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
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

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
一次搞懂工業AI
© 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