數創實驗室 DataInnoLab

【AI 課程開了一輪、AI 採用率近 100%，為什麼組織績效還是看不見？ 】 近期和幾位 HR 朋友聊天，聽到類似的情況：公司的 AI 工具採用率已經接近 100%，人人都開通了，乍聽之下很成功，但他們卻說「離成功還早」。我追問為什麼，他們回覆：真正有人持續在用的 agent，居然只有一到兩成，成果也幾乎反映不到財務績效上。他們最害怕面對的，就是總經理問「我們的 AI 導入，目前具體成果如何？」 我研究了一會兒，發現這不是個案。McKinsey 今年的報告《Seizing the Agentic AI Advantage》有一組弔詭的對照：近八成受訪企業表示已在使用生成式 AI，但同樣近八成表示對獲利「沒有顯著影響」。 知道為什麼嗎？因為這些公司的 agent 使用，多數停留在個人層級，沒有融入部門層級的工作流。每個人用 AI 把 40 分鐘的會議紀錄整理縮成 10 分鐘，效率確實提升了，但它停在個人身上，部門的流程一步沒動，自然反映不到組織績效。而且根據研究，省下來的個人工時，多半被浪費掉了，公司並沒有得到好處。 這種情況該怎麼解決？說來簡單，就是把 AI 效益從「點」，往「線」和「面」上推。想像一下，同一隻會議紀錄 agent，不只縮短寫紀錄的時間，而是自動把待辦事項，拆給個小組負責人、總結客戶回饋、分析產品故障原因、自動草擬回覆郵件、並安排下次開會，省下的就不再是一個人的 30 分鐘，而是整個部門的 30 個小時。 但要落實此事，部門裡得有像是 AI PM 這樣的角色，能找到價值場景、搭建 Agent、建立評估標準 (AI Evals)、規劃人機協作 (Human-in-the-loop)。如此，主管才會看到流程指標的改善，而不只是平台登入次數。 所以對 HR 來說，我建議年底排明年預算時，認真考慮培養內部的 AI PM、甚至 FDE 這樣的角色。他們會是把 Agent 推進部門層級的主力軍。有了他們，公司才能從 AI Adoption 走到 AI Effectiveness。 這些組織 AI 需求的變化、該培養什麼樣的 AI 人才，11/4 晚上 19:00，我會在一場給 HR 朋友的免費直播裡，把故事完整說清楚。若您正在規劃組織的 AI 人才培訓與招募，相信會很有幫助，歡迎用以下連結報名。 時間地點：2026/11/04 19:00 (Zoom 線上直播) 報名連結：https://lnkd.in/gNE3Ju5i

【公司要從 AI 拿到實效，HR 得培育 AI PM；但最適合的人，往往是主管最不肯放的那一個】 不少前沿研究與報告顯示，公司要讓 AI 帶來實質財務效益，就必須把 Agent 推進部門層級的工作流，而不是停在個人提效工具，而落實這件事的關鍵人才，就是 AI PM (AI 產品經理)，而這個人，最好來自懂第一線場景的業務端。 但許多 HR 朋友都遇到同一個挑戰：去跟業務端主管借人來培養成 AI PM，常被一句「BAU 都做不完，實在沒時間貢獻這個人」潑冷水。這群人常是部門裡最熟流程的那幾個，本來就在扛業績；主管擔心的是部門這週少掉的產出。這是我觀察到相當普遍的卡點。 但這群人，恰恰是 AI 能不能讓公司得到財務績效的關鍵。一個 agent 做出來的東西能不能用、哪裡算錯、什麼情況該由人接手，只有熟那條流程的人判斷得出來。IT 團隊可以把平台架好，但「怎樣算好」的判斷，只能從業務端角度判斷。 面對這個卡點，HR 朋友怎麼辦？我的建議是，別用「借人去上課」談，改用「一起解決部門的一件事」談。BAU 做不完，其實正是 Agent 切入的絕佳機會，為什麼？重複、耗時的工作本來就是 Agent 的「黃金場景」，省下時間後，人反而能去做更高附加價值的事（至少以前我在 eBay 都是這麼做）。如此，人沒有離開部門，主管換回的是自己部門的成效。如此，公司跟部門不只收穫了 AI PM，HR 也達到為培育組織 AI 人才的目標。 所以，若你們公司 AI 工具普及已經做過一輪，下一筆培訓預算，可從「再教一輪工具」移到「在每個業務單位培養一到兩位 AI PM」，如此，AI 的效果才會個人提效，反映到部門指標上，公司也才能從 AI Adoption 走到 AI Effectiveness。 11/4 晚上 19:00，我們數創實驗室有一場給 HR 朋友的免費直播活動，我會更詳細的幫大家釐清兩件事： 1. 業務端的 AI PM 要承接哪些工作、和現在的 PM 差在哪？ 2. 該怎麼設計 AI PM 的培訓，讓結訓成果跟組織實質績效掛鉤。 若您正在規劃明年的 AI 人才培訓與預算，歡迎來聽聽，可用以下連結報名。 時間地點：2026/11/04 19:00 (Zoom 線上直播) 報名連結：https://lnkd.in/gNE3Ju5i

數創實驗室熱情招募中！我們正在招募一位「AI 課程營運經理」，月薪 NT$42,000 起。 很多營運人才，長期被放在「把任務做完」的位置上。每一件交辦的事都處理得乾淨俐落，卻很少有機會，真正走完一個專案從頭到尾的閉環，但其實這個閉環，才是一個人能力長出來的地方。 而這樣的機會，正出現在 AI 落地的最前線。我們專注於培養企業內部的 AI 專案推動者，每天看著各種真實案例怎麼從概念一路走到成效。而現在，課程產品線正快速擴張。 所以，我們需要一位「AI 課程營運經理」。這個角色，是讓課程與活動從「價值」走到「體驗」的營運負責人，不是執行別人開好的清單，而是對一個檔期能不能準時、不出錯地落地，負起全責。從掌握單一專案開始，累積跨部門協調與風險預判的判斷力；從跟著流程走，到親手建立 SOP 與自動化系統，讓團隊下一次做得更快、更穩。 我們在找的，不一定是資歷最深的人。而是喜歡把混亂資訊整理成清楚的下一步、會主動把事情往前推、願意去理解學員需求，也能在快步調的環境裡主動學習的人。 我們提供： ✨ 混合遠端、彈性工時 ✨ 團隊單純，沒有辦公室政治 ✨ 真心重視成長，有空間讓你獨當一面、展現影響力 ✨ 累積對 AI 產業的第一手理解，而不只是站在執行端 完整的職位說明放在數創官網：https://lnkd.in/gCB48vdJ 看完 JD，如果心動就別猶豫，趕緊把履歷寄到 [email protected]，或直接在 LinkedIn 私訊我，我們一起聊聊。

在 AI 專案裡，最難的時刻不是技術做不出來，而是所有人看著你，等你回答一個問題：「這個 AI 的產出，到底算不算夠好？」 你其實不缺資訊。有 Demo、有測試分數、有團隊的進度回報。但真正困難的是，這些東西還不足以支撐一個你自己也信得過的判斷。指標有進步，可是你說不清楚「是否夠好」；Demo 能正常回答，但換個情境還能不能穩定？ 這種情況，往往不是測試做得不夠多，而是團隊沒有在開發前對齊：什麼叫通過、哪些錯誤可以被接受、「夠好」的標準到底長什麼樣。這些問題沒有先被拆解清楚，後面再多的數據與優化，都只是把模糊包裝得更完整。 結果是什麼？ 專案反覆修改、時程不斷延後，最後沒有人敢清楚回答：這套 AI，到底能不能驗收。 但驗收判斷不是只能靠經驗跟直覺，它是可以被結構化處理的。這也是我們設計「數創 AI 驗收決策體驗課」的初衷。 這堂課不是要把你變成 AI 工程師，而是帶你看懂：當你面對 Demo、分數與測試結果時，團隊真正該先對齊的驗收判斷到底是什麼。 「數創 AI 驗收決策體驗課」即將在 5/21（四）19:00 登場，若您感興趣，這裡是Accupass報名連結：https://lnkd.in/gynKWiZZ 如果你正被期待替 AI 專案做出判斷、推進方向或把關成效，但對自己手上的依據還不夠有把握，這場公開體驗課會很適合你。 Btw，現場我們會保留 Q&A 時間，歡迎把你的真實問題帶來，我們一起討論。 #AI #AI專案 #AI落地 #專案管理 #產品管理

當老闆丟了一句「我們來導入 AI 吧」，你的第一反應是什麼？ 如果你跟多數人一樣，腦中馬上開始轉的是：該用哪個模型？要不要串 API？等等，我們可能需要倒帶一下。 在數創實驗室的社群中，我觀察到一個現象：不少負責推動 AI 專案的人，花了大量時間研究技術、比較工具，但最終還是無法給出一個讓老闆點頭的方案。 問題不在功課做得不夠多，而是一開始就跳過：「這個 AI 需求，值不值得做？」 舉例來說，假設你經營一家店，賣 10 款肉鬆蛋捲，需要做推薦系統嗎？不用，因為商品就 10 個，一頁列完就好。 但如果你是擁有上萬商品的零售集團呢？買家多、商品多，靠人工不可能精準匹配，這時推薦系統才有商業意義，因為它直接拉動成交。 那判斷「商業價值」的標準是什麼？ 📔 鑑古知今，答案一直都在。 回頭看過去十幾年，真正撐起科技巨頭現金流的 AI 應用，收斂起來就三件事：搜尋、廣告、推薦。它們的共同特徵？就是「離現金最近」。 這也是我在特力集團時，為什麼選擇優先推動推薦系統。當時有成熟的零售通路、一定規模的線上渠道，數據的量跟品質也夠，推薦系統也是當下「離現金最近」的選項，於是帶著團隊用三個月打造出商品推薦系統，一年內幫集團多出一億台幣營收。 重點不是技術多厲害，而是一開始就選對了題目。 所以，在你開始研究技術之前，先問兩個問題： 1️⃣ 這個功能上線後，是幫公司「賺更多」，還是只是「省一點」？ 2️⃣ 它的成效，能直接反映在營收數字上嗎？ 如果還沒有清楚的答案，那比起研究該用什麼模型，這裡才是你真正該花時間的地方。 更多AI領域的前沿觀點，歡迎訂閱「數創電子報」，連結在此奉上：https://lnkd.in/gKkKX47M #AI專案 #商業價值 #AIPM #專案管理 #數創實驗室

AI PM工作的底層邏輯，其實是把 AI 從工具升級成「組織的作業系統」。 前陣子讀到 Notion CEO (趙伊 Ivan Zhao，來自中國大陸新疆) 發表在公司部落格的深度長文，全名是〈Steam, Steel, and Infinite Minds〉。 他提出一個很有畫面感的觀點：「看著後視鏡駛向未來」，比喻人們拿到新技術，卻仍習慣用它去解舊世界的問題。一百年前，當人們有了蒸汽機後，最初還是會習慣把紡織工廠建立在河流旁邊，沒考慮到已不用依賴水力。 這不就是很多公司 AI 落地的寫照嗎？ 很多公司面對 AI 的第一個念頭，是維持原本龐大的架構不變，然後用 AI 去「加速」既有流程，結果看起來更有效率，實際上只是把舊系統跑得快一些，並沒有改變「看著後視鏡」的本質。 與此呼應，AI 對軟體開發的衝擊之所以特別顯著，並不是偶然。 因為軟體工程早就有一條高度信息整合的「生產線」（也就是 IDE），當LLM 接上這條生產線，很快就能捅破如同窗戶紙的信息介面，快速放大產能。 當 AI Agent 進入組織，內在驅動力就是「再造工作流程、部門壁壘、跟人機協作界線」，我們都該問問自己：「我們要繼續維持臃腫的體系，還是要為了釋放 AI 的能力，主動演化成新的組織物種？」 而演化是否成功，端看公司領導人跟 AI PMs 的智慧了。 若你是公司推動 AI 演化的關鍵人物，或許可用這三個問題，先確認自己是否走在對的路上： 1️⃣ 我們是在「加速舊流程」還是在「重寫流程規則」？ 2️⃣ 若是重寫流程，效率提升是否至少有25%？(根據使丹佛大學研究，以後有機會再說) 3️⃣ 哪裡該放 Human-in-the-Loop 的人工檢核點，避免 AI 把錯誤放大？ 若都能想透，那你就不只是「在做 AI 專案的 PM」，而是正在用 AI 幫組織升級「組織作業系統」的關鍵人才。 更多AI領域的前沿觀點，歡迎訂閱「數創電子報」，連結在此奉上：https://lnkd.in/gKkKX47M