iT邦幫忙

2026 iThome 鐵人賽

DAY 3
0
IT Operation

30億的維運教訓:一個 IT 工程師的 AI 落地避坑指南與營運思維系列 第 3

第3章 識人:數位洗錢,不用負責任地都隨便做

  • 分享至 

  • xImage
  •  

「數位轉型」這四個字,有時就像企業內部的一場「數位洗錢」。
公司的預算、政府的補助或投資人的熱錢,藉由人工智慧、大型語言模型(LLM)、智慧製造等高大上的 buzzword 在專案裡洗一圈;幾個月後,系統沒人用、產線依舊手動,但顧問領了尾款、主管拿到了向上管理的簡報素材、工程師在履歷上添了一筆炫砲架構。
專案悄悄夭折,沒有人需要對損益負責。

上一篇我們聊到基層工程師要學會「挑長官」,這一篇我們把視角倒轉過來:如果你是坐在主控台帶隊的人,該如何「識人」?


正統流程很豐滿,現實資源很骨感

談到識人,教科書與 HR 會告訴你一套標準流程:
先做性格測驗、再做技術與架構審查、最後來幾輪文化契合度(Culture Fit)面試。

但真實的專案現場往往是:時程火燒屁股、人手捉襟見肘、外包廠商開盲盒,你根本沒有半年時間慢慢做背景調查。

面對這種混亂局面,我自己習慣用最殘酷的「一刀切」快速過濾:
這個人,到底有沒有動機把這件事做好?

遺憾的是,在商業與職場的殘酷現實裡,「趨吉避凶、規避責任」是人性必然。所謂「有沒有動機把事做好」,翻譯成白話文只有一句:
「專案搞砸了,他到底要不要負責任?」

只要失敗不需要付出代價,人的本性就是隨便做做。

舉例來說,當 AI 預測跳出警報、現場操作員因此緊急停機或調機,若最後證實是誤報,代價誰來付?

如果負責開發 AI 的人不用承擔任何責任,這往往意味著:這套系統從未真正接入營運決策鏈。

一個沒人敢用、沒人會看的系統,自然永遠不會引爆責任歸屬——這正是「數位洗錢」最完美的形態。


新創的一億血淚:小心「純技術入股」的神仙

這是我在新創時期買來的一個深刻教訓。

選合作夥伴或技術合夥人時,務必極度提防那些「宣稱純技術入股、一毛錢都不打算掏」的人。

我就曾親眼看過整整一個億的資金,在眼前像打水飄一樣化為烏有。那些不出錢、只拿技術股份的「大神」,在風口上講得天花亂墜,架構畫得比誰都宏偉;可是一旦專案遇到現實阻礙、算法落地不如預期、需要蹲在爛泥巴裡排查 bug 時,他們往往是第一個拍拍屁股走人的:
「市場不成熟啦。」
「這家公司體質不行,配不上我的演算法。」

反正燒的不是他的存款,他憑空拿了技術股頭銜,轉身跳槽履歷還漂亮得不得了;真正跳樓破產的,是掏出真金白銀的投資人和創辦人。

記住一條鐵律:老闆一定要花自己的錢,不然都是玩假的;合作夥伴如果不用承擔沉沒成本,他的承諾就連一張衛生紙都不如。
沒有 Skin in the game(利益攸關)的合作,本質上就是一場白嫖。


內部負責人:他的 KPI 是「做簡報」還是「扛結果」?

走出外部合作,看回內部團隊的專案負責人,邏輯也是一模一樣。

想知道一個人能不能打仗,看他身上的 KPI 怎麼定:

比較維度 偽負責人 真戰將
核心思維 過程導向 結果導向與責任綁定
典型 KPI 範例 在 Q3 完成一場高層匯報/引進某套開源模型架構/舉辦三場全廠數位轉型宣導會 反應槽原料損耗降低 2%/異常排查時間由 4 小時縮短至 20 分鐘/上線半年內無人因模型誤判而手動覆蓋
實際結果與心態 最擅長做精美簡報,會議開完掌聲響起即交差;產線有無降本、現場操作員用不用皆不在其責 把終點放在現場實際效益與長期穩定運行,敢把名字簽在具體數字與損益代價上。

當一個人把「簡報完成」當成專案終點時,他就已經在執行一場無痛的數位洗錢。


避坑小結

帶隊打仗,最怕的不是隊友技術不夠頂,而是隊友從第一天就沒打算跟你同生共死。

  1. 看合作方: 不願押上本金或違約代價的,技術再神也是過客。
  2. 看執行者: 追求簡報漂漂亮亮、卻不敢把名字簽在具體效益上的,都是戰犯預備軍。

把責任邊界劃清、把痛感綁在一起,那些只想蹭轉型紅利的投機者自然會退場,留下來的,才是真正能把坑填平的戰友。


後記:

新創為了門面租了月租十萬的辦公室,放著養蚊子三個月,團隊依舊窩在舊工作室。技術執行長整天嘆氣:「一個月十萬,我心好痛,怎麼還不搬?」大家聽聽也就算了。

直到某天,團員的椅子輕輕碰到執行長的高階音響。外觀毫髮無傷,執行長卻瞬間暴怒:「明天我要在新辦公室看到所有人!」

隔天一早,全員進駐。

原來每個月十萬公款打水飄是假的,私人物品被碰一下才是真的痛。

不久後我離開了團隊。聽說他們在天使輪時,憑著一份極其精彩的報告被關係大企業高價收購,而原本的所有基層員工,全數被資遣。


下篇預告|用人:如何辨別千里馬——好奇心

解決了「誰來扛責任」的制度問題,接下來最關鍵的,是主控台前敲代碼的那個人。
在所有技術職位裡,有一個角色如果缺乏「好奇心」,帶來的破壞力最為隱蔽:資料科學家。

你一定見過這種場景:不知道現場設備長怎樣、不在乎特徵物理意義、對數據分布毫無感覺,只顧著把別人跑過的演算法照搬一遍。神奇的是,模型還真能跑出漂亮的指標,甚至能換來一篇有 SCI 點數的期刊論文。

但這種「精美的束之高閣」,真的算是在解決問題嗎?
下一篇,我們聊聊如何用「好奇心」這把尺,把真正的資料戰將,從只會套公式的過客堆裡挑出來。


上一篇
第2章 選人:伯樂不常有的原因——AI 不等於數位轉型
下一篇
第4章 用人:如何辨別千里馬--好奇心
系列文
30億的維運教訓:一個 IT 工程師的 AI 落地避坑指南與營運思維5
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言