台灣大7個月整併台灣之星內幕:他連開28場傾聽大會,先救了「被罰100遍」的一線士氣!
台灣大7個月整併台灣之星內幕:他連開28場傾聽大會,先救了「被罰100遍」的一線士氣!

2022 年 4 月,林東閔加入台灣大哥大(下稱台灣大),成為個人用戶事業群副總經理暨商務長。

36 歲擔任千萬用戶的商務長,卻沒有電信產業的經驗,林東閔很清楚自己可能面臨的質疑,「物理上我是年輕,」他 13 歲就在聯強電腦當工程師,經歷 3 次創業,在宏佳騰當了 7 年執行長,「我已經工作 20 幾年了,但這些經歷在電信業不見得有用,」他需要一場真正的戰役來證明自己。

而這場戰役,在他加入台灣大 7 個月後就來了。 11 月,台灣大宣布合併台灣之星。但電信服務直面消費者,林東閔所在的個人用戶事業群,就是負責多數民眾認識的電信業務,對此他所託非輕。

沒有電信經驗,上任之後首場戰役就是合併台灣之星的大案子

這是場硬仗,因為合併案涉及 NCC 與公平會的法規審查,牽涉數千名同仁權益、百萬名用戶轉換風險、系統整合複雜度極高。

台灣大總經理林之晨一開始就下了決定,整併要無差別待遇。「要讓台灣之星的用戶進到台灣大哥大,感受到的網路體驗是無差別的,」林東閔回憶,「從網路整合的角度,一旦做了這個決定,工作量就是 10 倍。分成 2 個單位各活各的,絕對是最容易的。」

無差別待遇的意思是指,要讓台灣之星用戶的 SIM 卡,要能夠用到台灣大所有基地台,上萬個基地台都要重新設定。

這個決定讓整併案面臨 2 大核心挑戰。第一是技術層面:網路技術事業群必須在最短時間內完成 5G NRCA 通訊技術的整合,將台灣大 5G 3500Mhz 頻段的 60Mhz 頻寬與台灣之星的 40Mhz 頻寬整合成 100Mhz 的業界最大 5G 頻段,讓台灣之星用戶網速更快,同時不能讓台灣大原有用戶權益受影響。

第二是消費者端的挑戰,這正是林東閔的戰場:雙方企業文化不同、流程不一致、同仁焦慮高漲,如何讓數千名門市與客服人員接受改變?如何在技術整合期間,確保百萬用戶的服務不中斷?

電信服務已是生活基本,用戶不等人,他們馬上就要好的體驗。林東閔的策略是:要把消費者搞定,才能回推內部要做的事情。原因在於,電信業最重要的就是終端消費者的滿意度,而消費者的所有不滿,就等同於第一線人員的工作壓力。

唯有知道消費者在意什麼,才能知道團隊該往哪個方向前進。而要搞定消費者,則得先聽到第一線服務人員的心聲。

第一步:召開店長會議,傾聽一線心聲

「前線同仁才是老闆。」台灣大有千萬用戶,最常接觸到用戶的就是一線員工。「如果你的同仁不開心,心裡有很多抱怨,恨死這公司了,你的客戶也會恨死你。」

對此,林東閔決定召開全國直營店長大會,讓 300 多位店長、督導、區主管、處主管全部開麥克風,「所有的疑問、不安心、不滿、抱怨、怒氣,對文化、對制度、對任何的福利條件、對專案、對產品,全部都可以說。」

第一場會議果然是批鬥大會。林東閔收到很多回饋,有些內容讓他讀著心酸。

例如,有一位同仁因為有一個 KPI 沒有達成,被某個主管要求罰寫 100 遍。「這什麼年代?業績沒做到已經夠慘了,還要花更多的時間去做一件比慘還要慘的事情,到底意義是什麼?」

林東閔後來查證,類似的荒謬管理方式在前線並不罕見。「我知道我講出這個真實的故事,對台灣大形象可能是不好的,」林東閔坦承,「但如果你不走到第一線去看,你怎麼會知道它長什麼樣子?」

他認為,只有誠實面對問題,才能真正解決問題。第二場會議,他就針對上一次問的所有問題做簡報,逐條列出解決方案,說明什麼時候會做、會怎麼做,如果不能做的,則說明為什麼不能做。

這樣的會議持續了至少 28 場。前 3、4 場是批鬥大會,第 4 場到第 10 場比較冷靜但還是很多抱怨,第 11 場到第 15 場終於從抱怨開始變成提議,第 16 場之後,漸漸轉為討論創新提案,有什麼服務能夠加值用戶。

延伸閱讀:搶到AI眼鏡獨家首賣,台灣大為什麼要做「非典型」業務?3大盤算瞄準百萬級市場!

第二步:把「批鬥大會」變成改善動力,逐條列出解決方案

聽到第一線的聲音只是第一步,再來的挑戰是,如何把這些意見轉化成解決方案。

林東閔主持或參與超過 200 場整合會議,推動跨單位整併小組,制定標準流程與任務分工。他的策略是,要帶著台灣大跟台灣之星原有的同仁,一起轉型。「我的工作不是找一群明星球員來打世界大賽,」林東閔說,「我的工作是讓現有的球員,相信自己可以打贏世界大賽。」

他設計同仁座談與內部問卷調查機制,掌握同仁情緒與實務問題,並改善制度與福利對接;在客戶端,他同步導入客服資源重整與用戶通知 SOP,確保服務不中斷且體驗無縫。

第三步:改善制度與福利,讓被合併的台灣之星同仁安心

此外,他也特別成立了第五個事業處「桃竹事業處」,邀請台灣之星的直營業務處長,在合併後也擔任處長。「有一個他們熟悉的長官在台灣大哥大的組織擔任高階主管,會讓被合併的同仁更感到安心,而且他也敢說話、也敢諫言。」

對台灣大的員工而言,這個合併案是額外的工作量,對於被合併的台灣之星員工,他們也會懷疑合併會更好嗎?「我們從頭到尾只想把『用戶滿意、同仁開心』這 8 個字做到。光是這 8 個字,我可以用血跟淚來寫了。」

#1 台灣大哥大商務長林東閔
林東閔的辦公室裡,擺滿了各種公仔模型,每一個都有故事。上任第一天,林之晨送給林東閔一個無敵鐵金剛的模型,跟他說:「歡迎加入無敵鐵金剛艦隊,Tony 請自己把指揮艇放上去,代表你 on board。」
圖/ 侯俊偉攝影

在AI的時代,人的溫度還是最珍貴的

原本預計要花 18 個月的整併,提早 9 個月在 2023 年底完成。林東閔創下有史以來最低離職率,和最高員工滿意度調查分數。台灣大的月租用戶流失率達到歷史新低,行動服務營收在合併完成後持續成長。

打下漂亮的一仗,然後呢?

到頭來林東閔卻發現「真正想證明的不是我自己有多強,而是電信業可以不一樣。」他常思考,曾幾何時電信業變成只能削價競爭的存在?用戶大差不差也就 3 家業者選擇,雖然網路與電信服務被視為必需品,但只有價格的區別,看不到價值。

這場整併案讓他更確信:電信業不該只是「笨水管」,而應該是有溫度的連結。無差別待遇宣示的是,每一個用戶都值得被好好對待,每一個同仁都值得被認真傾聽。「在 AI 的年代,人類最後僅存的尊嚴跟我們的價值,就是作為一個人的溫度,」林東閔說,「這個只會在 AI 年代更顯得重要又珍貴。」

本文授權轉載自經理人月刊

關鍵字: #台灣大哥大
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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