最好的程式碼是你沒寫的那一條!Google工程師14年職場觀察:這種人,最亮眼!
最好的程式碼是你沒寫的那一條!Google工程師14年職場觀察:這種人,最亮眼!

現任Google Cloud AI Director、在Google服務近14年的資深工程師分享21個職場觀察:最後能脫穎而出的人,不是程式寫得最好的天才,而是能處理模糊事物的人,這些模糊事物像是人際協調、部門政治、目標對焦...等。

作為Google Chrome的工程經理以及多本技術書籍的作者,現任Google Cloud AI Director的Addy Osmani,近日在其部落格發表:他在Google的14年職涯總結,不只是關於「寫程式」,更多的是關於規模化影響力、組織協作和個人成長。

這篇《21 Lessons From 14 Years at Google》在科技圈引起了廣大共鳴。Osmani坦承,剛進Google時,以為工作就是寫出完美的程式碼;多年後才發現,能生存並發光的人,必須懂得如何讓價值被看見、與同事建立信任。

關於解決問題:從問題出發找方案,而非反過來

1、解決用戶問題優先

最優秀的工程師不是熱衷於某個技術,硬要用上;而是先理解用戶通點,再尋求合適的解決方案——也就是,從問題出發找方案,而非拿著方案找問題。

2、一起完成才是真正的工作

堅持自己是對的,也許讓你贏得一場技術爭論,卻可能輸掉整個專案。「正確」很廉價,關鍵在於對齊目標與團隊協作。

3、先求有再求好

實際行動遠勝過理論討論,先推出MVP(最小可行性產品),在現實中取得真實回饋。

4、多數性能提升來自「移除工作」

最快速的程式碼就是「不執行」的那一行。

關於「寫程式」:最先進的程式碼是一種負債

5、簡潔勝過炫技

(程式碼)清晰即資深,(工程師)聰明是負擔。清晰易懂的結構比複雜的設計更具價值,因為程式碼是寫給兩年後接手維修的人看的。如果用過於精巧的架構,對公司來說不是優雅的解法,而是「營運成本」。

6、「新穎性」是需要償還的貸款

採用非標準技術會增加維護與招募成本。除非真的有必要,否則應選擇枯燥但穩定的工具。

7、程式碼不會為你發聲,人會

在大型組織中,你的價值需要透過溝通才能被看見。在大公司中,決定你考績、薪水、甚至去留的人,往往坐在你沒被邀請的會議室裡,僅花5分鐘做決定。在Google,資深工程師寫程式的時間變少,但花在釐清方向、確立目標的時間變多了。

8、最好的程式碼是你沒有寫的那一條

沒有寫出來的程式碼,就是不用debug的程式碼,減少了維護成本。Osmani提醒,動手前先問:「如果我們什麼都不做會怎樣?」

9、就連bug也可能被用戶依賴

當一個產品規模化了,工程師的任何行為(包括程式中的bug)都會被視為產品功能,產品瑕疵成了使用體驗的一部分。

關於溝通和團隊協作:低效是因為目標不明

10、「慢」的團隊其實是「未對齊目標」的團隊

效率低落通常不是技術或人的問題,而是溝通與方向不一致。

11、專注於你能控制的事,忽略你不能控制的事

在公司變動中保持理智,專注於你能影響的範圍。

12、「膠水工作」是無價且無形的

文件撰寫、跨團隊溝通要設時限、輪替,並讓它成為可見的貢獻。

13、流程不該流於形式

流程的存在是為了減少不確定性,而非製造紙本作業。若流程無法提高清晰度,它就是官僚主義。

14、當指標淪為目標,就不再是好指標

要提防人為操作指標,追蹤速度也要追蹤品質,解讀趨勢而非崇拜數字。

關於影響力:承認無知能換得勇敢的團隊

15、過度爭辯會讓人放棄溝通

人們停止爭論不是因為你說服了他們,而是放棄溝通。

16、承認「不知道」比裝懂更安全

資深工程師承認困惑,團隊才敢提問。

關於個人成長:沒有捷徑但有複利

17、基礎知識仍然重要

即使技術堆疊越來越高,資深工程師仍會不斷學習「底層」知識。這是出於凌晨3點需要獨自面對系統時的敬畏,你必須要能維護一個你能夠理解為何會故障的模型。

18、寫作強迫思考,教學是最好的學習

解釋給別人聽時,才會發現自己理解的漏洞。能把事情講清楚,代表你真正理解了。

19、沒有捷徑,但有複利

刻意練習會複利成長,把職涯當複利而非樂透。

20、你的人脈比你待過的任何職位都長久

工作不是永遠的,但人脈會帶你走得更遠。不要只顧工作,要投資職場關係。

21、時間比金錢更珍貴

知道自己在用時間交換什麼,並刻意做選擇。

Osmani在文末提醒,技術人員應該停止炫技,選擇能解決問題的最簡單方案;同時要主動發聲,確保你的價值連非技術人員都能理解。職場不只是寫程式碼的競技場,更是讓正確的人看見你的價值的溝通場。

本文授權轉載自商業周刊,原文標題為:我在Google 14年學會的21堂課:最好的程式碼是你沒有寫的那一條

延伸閱讀:孩子手機成癮拔不出來?想救下一代,父母得先給這「兩樣東西」
高市早苗為何解散眾議院?時間點、動機、在野黨反應一次掌握

關鍵字: #Google
往下滑看下一篇文章
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路

「代理式 AI 」(Agentic AI)的創新服務正在重新塑造企業對AI的想像:成為內部實際運行的數位員工,提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢:2025 年是 AI 邁向「代理式 AI」的起點,讓 AI 擁有決策自主權的技術轉型關鍵,2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮,企業如何加速落地成為關鍵,博弘雲端以雲端與數據整合實力,結合零售、金融等產業經驗,提出 AI 系統整合商定位,協助企業從規劃、導入到維運,降低試錯風險,成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路,企業該如何走對第一步?

博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題、生成內容的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工,應用場景也從單一任務延伸至多代理協作(Multi-Agent)模式。

「儘管 AI 前景看好,但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出,到了 2028 年,高達 70% 的重複性工作將被 AI 取代,但同時也有約 40% 的生成式 AI 專案面臨失敗風險;關鍵原因在於,企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭,更涉及流程變革與人員適應。

2-RD096270.jpg
博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時加速 AI 落地。
圖/ 數位時代

正因如此,企業在導入 AI 時,其實需要外部專業夥伴的協助,而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力,涵蓋數據、雲端、應用開發、資安防禦與維運,可以一站式滿足企業需求,更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示,許多企業在導入 AI 時,往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵:HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論,並非紙上談兵,而是已在多個實際場域中驗證成效;鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程,正是其最具代表性的案例之一。陳亭竹說明,HAPPY GO 過去曾面臨AI 落地應用的考驗:會員資料散落在不同部門與系統中,無法整合成完整的會員輪廓,亦難以對會員進行精準貼標與分眾行銷。

為此,博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化,完成建置數據中台後,再依業務情境評估適合的 AI 模型,並且減少人工貼標的時間,逐步發展精準行銷、零售 MLOps(Machine Learning Operations,模型開發與維運管理)平台等 AI 應用。在穩固的數據基礎下,AI 應用成效也開始一一浮現:首先是 AI 市場調查應用,讓資料彙整與分析效率提升約 80%;透過 AI 個性化推薦機制,廣告點擊轉換率提升 50%。

3-RD096215.jpg
左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例,許多企業往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。
圖/ 數位時代

整合 Databricks 與雲端服務,打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中,博弘雲端發現,底層數據架構是真正影響 AI 落地速度的關鍵之一,因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台,作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架(Apache Spark)為核心,能同時整合結構化與非結構化資料,並支援分散式資料處理、機器學習與進階分析等多元工作負載,讓企業免於在多個平台間反覆搬移資料,省下大量重複開發與系統整合的時間,從而加速 AI 應用從概念驗證、使用者驗收測試(UAT),一路推進到正式上線(Production)的過程,還能確保資料治理策略的一致性,有助於降低資料外洩與合規風險;此對於金融等高度重視資安與法規遵循的產業而言,更顯關鍵。

陳亭竹認為,Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台,當需要啟動新型 AI 或 Agent 專案時,再切換至 Databricks 進行開發與部署,待服務趨於穩定後,再轉回雲端平台,不僅兼顧開發效率與成本控管,也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程,資訊安全與治理的重要性也隨之同步提升。對此,宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層,企業在導入 AI 應用初期,就應做好資料分級與建立資料治理政策(Policy),明確定義高風險與隱私資料的使用邊界,並規範 AI Agent「能看什麼、說什麼、做什麼」,防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層,當 AI Agent 角色升級為數位員工時,企業也須比照人員管理方式為其設定明確的職務角色與權限範圍,包括可存取的資料類型與可執行的操作行為,防止因權限過大,讓 AI 成為新的資安破口。

第三為技術應用層,除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外,還需導入專為生成式 AI 設計的防禦機制,對 AI 的輸入指令與輸出內容進行雙向管控,降低指令注入攻擊(Prompt Injection)或惡意內容傳遞的風險。

4-RD096303.jpg
博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」,透過完善治理政策與角色權限,並設立專為生成式 AI 設計的防禦機制,降低 AI 安全隱私外洩的風險。
圖/ 數位時代

此外,博弘雲端也透過 MSSP 資安維運託管服務,從底層的 WAF、防火牆與入侵偵測,到針對 AI 模型特有弱點的持續掃描,提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞,更可以即時監控活動,快速辨識潛在威脅。不僅如此,也能因應法規對 AI 可解釋性與可稽核性的要求,保留完整操作與決策紀錄,協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向,」陳亭竹強調,面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時,加速 AI 落地。在這波變革浪潮中,博弘雲端不只是提供雲端服務技術的領航家,更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗,以及完善的資安維運託管服務,博弘雲端將持續協助企業把數據轉化為行動力,在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機,立即聯繫博弘雲端專業顧問

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
2026 大重啟
© 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