20260731-28

《AI資訊結構工作坊》特色與學習心得

by 協會文章

文章引用：https://www.facebook.com/share/p/1GWwnpiEAr/

坊間有許多AI應用課程，但很少有從資訊結構談起的。6/27參加Jessica帶領的《AI資訊結構工作坊》，對資訊結構與AI的關係有更進一步的了解！
工作坊的特色整理如下：

  1. 課前即有許多與AI課程助理互動，並蒐集個人工作上常碰到的需求、資料或流程相關問題的情境。
  2. 課程中講師帶領學員反思資訊傳遞的問題及主要原因，並進行小組討論與分享。
  3. 透過課中活動，讓學員體驗結構化資訊有助於資訊傳遞：溝通變快及精準。
  4. 講師使用AI工具協助學員針對課前提出的問題情境進行分析，當場建立結構化資訊流程，包含：資料欄位與控制節點。
  5. 學員在整個工作坊與課程助理的互動、活動過程中輸入的資訊建立了這個工作坊的結構化資訊，可以進一步分析與應用。
    個人的學習心得有以下三點：
  6. AI Agent的能力越來越強，結構化資訊能讓AI Agent發揮最大的功效。
  7. 數位化之前需先評估流程的合理性，避免將沒有效率的流程數位化/固化了。
  8. 當客戶的需求很複雜或自已也沒想清楚的情況下，選單式服務(含報價)是一個快速有效的溝通方式；針對不同的客群，可設計不同版本的選單式服務。

結語：企業應用AI工具前，需先建立結構化的資訊與流程，建立結構化資訊與流程前，需先合理化當前的作業流程。透過工作坊來合理化與結構化企業的關鍵流程是一個快速有效的做法，推薦企業採用！

此篇文章由協會 副理事長-邱立基 授權提供

20260731-15

「ESG評鑑轉型元年」企業因應之道

by 協會文章

文章引用：https://www.facebook.com/share/p/17aJ49uw9A/

自115年度（今年）起，證交所正式將沿用逾十年的「公司治理評鑑」轉型為「ESG評鑑」，對所有的上市櫃公司都是一個新的挑戰！此次評鑑轉型的重點整理如下：

  1. 構面權重全面翻轉：過去公司治理評鑑以「治理面」為主軸，權重一度高達八成以上；轉型後改為環境面（E）、社會面（S）、治理面（G）三大構面並重，權重分別調整為21%、31%、48%，代表企業不能再僅靠公司治理制度取分，環境與社會績效正式成為評鑑核心。
  2. 指標數量增加、計分邏輯趨嚴：新制指標由70題增至75題，且多數採「要件式」計分——並非揭露一句「本公司已訂定相關政策」即可得分，而是要求同時說明適用範圍、執行情形、量化數據，甚至取得第三方驗證，方能計分。
  3. 佐證資料要求同步提高：無論是溫室氣體範疇一、二、三排放量的揭露與確信、供應商人權盡職調查的具體執行紀錄，或是員工意見調查覆蓋率與改善計畫，都需要具體、可核實的數據佐證，而非制式聲明。
  4. 與IFRS永續揭露準則接軌同步啟動：自115年度起，資本額百億以上之上市櫃公司已率先適用IFRS永續揭露準則，未來兩年將依資本額規模分階段擴大適用，永續資訊財務化的壓力將持續加大。
    企業經營者需要理解，ESG評鑑轉型不只是「多幾道題目」，而是評鑑邏輯從「有沒有做」轉向「做得如何、能否證明」。建議企業利用此次機會：
  5. 善用AI工具，針對ESG評鑑各項指標逐一盤點現有政策與執行紀錄的落差、協助問題分析、產出永續行動計畫草稿，再由內部同仁與顧問確認正確性與完整性。
  6. 因ESG評鑑佐證資料與永續報告書編製準備資料高度重疊，可建立一套整合性的行動計畫與資料管理機制，同時滿足兩項揭露要求，而非各自為政、重複準備。
  7. 行動計畫不只是資料蒐集的計畫，更應包含創造成果的行動計畫，如：積極推動節能減碳措施、分析人員流動率高原因後的改善作為。

結語：ESG評鑑轉型並非單純的評分制度調整，而是資本市場對企業永續治理能力的重新校準。建議企業善用AI進行落差盤點，並將ESG評鑑準備與永續報告書編製工作整合，並以具體行動來推動永續相關作為。如此不只可以較少人力滿足永續資訊揭露的要求，更能逐年提升企業的永續績效！

此篇文章由協會 副理事長-邱立基 授權提供

20260731-13

《AI for Impact》論壇側記與顧問交流心得

by 協會文章

文章引用：https://www.facebook.com/share/p/1DXqa6AGBG/

7/21 個人與四位不同領域的顧問一同參與經理人雜誌舉辦的《AI for Impact》論壇，會後大家更留下來進行深度交流，逐一比對論壇內容並交換觀察，收穫滿滿！
從顧問的交流分享中可歸納出以下六個核心重點：

  1. AI成熟度評估衍生新商機：上市櫃企業未來將被納入AI運用能力的評估範疇，這也讓「評估前的內部能力調查與輔導」成為顧問可切入的新興服務。
  2. 初期ROI衡量標準需調整：AI專案推動初期不宜過度侷限於財務指標，應視為類似研發的階段性投資；累積員工學會使用AI的比例等無形資產，才是說服董事會與投資人的關鍵挑戰。
  3. 標竿案例的落地啟示：Dcard在組織內建置超過100個AI Agent、各部門皆有導入的案例令人印象深刻；論壇也強調FDE（Forward Deployment Engineering，前進部署工程）的重要性——需有人（如AI長）親自進入業務現場，帶領員工用AI解決實際問題以建立信心。
  4. 不同產業容錯率差異懸殊：銀行業、航太業要求近乎100%準確率；但一般製造業只要AI Agent產量比人多、品質比人好、可24小時運作，達到「可接受標準」即可有效應用，不必事事苛求完美。
  5. 心理安全感是導入AI的關鍵：導入AI最大的阻礙往往是「老闆的心態」——許多主管只要求員工使用AI，自己卻不知從何開始；企業在萃取資深員工經驗以建構AI知識庫時，若缺乏心理安全感與適當獎勵機制（如獎金、股份、工作再設計），將引發員工對被取代的恐懼與抗拒。
  6. 組織將從職能導向轉為任務導向：未來JD（職務說明書）甚至可能綁定在AI Agent身上，徹底顛覆傳統的績效評核與責任歸屬；AI也能化身虛擬Buddy協助新人訓練，解決主管無暇帶人的痛點。

結語：這場論壇與會後的交流讓人更確信，AI導入的成敗關鍵往往不在技術本身，而在企業主的心態轉變與組織心理安全感的建構。建議企業在啟動AI專案前，先盤點內部準備度，並同步設計配套的獎勵與工作再設計機制，才能讓員工從恐懼轉為信任，真正發揮AI的綜效。

此篇文章由協會 副理事長-邱立基 授權提供

20260707-25

【AI 學習成效移轉：從「學會」到「落地」的系統方案】

by with No Comment 協會文章

Lee再次擔任由永旭國際主辦、CJ 老師授課的《AI 轉型實戰營》（第五期）的課程助教。這次課程是這家物流公司辦理AI內訓的第三梯次，主要由非主管人員參與，課程也濃縮為一天，因學員人數較多、課程時間又只有六個小時，對講師及助教都是較大的挑戰，所幸從課程參與及滿意度調查結果來看，大家還是很認真學習及收穫滿滿的！

如何確保學習成效可以順利移轉到日常工作中呢？依據個人經驗整理以下做法，提供辦理AI內訓的企業參考：

一、 課前需求調查有助於了解學員的背景及需求，可依據調查結果調整各培訓單元的時間配置；

二、 講師要事先準備好產業別的操練資料，以方便學員在課程中進行操練；

三、課中由講師及助教引導學員選定工作相關主題進行操練及成果發表；

四、課後辦理AI應用成果發表，時間可安排在主管月會，由各主管報告，以擴大工作應用。

五、每半年或一年辦理一次AI內訓或安排部門別的輔導，以深化AI應用。

結語：課前需求調查、產業別訓練資料的準備、工作相關操練及課後跟進，可以確保AI學習成效順利轉換為工作成果！

如果您對 AI 轉型感興趣，歡迎在下方留言分享你的想法，或是私訊我們了解更多實戰細節。

此篇文章由協會 副理事長-邱立基 授權提供

這是HR最好的時代 – 當技術不再是門檻，「人」的價值才真正被看見

by 協會文章

最近讀完OpenAI內部報告跟BCG的分析，心裡有種「原來如此」的感覺

從ERP、平衡計分卡、數位轉型，到今天的AI——每隔幾年就有一波號稱「改變遊戲規則」的浪潮。但說穿了，每一次我都看到同樣的事情上演：技術預算砸得很兇，組織準備度趨近於零。

換湯不換藥，劇本二十年沒變過。

BCG提出一個「10-20-70法則」，說AI轉型應該10%放演算法、20%技術建設、70%投在人與流程。坦白講，這跟我在早年顧問公司那些年的經驗如出一轍。我們內部常說：專案成敗，三分技術、七分change management。但多數企業還是本末倒置——70%砸工具，剩下的才來煩惱「人怎麼辦」。搞到最後，系統上線了，人的思維/能力沒跟上，整個專案不上不下。

報告裡有個數據也讓我蠻驚訝的：AI的前沿企業使用者的AI使用量是一般人的6倍，技術任務上差距更誇張，拉到17倍。這已經不是效率問題了，這是競爭力的結構性斷層。贏家全拿的味道越來越濃。我現在服務的中小企業主常問：該不該導入AI？我都反問他們：你打算用AI「省錢」還是「賺錢」？

領先企業早就把八成以上的AI預算拿去重塑業務、開發新產品，不是只想著降本增效那一套。因此，光靠防守思維，這場仗贏不了。

還有一個數據我覺得挺值得玩味：非技術部門的coding相關活動，半年內成長了36%。這意味著什麼？AI正在打破「誰能做什麼」的界線，過去涇渭分明的分工開始模糊了。逆分工時代來臨，以前做人才盤點，我們看的是職能缺口。現在一定要多問一句：這個人能不能用AI，去搞定過去要跨好幾個部門才能處理的事？

講真的，這也在重新定義我們HR的飯碗。傳統的JD、職等架構、KPI，都是建立在「人做人的事、機器做機器的事」這個前提上。當這條線開始鬆動，我們要回答的問題也變了——不是「這職缺要什麼技能」，而是「這個角色在人機協作的年代，該長什麼樣子」。

報告還戳破一個現實：只有26%的企業真正從AI創造價值。亞太企業去年平均跑了24個GenAI實驗，結果只有3個上線。因此問題從來不是技術不成熟，而是上面沒想清楚要幹嘛、中間沒有落地藍圖、底下的組織配套沒跟上。雷聲大雨點小，最後不了了之。

但反過來想，這三件事恰好是HR可以切進去的戰場。

回頭看過去這十五年在人資圈打滾的經歷，HR從「人事行政」走到「人才策略夥伴」，現在AI又推著我們再轉一次彎。我自己的體會是：未來的HR不能只是配合轉型，而是要站到前面去帶。哪些工作該人做、該AI做、怎麼搭配？AI時代的人才標準怎麼訂？怎麼讓團隊從「怕被取代」變成「願意試試看」？ 這些問題，技術部門答不上來，財務部門算不出數字。說到底，只有搞懂人的HR能接這個球。

當演算法和TOKEN越來越像水電一樣普及，真正的差異化反而回到最老的問題：你的組織準備好了嗎？

這是HR最好的時代。因為當技術不再是門檻，「人」的價值才真正被看見。

繞了一大圈，核心還是那句老話——事在人為。

此篇文章由協會 理事-郭鎮榕 授權提供

20251204-01

新思維：人機混搭的領導力升級

by 協會文章

儘管生成式AI已普及，我遇到的許多人仍未掌握其真正潛力。我們習慣以線性思維提問，限制了AI的創造力。我的核心觀點是：我們必須將AI從單純提升生產力的**「數位助理」（co-pilot），升級為能共同創作、雙向對話的「協思伙伴」（co-thinker）**。這不僅是技術進化，更是我們與科技關係的深層重塑。

個人思維升級：從工具使用者到思維伙伴

要駕馭AI浪潮，個人必須：

  1. 打破提問慣性，培養「AI溝通力」：訓練自己跟AI溝通時”不厭其煩”的提供”完整上下文”以及各式輔助資訊，精準設計提示，讓AI成為共同創造者。
  2. 積極實驗，擺脫「旁觀者陷阱」：布萊恩．索利斯（Brian Solis）指出，愈頻繁與AI共同思考，技能進步愈快。保持高度好奇，勇於試錯。
  3. 聚焦高價值，釋放人力：將重複、繁瑣的「髒活」（dirty work）委派給AI，將精力集中於真正能創造更大價值的事務。
  4. 發揮人類獨特價值，理解AI局限：情緒智慧、同理心與批判性思維是AI難以取代的關鍵。

企業策略轉型：打造「人機混搭」競爭力

企業若想在AI優先世界中取得豐碩成果，需全面重塑：

  1. 重塑「人機協作」策略：必須擁有「心態轉變」，將AI從自動化工具提升為「數位隊友」。
  2. 明確人類角色：人類應扮演好訓練師、解釋者、維持者三種關鍵角色，擴大機器能力。
  3. 設計動態商業流程：流程需考量AI的動態協作模式，包含任務分析、互動協定、回饋意見循環。
  4. 領導力推動與全面培訓：
    • AI增能策略：將AI定位為助力，聚焦人類創造力以及情緒價值。
    • 績效重塑：以員工「產出」為導向，而非工作時間，鼓勵AI應用。
    • 投資主管：中階主管是轉型關鍵，成功導入AI人機協作的組織，都十分重視中階主管的AI技能和人機協作的管理思維。
    • 鼓勵實驗：營造試錯文化，獎勵創新行為。
    • 領導者以身作則：主管應親自與AI共同思考，軟體銀行創辦人孫正義與Coursera執行長傑夫．馬金奧卡達便是典範。
    • AI轉型應由管理階層帶領，而非僅交由IT部門。
  5. 將AI作為決策智囊「共同思考」：AI能提供新穎觀點與策略思維，但最終決策仍需人類的直覺、遠見與承擔責任。

台灣現況：轉型刻不容緩

台灣多數人尚未廣泛使用AI，但所有產業正遭遇缺工問題。透過AI提升員工單位的生產力已是當務之急。政府應務實合作，訓練內部可控的AI模型，提升治理效率，而非投入巨資從零開發大型基礎模型，以免資源浪費。

「人機混搭」的新常態已然來臨。領導力的未來，在於如何有效駕馭這股力量。我誠摯邀請大家，以開放心態，積極學習、實驗並整合AI於日常工作與決策中，定義您在AI優先世界中的競爭力。 您準備好了嗎？

此篇文章由協會理事 郭鎮榕CJ 授權提供