【人物專訪】企業 AI 顧問海鹽：「AI 導入不是科技題，而是商業題」

｜受訪者 背景介紹｜

海鹽（邵鈺珊）是思進科技 4INTECH 的創辦人，他從事多年的企業營運數據分析顧問，以及運用 AI 導入引領企業集團數位轉型與陪跑方案​。客戶包含瑞軒集團、技鋼科技等上市櫃公司董事會及高階主管指定專用講師，提供服務包含「數據工程與數據分析」、「客製化 AI 應用與 AI 陪跑」、「企業諮詢與內部培訓」等。

思進科技的客戶主要為企業高階決策層，包括執行長（CEO）、財務長（CFO）等 C-level 主管。海鹽協助高階經理人導入 AI 技術，重新調整營運架構與數據策略規劃，進而優化企業數位體質，協助突破營運瓶頸，提升企業整體競爭力。

「在 AI 浪潮之前是 Big Data 的時代，如果當時企業沒有大數據分析的營運思維，現在進入 AI 會更需要 Big Data ，因為 AI 的背後就是數據資料。」

海鹽說，以前企業面臨 Big Data  數據轉型，現在則是 AI 轉型。

無論進行何種轉型，企業營運思維都必須徹底翻新。以他過去合作的一家建商客戶為例，該企業過去從未經歷數據轉型，直到海外歸國的第二代接班後，才開始意識到數據運用的重要性。

由於接過許多企業高層的顧問委託，因此海鹽理解企業推動轉型確實不易，特別是公司核心成員的意願、團隊的期待或心理狀態，都有可能成為轉型成敗的關鍵因素。

「企業決心做 AI 轉型過程，內部一定都會有不同的聲音，這些聲音乍聽之下是阻擋或刁難，其實不是刻意的。」

「他們害怕，擔心若公司放手交給 AI 去做，無法 100% 確定結果會更好。」

海鹽表示，企業在無法確定「人與科技的合作」可以產出哪些成效的情況下，高層就會朝向共同決策，確保是在內部高度共識的基礎之下推動這項重大決策。

儘管凝聚共識的時間成本卻犧牲了決策效率，但海鹽認為，這些都是推動轉型的必經之路，企業高層共同決策沒有不好，也可以順勢聚焦彼此的共識和目標，「畢竟想推動轉型的人，不見得熟悉『轉型』該做哪些事情。」

有意識到需要轉型的企業，就是能在商場中持續搏鬥的企業。

但轉型不單單只是導入全新的科技工具，而是邁入下一個里程碑。集體決策常常落入一個認知盲點：公司使用 AI 僅是為了符合趨勢，但不知道為何而引入 AI。

「企業導入 AI 不是科技題，而是商業題。」

海鹽嚴肅地說，「這是企業營運裡的價值鏈管理（Value Chain Management），如果企業導入 AI 是公司高層的集體選擇，那麼很容易僅是選擇科技，而不是選擇商業營運和價值鏈。」

對於企業導入 AI，公司高層若沒有人好好梳理組織內部的核心問題，深入挖掘 AI 工具可以帶來的價值，那麼集體決策的成效結果，很容易淪為讓員工 KPI 多一樣待辦專案而已。

海鹽強調，企業高階主管要以全局觀的角度，從近程、中程目標看到遠程的營運藍圖，若只著重眼下必須解決的困境，就會把「企業導入 AI」當成一項單獨的專案，而不是一件營運轉型、跨部門串聯的重要革新。

「由於我是一位技術背景的人，也有念過商管學院，瞭解企業營運除了商業難題，還有團隊管理、上下溝通的問題。」海鹽老師分享一個企業導入 AI 的案例：當時客戶是某間公司的 CEO，在顧問諮詢的過程中，他除了背負董事會的獲利壓力，還得處理向下管理與績效溝通的棘手問題。

整體來說，推動數位轉型的過程並不順利，一方面參與計畫第一階段的人數過多，讓多個部門的日常業務受影響；另一方面則是各團隊對任務的理解程度不同，導致溝通不一致，進而引發集體抗拒與消極態度，最後 AI 導入計畫進展受阻而無法繼續推行。

更令人意外的是，該企業在終止顧問計畫後，竟選擇自行開發 AI 系統。但由於未建立完整的 AI 導入策略，也缺乏整體規劃藍圖，最後未能達成預期目標，相當可惜。

很多企業以為導入 AI 工具就可以解決很多問題，其實，若沒有專業團隊妥善規劃、沒有逐步實現階段目標，「轉型」反而會變成公司成長的絆腳石，不僅消耗大量人力資源、時間成本，還會導致更保守的高層決策文化。

而過於保守的決策，不一定跟得上每個劃時代的嶄新革命。

「企業希望導入 AI 的面向大致上分為兩大類：『行政庶務流程』、『核心生產流程』，期待導入 AI 之後，變成一個完全自動化的流程，過程不會有任何人為干預。」

海鹽認為，如果把 AI 導入視為企業轉型，那麼一個流程的自動化必定會涉及多個部門，企業高層得帶著宏觀的視野來看待 AI 轉型所帶來的長遠影響。

因此企業導入 AI 並非科技題，而是商業題，端看企業決策者是否有足夠的視野帶領組織邁向下一個時代的挑戰。

較實際的做法，便是先挑選單一部門導入 AI 工具，並且設定階段性目標，逐步達成後再推動至其他部門。如果企業高層想導入 AI 卻又不得其門而入，那麼選擇陪跑型的專業顧問，確保每一個階段、多個部門都能實踐 AI 工具的導入應用。

提及海鹽過去擔任 AI 諮詢顧問的經驗，客戶最常在哪一階段遇到營運瓶頸？

他回覆，在 AI 的時代裡，不該帶著過去的想像看待這個全新的技術，他曾遇過某間大型企業非常抗拒 vibe coding，同時也抗拒吸收這方面的新知。

現階段 vibe coding 若要發佈，的確需要工程師人工排查網頁程式碼，包含檢查是否有安全性漏洞、API 金鑰或敏感資訊是否有外洩風險、評估程式碼品質與穩定性等。但整體而言，領導者與產品團隊若完全抗拒學習全新的 AI 工具，並非是一個正面且永續學習的企業典範。

開發團隊的確不能過度依賴 vibe coding，但 AI  工具會因為使用在不同職能上，而有截然不同的效果。例如應用在產品企劃上，有利於 PM、UI 設計師和開發團隊之間的快速聚焦，包含企劃主軸、欄位規劃、視覺動效，能提升團隊討論效率，讓跨部門協作更加順利。

AI 時代來臨，把 AI 工具導入到最適切的地方，才是替企業客戶提供「最佳實踐」。

此外，在企業 AI 轉型方面，海鹽表示不論是文創產業、製造業或軟體科技業，都面臨到一個嚴重問題：數據分散問題嚴重，形成數據孤立（Data Silos）。

數據孤立又稱「數據孤島」，公司各部門在各司其職的情況下，久而久之無法和其他部門共享數據內容，導致公司無法洞察營運狀態的優化方向，最後錯失商業先機，甚至互相拖累工作效率、阻礙創新。

畢竟 AI 的背後就是數據資料，因此企業若想導入 AI 做轉型，就必須先串起一座座封閉孤島，替最佳實踐尋找最適切的執行方法。

「我們不只是替客戶解決問題和告知解法，更要提出『最佳實踐』。」

海鹽回憶，曾遇過一位上市櫃公司企業客戶，由於客戶預算寬裕，表明希望購買 N 牌的設備服務。不過對海鹽來說，該企業面臨的問題並非需要高規格的硬體設備，而是需要從企業 AI 轉型問題的本質出發，提出根本性解法。

「設備買下去之後，後續營運很容易被綁住，反而不利於展現彈性，因此購買高規格的設備並非當時的最佳解法。」

「身為企業顧問，我們提出來的最佳實踐，不應該被設備或技術綁架，而該讓企業營運更具前瞻性。」

面對 AI 導入企業組織之前，應回到企業內部的核心問題，以下有三件事情需要先確認：

1. 想透過導入 AI 解決什麼問題？
2. 想透過導入 AI 傳遞什麼價值？（屬於企業既有價值鏈的哪個部分）
3. 導入 AI 後，明確的績效指標

海鹽說，企業導入 AI 是為了放大企業內部既有的價值，而不是變成一個全新的工作目標。

此外，AI 工具與員工的人機協作也需要制定「邊界劃分」，例如人類才是最後的決策者、AI 不能取代人類替團隊組織做決策。

在企業營運過程中，人的決策能力具有高度價值，例如總經理的經營策略、執行長的業務推廣策略等等，這些事情是 AI 無法取而代之的核心項目。

海鹽表示，人們常常習慣性地去構思「 AI 要幫我做什麼」，其實應該反過來思考「哪些事情 AI 不能幫我做？」

為什麼要這樣思考呢？因為「你不讓 AI 做的事情，才是最有價值的地方。」

同場加映 1：海鹽對於 AI 運用趨勢的看法？

1.  未來 AI 會更強調應用性：

根據「檢索增強生成」技術框架 (RAG, Retrieval-Augmented Generation) 結合 AI 的發展，現在生成式 AI 提供的資訊已擁有更高的準確性、可靠性，甚至能應用在醫療、法律等高度專業領域上，因此推測 AI 未來不見得會更具「科技突破性」，而是擁有更深遠的「生活應用性」。

2.  未來 AI 會整合在軟硬體：

AI 未來可能不僅僅是軟體，而是和硬體互相結合，變成硬體搭載 AI 並且應用在各個產業，特別是邊緣運算的應用場景，例如 AI 智慧製造的工業自動化、AI 自動駕駛汽車及時判斷路況與採取行動、AI 智慧工廠中裡的品質檢測系統等。

同場加映 2：海鹽當企業 AI 顧問如何陪跑？

針對海鹽會如何制定計畫，替企業量身打造一個 business solutions 呢？

「首先，第一步會先了解企業面臨如何的問題，再來訂定最佳解法與執行階段，還有確認執行規模一共會有幾個部門。」

● 步驟一：了解問題、分析問題
● 步驟二：制定計畫、分段執行
● 步驟三：確認執行規模（單一部門或少數部門）

「由於我服務的對象大部分是CXO職位，所以會先從客戶提及的問題去做全盤規劃。身為企業顧問的我，不會放太多心力處理客戶公司內部的人事狀況或資源競爭，會聚焦在如何解決客戶公司現在的營運問題。」

在規劃階段時，海鹽會去衡量成功的方法，以及提供「最佳實踐」與「最短路線」給客戶參考。當然，也會設定各個階段的里程碑，陪著企業客戶一起往里程碑前進。

「從過往的服務經驗得知，高階主管時常要面對董事會和投資人的壓力，因此能夠理解時間壓力與時程安排的重要性，這部分都可以事前溝通。」（✅ 馬上到 Tasker 出任務 和海鹽預約諮詢！）

結論：海鹽給企業領導者的建議

以下轉載 海鹽 Facebook 官方粉絲專頁的貼文，文中敘述企業在導入 AI 轉型過程中，企業決策者應該要掌握的思維與心法，聚焦在「如何解決問題」，才能確實賦能給組織內部的員工。

幾週前，一家金融集團把明年第一季的內訓需求寄來：學員是人資、財務、營運主管，主題寫著LangChain、RAG、提示工程、模型微調。

這很明顯的不適合他們，也不適合聽眾，我花了一分鐘才想清楚：這課不是為了理解與實戰AI，而是為了緩解落後焦慮。

這畫面在大企業越來越常見：領導在轉型壓力下求快就買課；人資在資訊模糊時就收集名詞；最後核心流程沒變，只有文件上的字變多。

這很像買頂級跑鞋卻不練心肺。穿上去看起來專業，但速度一樣。把學習做成表演，會讓公司誤以為在前進，實際上只是更快地原地踏步。

轉型的瓶頸不在工具，而在思考的深度。講師可以外包，思考不能。當AI被當成課表，而不是可驗證的邏輯，員工記住名詞，卻無法將其應用到價值鏈。某金融公司要我教「用大語言模型做決策」。我問：具體支援哪些決策？合規、風控、報告？全場安靜。趨勢畫很大，但問題核心尚未被定義。
​
轉型要從一個誠實且不舒服的問題開始：我們有哪些事，不能被自動化？那是公司的不可替代核心，科技應該放大它，而不是掩蓋它。
​
將學習從裝飾變成核心能力的行動框架：三個 Re

➊ Recenter (回到核心)：

先問我們真正擅長什麼，AI能怎麼加速。物流先做預測路由與資料品質；金融用自動化減少稽核疲勞、提升合規一致性。
​
➋ Reframe (回到第一原理)：

少教工具，多教推理。讓同事會問：這演算法解什麼問題？它的核心假設是什麼？失效會如何？工具會變，但邏輯推理不會。
​
➌ Rebuild (小實驗)：

每部門選一個流程與假設，設定可量化指標，做四週實驗，產出就分享，讓知識與經驗快速循環。
​
最大的障礙往往不是技術，而是專業情緒。人們怕的不是被AI取代，而是自己的專業知識突然過時，於是用行話來保護自己。但術語不等於安全，清晰的、可驗證的思考才是新的工作保障。
​
給領導者的建議：訓練若沒改變決策方式或效率，就是一種裝飾性開銷。下次規劃AI課，請先用30分鐘與核心團隊列出三個關鍵決策與痛點，選一個作為四週實驗的目標，量化時間或錯誤率，根據需求與實驗成果再決定要學什麼。我們不該買「看起來聰明」的課，而是要共同專注於打造「讓我們更聰明」的能力。未來屬於學對東西、為對理由而學的人。

受訪者資料

邵鈺珊（海鹽）
思進科技 4INTECH 的創辦人

海鹽致力於為企業提供 AI 陪跑解決方案，從導入 AI 顧問服務、專業訓練到陪跑指導，幫助企業連結人類智慧與 AI 人工智慧，打造數位轉型的營運團隊。

● 美國 DeepHow AI 創新實驗室總監
● 日本教育機構 KUMON 數據科學部經理
● 瑞軒集團、德淵集團等上市櫃公司董事會及高階主管指定專用講師

⭐Tasker 出任務官方領航合作業界 AI 專家⭐
企業CEO、高階經理人有導入 AI 的需求嗎？
快上 Tasker 出任務「企業找外包」AI 應用頁面 填寫需求！