這一兩年，矽谷開始流行一個詞：Founder Mode（創辦人模式）——創辦人不再只是找對的人、放手交給專業經理人，而是捲起袖子跳回第一線。
幾乎同一時間，越來越多人開始談「招募 AI 員工」：不是 AI 工具、也不是 AI 助理，而是像真人一樣僱用、要幫他考核、升遷甚至淘汰的數位員工。
《數位時代》創新長黃亮崢在 Podcast 節目《數位關鍵字》中，邀請 SUPER 8 STUDIO 雲發互動科技創辦人陳子龍（首圖），聊聊什麼才算 AI 員工、他如何在第一線觀察企業導入 AI，以及他們新推出的 AI 員工平台 ORRA。
Q1：Founder Mode 是什麼時候讓你決定親自下場？是不是每個創辦人都要自己寫 code？
A： 我真正全心投入是今年一月，那次員工旅遊在沖繩海邊，CTO（技術長）跟我聊到他在玩的 Vibe Coding，我聽完覺得太有趣了，於是回台灣過年的期間我完全沒出門，開始自己研究。
我以前在 IBM 做 Sales，考過 Red Hat 認證（IT 界極具權威的實作型技術憑證）跟 Java 認證（全球軟體開發領域中具公信力的專業能力證明），算是有一點程式基礎，所以我選了自己最熟悉的 CLI（命令列介面）開始玩。
我第一個做的專案，主要內容是幫公司業務解決最麻煩的問題：客戶常常不知道自己的資料放在哪裡。我寫了一個簡單的爬蟲，把客戶網站或電商產品資料爬下來，整理成一個 RAG（檢索增強生成）架構，讓 AI 讀取資料時更方便。我以前完全沒寫過爬蟲，結果不到兩天就做完，而且效果好到馬上幫業務打贏一個競爭對手的案子，客戶對回應品質非常滿意。
那次之後我發現，AI 工具其實非常親民。我不需要真的很懂 code，只要把我對這個問題的看法、認知、想解決客戶問題的方向講清楚，AI 就能幫我實現。
所以我覺得 Founder Mode 不代表創辦人一定要自己下去寫 code，更廣義來說，最重要的其實是好奇心：你有沒有好奇心去問公司經營上遇到的所有問題、去看到公司裡你原本看不到的東西。如果你對很多事情沒有好奇心，覺得交辦下去、看結果就好，那才是真正的門檻。
Q2：你第一個 vibe coding 專案是怎麼從構想做到真正上線的？
A： 老實說，做完的當下我覺得這東西可以上線，但我其實對於怎麼讓程式穩定運行、怎麼部署到平台上，並沒有答案。剛好公司有一台輝達（NVIDIA）DGX Spark，那個專案我們還用了地端模型來跑。
我當時的原則是不想靠任何人給我情報，自己想辦法解決，所有不懂的地方都直接問 AI，包括怎麼部署、怎麼上線，並且最後也確實成功了。過程中我跟一般人比較不一樣的地方是，我會去問 AI「Chain of Thought」（思維鏈），也就是它是怎麼推導出這個結論的，而不是完全相信它給的答案就是對的，有點像是在拷問一個博士生，確認我是否同意這個做法。
Q3：你怎麼把 AI 當成新進員工訓練？AI 員工跟前幾年的聊天機器人，本質差異在哪？
A： 我一開始用 AI 的時候，心態其實蠻好玩的，是真的把它當成我的員工在做教育訓練。我做了一個功能叫「Grill Me」，讓它每天晚上九點固定跟我聊天，問我兩三個問題，例如「Brian 是一個什麼樣的 CEO」、我的家庭狀況、喜歡聽什麼音樂、管理原則跟風格是什麼。
其實是我在教它認識我。大家在用 AI Agent 或 AI 員工時最大的問題，是它根本不了解你是誰、你的公司是什麼樣的公司，所以我把它當成一個新進員工來帶。
我也會把公司的 Sales Kit、產品資料、企業文化說明餵給它讀，讀完後要它告訴我重點是什麼，還會問它「你覺得老闆是一個什麼樣的人」，訓練一週後再問一次，答案跟語氣會明顯不一樣；如果它做得不好，我還會直接糾正它、要求修正語氣，真的把它當成真人員工在訓練、在玩。整個 onboarding 過程大概花了一個月，那段時間我幾乎隨時都在跟它互動，例如每天請它做週報，藉由每次互動調整我要的方向。
這半年因為模型進步，AI 從以前只會聊天，變成真的可以把事情做完。跟去年相比最大的差別是：如果它做不到，它會回過頭來跟你講「我現在需要什麼」，甚至主動跟你要權限。以前的 AI Agent 遇到問題常常就斷在那裡，也不知道斷在哪；現在它有反思能力，會判斷自己為什麼做不到，然後告訴你需要哪些資源或授權。
至於界線，最明顯的是「品味」。舉例來說，我們在8月發表會做了一支 MV，AI 幾乎包辦了整個製作，作詞、作曲、編舞我都沒做過，但參考我熟悉的 K-POP 文化跟 AI 討論怎麼編舞、寫饒舌歌詞，AI 都能給方向、生成動畫素材。但最後 MV 好不好看、好不好聽，還是取決於人的品味、你覺得什麼是「好」的判斷，這是 AI 沒辦法告訴你的。
Q4：ORRA 平台怎麼運作？從招募、訓練、考核到上工，甚至淘汰，跟過去導入自動化最大的不同是什麼？
A： ORRA 概念來自 Orchestrator（協調者），呼應 AI Agent 協作中統籌者的角色。市面上大部分 AI Agent 開發還是要靠工程師寫 code，例如用 Claude Code 或 Codex，但 ORRA 是設計給不懂技術的人用的 AI 員工平台，因為很多業務主管、客服主管根本聽不懂 Harness（AI 的執行框架）、Context Management（脈絡管理）這些技術名詞，他們要的只是「有沒有人可以幫我解決問題」。
整個流程分成以下階段：
階段一、招募
ORRA 有一個虛擬招募官，只要簡單描述想找什麼樣的人（例如「行銷小編」），它就會用「三問三答」召喚出員工：這個職位平常做什麼、有哪些事不該碰（例如公司機密資訊），以及希望它的個性是輕鬆、嚴肅還是直覺型。
階段二、訓練
召喚出來的 AI 員工還不懂公司細節，要送進訓練中心，讓它了解「你是誰」、讀取公司知識庫、學習工作手冊或業務準則，再由平台自動出題「Grill」它，打不好就矯正。如果企業資料不夠結構化，招募官 Agent 能自動爬取官網等基本資料整理成知識庫；平台也有「技能中心」，讓 AI 員工額外「下載」需要的技能，例如讀取網站。
階段三、考核
訓練完成後有類似畢業考的機制，設定目標與分數，達標才能上工。為避免 AI 員工鑽漏洞作弊，平台在 Harness Engineering（執行框架工程）這塊設計得相對嚴謹，設有多重限制與沙箱機制，員工一開始不會直接存取系統層級資源，出問題時可以控管。
階段四、上工後管理
上工後有虛擬考核官，管理者可設定考核條件、隨時查看對話紀錄與工作報告，做不好就直接告訴它怎麼修正。真的不合格可以淘汰或更換底層模型，因為不同工作需要不同思考深度的模型，例如股市分析需要縝密邏輯，重複性工作只要把事情做好就好。
Q5：企業導入 AI 員工後，組織分工與同事角色出現了什麼變化？
A： 觀察下來，AI native（AI 原生）公司裡每個人的角色會變得比較模糊。SUPER 8 內部已經在用 ORRA，舉例來說，我們的產品經理本身沒做過業務，但現在可以透過 AI 去了解不同產業客戶的角度，如面對傳產客戶要用什麼方式溝通，面對技術導向的公司又要用什麼角度切入。設計師現在也能把程式碼推上 GitHub、用 Codex 開發介面；工程師也更了解客戶怎麼使用產品。整個團隊大量運用 AI，但人仍然保留最後一刻的判斷與直覺。
至於管理幅度，我認同「一個人未來可能對應更多 AI 員工」的說法，但目前真正的瓶頸不在 AI 或技術，而是人。人需要休息、需要轉換心情，決策的速度往往卡在人身上，不是卡在 Agent。
Q6：從收費邏輯、成效衡量到地端部署，AI 員工的商業模式跟亞洲、西方市場有什麼不一樣？
A： 美國頂級公司比較傾向用「結果」或「成效」計價，因為西方文化認為這樣比較容易理解、也容易溝通。但在亞洲，企業更在意預算可控、可計算，如果用成效計價，一旦 AI 員工表現不如預期，該不該扣款會很難拿捏。所以我們現在採取混合定價模式：仍有基本定價（例如買一個五人 AI 員工團隊，一年或一個月多少錢），同時搭配 Token 使用量的彈性計費。
至於很多公司訂閱了 AI 工具卻看不到成效，我覺得問題不在於逼員工把 Token 用滿，那樣反而會出現「Token Maxing」（為了衝用量去問跟工作無關的問題）。真正關鍵是有沒有想清楚要導入的專案是什麼：這件事是不是可重複、是不是人類原本就不擅長做，以及成果是不是可以被具體看見、衡量。
亞洲跟西方另一個明顯差異是資安與地端需求。亞洲企業比較重視法遵與資料控管，擔心知識庫上雲外流，加上近期模型競爭激烈，也擔心哪天某個雲端模型被封鎖，整個運營會受影響。因此 Orra 同時支援雲端運算能力較強的模型，以及部署在地端 GPU 伺服器上的大模型，採混合部署。
Q7：面對員工擔心被取代的焦慮，該怎麼說服整個組織擁抱 AI？
A： 我認為最重要的是老闆要親自做給員工看，把自己做出來的東西透明分享出去，這樣員工才會安心。一開始員工普遍是害怕的，覺得看不懂為什麼世界變成這樣，但大概三到六個月後，我慢慢鼓勵他們往這個方向多走一步。公司也投資讓員工使用工具，讓他們親自體驗到 AI 是在提升自己的工作效能，而不是要取代他們，而是幫他們把時間釋放到更有價值的工作上。
我們最近這次活動就是很好的例子：我們行銷團隊其實只有三個人，但因為大量運用 AI，做出的效果讓外界以為背後有二十人的團隊在做。當每個人都被 AI 賦能、也真的從中得到成就感，投入自然就會水到渠成。
收聽完整 Podcast｜數位關鍵字 EP254：AI 員工要招募、訓練、考核還能淘汰？Orra 把 AI 當新人來帶 ft. 陳子龍Brian
本文初稿為AI編撰，整理．編輯／陳祈安
