊接鋼板,一片又一片,認真且賣力,火花不斷噴向他們的臉。我問:「他為什麼不帶護目鏡?」
廠長說:「護目鏡不合標準,容易模糊,工人們都寧願如此。」
再經過噴漆車間,裡面一部部空車在上漆,全部使用人工。雖然我們只是經過,仍受不了刺鼻的味道,忍不住快速通過,裡面一張張好奇的蒼白的臉,透過小窗看著我們,我才發現,竟清一色是女性。「他們一個月多少工資?」我問,「800元錢,…但是現在銷量差,只有總產能的1/10,原來6000人的廠,只剩下1000人。每個月只有10天有工,扣除保險等 ,一個月只拿300塊,不過比起來,我們這還算好的。」我隨口說:「那他們其他時間就可以打別的工囉?」一位經理苦笑著:「哪裡有工可打?」抬頭一看,牆上粗大的標語似在警告:「不愛崗就下崗,不敬業就失業」。我心想那被裁掉的5000名工人,就真的是不敬業嗎?他們做錯了什麼?
回上海的路上,我心情有些沉重,激動,一直想起那一張張在火光下認真工作,淳樸的臉。
我握著拳頭向同事說,不論他們能付我們多少錢,「搶救貧窮,一定要成功!」

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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Vibe Coding
© 2025 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