叛逆女孩轉戰網路CEO
叛逆女孩轉戰網路CEO
2001.02.01 | 科技

大學聯考那年落榜,來自家裡的壓力,讓她更加反叛,拒絕重考,靠著打5年零工,用所掙得的錢,到美國半工半讀,後來到英國完成碩士學位,回台灣後進入新竹園區工作,等到網路崛起,她看到新的機會,驟然放棄年薪百萬的工作,投入新事業。
「只要夠努力,dream will come true.」留著一頭短髮,作風豪爽的黃瓊賢,雖然沒有順遂升學,卻靠著自我信念的堅持,一步步達成目標。

**看透了世態炎涼

**
見慣世態炎涼,即使背負名校落榜,親友指點的壓力,黃瓊賢還是堅持走自己的路。她說父親一生從醫,自有記憶以來,家中就熱絡異常,她常有一群佣人呵護,後來父親投資失敗,賠上大筆金錢,旁人冷嘲熱諷,讓黃瓊賢不識滋味,當時讀北一女的她,是父親最大期望,殷切希望她能繼承父業,一舉考上醫學系。
面臨家道中落,黃瓊賢一心只想趕緊賺錢養家。沒考上大學的她,開過計程車、當過油漆工、餐廳裡洗盤子、也曾經在高速公路上的分隔島拔草,只想為家裡盡點棉薄。
「必須要成為something,才能夠幫助家裡。」黃瓊賢拿著五年來省吃儉用,儲蓄下來的十幾萬元,本來想創業好幫助家裡渡過難關,但一個高中畢業生,訓練或經驗都不夠,要怎麼開始?
「好歹也要大學畢業」,受到家人鼓勵,黃瓊賢就把出國讀書,當作自我投資。 「相信自己做的到」,從苦學英文的態度,可看出黃瓊賢強悍的堅持。她笑著說,當她隻身前往紐約讀書時,頭兩個星期連一句英文都不會說,更何況修得是難懂的管理科學系(Management Science)。
於是她狠下心來,強迫自己不說中文,用英文寫日記、用英文思考、甚至喃喃自語的時候,也用英文,整整持續兩年,不曾間斷。 不是只有強硬堅持,黃瓊賢也常易地而處。
從英國唸完碩士後,她回到台灣的第一份工作是做終端機的台灣慧智,然後又轉到做網路卡的致福,雖然行銷原理一致,面試前,黃瓊賢還要先下功夫收集資料,研究各公司產品特性,才敢去面試,但為避免新東家與舊東家,產品對打,當她換工作時,特地選擇不同性質的公司。
美國不設限的自由,讓求學時的她,學會接納他人看法。當她辭去令人稱羨的高薪工作,成立土豆網時,很多人質疑她為什麼放棄高薪,或是懷疑她的創業方式,她都仔細凝聽,做為行動參考。
她說,解嚴時期的台灣,每個人都有一條軌道,出了軌道才能自由,但是美國連「軌道」都不存在,這讓她在思考事情時,能更加包容。 不過,黃瓊賢也曾為放任的社會價值感到不適。
她回憶剛到美國在路上親眼目睹真槍實戰,路人在躲藏後就若無其事走開。美國社會司空見慣的事情,讓黃瓊賢感到不可思議,也讓她決定完成學業後,就回台灣就業。
過去在園區做行銷時,面對外國顧客時,只需要語言表達能力,但今天扮演經營者角色,黃瓊賢面臨許多新的問題,頭號大敵是人脈不足。「如果當年在國內念大學,人際拓展上會比較容易」,黃瓊賢感慨地說,國內大學雖然學風保守,但是畢業後,學長學弟間有一種特別的親切感,職場上容易相互扶持,對人際關係的延展,有相當大的裨益。所幸,過去在園區所累積的部分關係,可稍免除黃瓊賢從零做起的徬徨。
另一個新課題,便是財務管理。曾經不看報表,不管財務的網路公司開始泡沫後,黃瓊賢警惕自己要學著成本控管,除了依賴求學時代所學的概念外,她自己也私下不斷向會計界的朋友討教,做好學習工作。 控制脾氣、與工程人員溝通程式內容、懂得放手等等,也都是黃瓊賢現在必須努力的範圍。
「以前當人家的部屬時,下班還可以罵老闆,」現在所有的壓力都在她身上,而員工間融洽氣氛,卻是她工作愉快的最佳動力。 擺脫老闆架勢,黃瓊賢不計形象與員工同樂,因為「員工才是真正的老闆。」
土豆網的尾牙上,員工男男女女都在水杯上留下口紅印,要黃瓊賢猜唇印主人,結果她一個也沒猜中,被員工以拿椅子半蹲在餐廳內做為處罰,口中還必須高喊著「對不起,我太笨了!」
黃瓊賢非但沒生氣,反而爽快接受,「只不過好幾個月都不敢再上那家餐廳了」她開懷地笑著。 B2C市場在台灣猶待開拓,再加上蕭條氣氛濃厚,網路經營之路更加艱困。黃瓊賢以求學態度的毅力,和不斷學習社交等新課題,來因應不景氣的一年,她始終認為,「Nothing is impossible.」。

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