紙上資歷不再重要!Lovable高管曝高效團隊7大原則,為何「收掉自我」最重要?
紙上資歷不再重要!Lovable高管曝高效團隊7大原則,為何「收掉自我」最重要?

重點一:操刀 Lovable 設計的 Felix Haas 在 X 公開 7 條觀察,主張 AI 時代的團隊表現跟紙上資歷關係出奇地小,越來越取決於心態。

重點二:他點出最反直覺的一條是「先收掉自我」,最快的團隊出奇地不在乎功勞歸誰,只在乎什麼方法有效。

重點三:AI 把個人產出的槓桿放大後,資深領導者正重新變回親手做事的人;一個老練操盤手加上 AI,是現代公司最強組合之一。

在 Lovable 主導成長與產品設計的 Felix Haas,6 月 14 日在社群平台 X 發出一則長貼文,整理出他對「AI 時代高績效團隊」的 7 條觀察。

Haas 並非 Lovable 的創辦人,而是這家公司的早期設計師之一,目前主導成長與產品設計,本身也是投資逾 30 家新創的天使投資人。

他任職的 Lovable,是一家成長快速的瑞典 AI 新創,也是歐洲成長最快的 AI 公司之一,主打讓人「用講的」就能打造 app 與數位產品。換句話說,他每天都在第一線看一群人怎麼跟 AI 一起工作。

他開宗明義丟出一個判斷:花了很長時間思考為什麼有些團隊快、有些團隊卡,他看到的結論是,AI 時代的績效表現跟一個人的紙上資歷關係出奇地小,越來越取決於 mindset(心態)。以下是他從 Lovable 第一線觀察整理出的 7 條心法。

為什麼最好的員工,反而不該像個員工?

第一條,Haas 稱之為「像創辦人一樣思考(Think like a founder)」。他的觀察是,對一家公司最好的事,就是大家不再像「員工」一樣行動。

什麼叫不像員工?意思是,創造最大影響力的人不會等別人授權,也不會先問「這件事該歸誰負責」,而是看到問題就主動認領、扛起來跑。

在 AI 時代這點之所以更關鍵,是因為當工具把單兵作戰的能力放大,一個願意自己扛的人,往往能直接把事情做完,不必再經過層層交辦。Haas 也提醒,這種當責心態無法用指派的方式創造出來,你只能去找那些天生就會扛的人。

招人該看態度,還是看技能?

第二條延續了「找人」的主題:看態度重於看技能(Hire for attitude, not skills)。

Haas 坦言,技能當然要看,但技能本身很難預測一個人會不會成功。真正能脫穎而出的,是那些有好奇心、有韌性、願意學會工作所需一切的人。

為什麼 AI 時代這點比以往更重要?因為當具體技能的半衰期被 AI 不斷縮短,今天會的工具明年可能就被取代,一個人「願不願意持續學」反而比「現在會什麼」更值錢。態度決定了他能不能跟著工具一起進化。

「用 AI」和「痴迷於 AI」差在哪裡?

第三條是「真心保持好奇(Stay genuinely curious)」。Haas 在這裡做了一個很細的區分:用 AI,跟痴迷於 AI,是兩回事。

他的觀察是,創造最大槓桿的人會不斷探索,會去測試沒有人要求他們測的東西,會去追那些可能毫無結果的點子。

Haas 老實說,這些嘗試多數確實沒有結果,但少數一旦成了,就會改變一切。他用了一個很有力的講法:好奇心的複利,幾乎比任何事都增長得快。

為什麼資深主管又開始自己動手了?

第四條,Haas 點出一個他覺得最有意思的現象:讓資深者重回第一線動手(Let senior people go deep again)。

他觀察到,資深領導者正在重新變回 builder,也就是親手做事的人。過去的常識是,一個人越資深,就越往管理與決策層退,少碰執行。但 Haas 認為 AI 改變了這件事,因為 AI 大幅提高了個人貢獻者的產出槓桿,讓一個經驗豐富的操盤手親自下場、搭配 AI 工具,成為現代公司最強的組合之一。

換言之,過去資深者的經驗只能透過「指揮別人」放大,現在他可以直接靠 AI 把這份經驗變成產出,中間少了一層折損。

自我意識,怎麼悄悄拖垮整個團隊的速度?

第五條,是 Haas 講得最重的一條:先收掉自我,免得它拖垮動能(Kill ego before it kills momentum)。

他的觀察是,自我意識從來沒有讓任何公司變快,他只看過它把公司拖慢。怎麼拖慢的?例如護著自己的點子捨不得放、跟同事爭功、為了「被看見」而不是為了「成果」去做優化。這些動作單獨看都不大,加起來卻會讓團隊在無謂的內耗上慢下來。

Haas 給出的反面例子很有畫面感:最快的團隊出奇地不在乎功勞到底歸誰,他們只在乎一件事,就是什麼方法真的有效。

「比預期更在乎」為什麼難教,卻最值錢?

第六條是「比預期更在乎(Care more than expected)」,剛好和上一條互為表裡。

Haas 說,頂尖表現者有一個共通特質,就是更在乎,更在乎顧客、更在乎細節,會注意到別人忽略的地方,會去修別人根本沒要求他修的東西。

他也老實承認,這種特質很難衡量、也很難教,但只要你親眼看過一次,就會懂得一個團隊有多少進展,其實是來自那些真心在乎的人。對照前一條會更清楚:當一個人不再把力氣花在爭功,剩下的注意力才有餘裕真正投注到顧客和細節上。

該等到完美才上線,還是先出貨再說?

第七條,也是收尾的一條:先出貨,再迭代(Ship, then improve)。

Haas 說,他學會了信任「用戶」勝過信任「意見」。一週的內部辯論,常常不如一天的真實回饋。最高績效的團隊,不會執著於上線前把產品做到完美,他們執著的是另一件事,就是盡快學到東西。

對他們來說,出貨本身就是學習的方式。這條對任何怕踩雷、習慣反覆打磨才敢發布的團隊都是提醒:與其在會議室裡爭論哪個方案比較好,不如把東西丟到真實用戶面前,讓市場替你回答。

7 條心法,其實串成同一件事

把這 7 條連起來看,會發現它們不是七個獨立的技巧,而是同一種心態的不同切面。

先像創辦人一樣主動扛事,再用態度和好奇心持續進化;先讓資深者重新動手放大產出,再把自我收掉、把在乎留給顧客;最後,不要等到完美才上線,而是靠快速出貨去學習。

Haas 想說的其實很單純:在 AI 把工具差距快速拉平的時代,真正決定一個團隊跑得快不快的,不再是誰的履歷漂亮,而是誰更願意主動、好奇、不計較、並且一直往前出貨。

延伸閱讀:Fable 5被下架,告密者是最大股東!Anthropic最強模型風波始末:為何管制?越獄風險多大?

資料來源:Felix Haas(X)designplusai.com

本文初稿為AI編撰,整理.編輯/ 李先泰

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