沒有企業文化,別談企業e化!
沒有企業文化,別談企業e化!
2002.07.01 | 科技

Q:在台商陸續前往中國布局後,事業版圖擴大,管理難度也跟著增加,台商要如何管理兩岸三地的員工?
A:這是全球化的必然趨勢。以PeopleSoft為例,整個軟體的開發,全球是統一由一個Team來負責,但實際產品的銷售,由於各地的市場特性不同,所以行銷與銷售就要落實到各區域市場。兩岸三地的市場各有特色,比如說香港的商業環境英語應用的程度很高,大陸則是簡體、台灣則為繁體,但我們亞洲區的軟體開發,都是在印度。
現在台灣企業常看到的模式是,生產在大陸、會計或財務的往來在香港、設計或研發則集中在台灣,但不管如何,站在經營者的角度來看,最重要的就是了解每一個員工的才幹,也就是所謂的Performance Management(績效管理)。
現在許多台灣的企業,事業規模愈做愈大,陸續開始將事業版圖擴張到大陸去。過去較小規模時,老闆對員工的了解程度很高,但在前往大陸布局後,老闆與員工間的距離遠了,彼此也陌生了,要如何管理呢?
這部份IT工具可以幫一點忙。我們開始試著將一些不是很具體的項目,如才幹、人格特質等,導入系統當中,做成一些Index(指標)。
舉例說明,我們曾有一位全球級的客戶,是從北美市場起家的,他們要選「Asia Best Practice」(亞洲最佳管理者),他們希望將企業營造成開放式的文化及管理彈性靈活,所以管理者評量的指標中,就放進一些像如何與員工溝通、管理方式的創意等具體四十多項指標,把這些指標做為主管報酬的主要依據。
人力資源管理與生產管理不同,生產管理評估,有很多量化的方式,但人力資源不行。但現在由於有軟體及Internet的技術,所以在跨國、跨區域的管理也可以開始試著朝這方面去做,但重點是要把整個企業的精神融入評估機制當中。

Q:那要如何藉由軟體輔助的方式,來提升人力資源的管理,達到企業的需要?
A:系統再好,也沒辦法取代CEO。對台灣或是中國的老闆都一樣,很多人的管理方式還是眼見為憑,針對例行的事務,可以導入系統,藉由科技的方式來管理,但關於員工的情感與向心力,通常中國式的管理比較有效,就好比現在企業現在比較頭痛的流動率問題,不能說等員工離開後才去找問題,要在離開前就能找到問題。
員工流動率增加也衍生出另外一個問題,新進員工要如何在最短的時間內,銜接上工作,這就是Knowledge Management(知識管理)的問題了。所以我相信,在員工訓練、工作內容、顧客管理等方面,對於資訊技術的需要會愈來愈高,使每個員工,即使在離開企業後,他的核心工作仍然能保留在企業。
過去我們幫客戶導入人力資源的系統,會先去看看企業有多少員工,與客戶討論,就現有的生產力去做怎樣的評估。但現在不同,我們開始把重點放在「開發」員工的新技能,藉此達到改造企業的目的。尤其是在服務業當中,在績效的評估中,就以能夠鼓勵員工自我成長為目標。

Q:在導入知識管理時,對企業而言,有哪些需要特別注意的地方?
A:站在企業的角度來看,我覺得知識管理能成功最重要的地方是能做到「Just in time」。例如顧客的服務,當接到顧客的電話時,客服人員能在當下就能從系統提領出,解決客戶需要的資訊,能快速有效的解決,這是Just in time的學習。除了客服人員外,背後每一個流程步驟的資訊,如工程師或業務員與客戶往來的資料,也都能完整的輸入系統中,而這些都是要在當下就能完成,而不是在事後才來補輸入,那樣的資訊往往會有疏漏,價值也不高。
所以,整個系統是隨時處在Input及Output的狀態,就是要讓每個員工能夠立刻取得需要的資訊。這就要從管理面去營造出無私的機制,將每位員工手中的資訊,都能無私的輸入系統與同事分享,將每天日常的工作,與企業的營運目標結合在一起。

Q:對於台灣大多數的中小企業而言,e化所需要的花費很高,不是說做就能做的事情,你會建議從哪方面開始?
A:在這方面我們反而會先建議企業,在導入系統前,要先建立起自己的企業文化,e化前,要先有文化。文化是企業最根本的東西,也是最不容易描述的東西,要先有清楚的企業文化,再藉由科技的技術,來達到相輔相成的目的。
舉例來說,現在很多企業要將文化塑造成學習性組織。有了這樣清楚的文化後,從CEO開始至每個員工,從上而下灌輸這樣的文化,在績效評估時,就可以朝這方面的指標著手。所以,沒有文化,用什麼系統也沒用。

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