鄭智維 Wesley
127 位追蹤者
鄭智維 Wesley
127 位追蹤者
個人到企業場域的與人實務工作者，曾旅居印尼。隨著知識的積累會顯露出和諧與的眼光，彷彿能深刻得看透事物的生命。專長為開天眼，使人見到生命不同的樣貌。隨筆散於關鍵評論網、104人力銀行、1111人力銀行、HR Times、換日線等地。
合作邀約請洽[email protected]
全部內容
由新到舊
許多AI Agent宣稱安裝了HR、法務、財務Skill就能取代員工，然而作者研究後發現，AI Skill僅是職能的「說明書」而非「本身」，缺乏判斷與決策價值。文章從薪酬策略、法律風險裁量、財務拼圖追蹤三個維度，剖析AI Skill的侷限，並提出AI應深度綁定內部數據與系統，才能真正進化為數位同事。
本文探討了人力資源（HR）在繪製和維護組織架構圖時所面臨的生產力挑戰，並介紹了一個由 AI 驅動的解決方案——組織圖系統 OrgChart。該系統透過自動化結構生成、版本快照和高清匯出等功能，幫助 HR 擺脫 PowerPoint 的束縛，將更多時間投入到人才發展等戰略性工作中。
本文深入探討 Anthropic 提出的Skills架構，解析其如何解決大型語言模型在穩定性與程序化知識上的先天限制。透過「封裝」、「漸進式揭露」與「四位一體模型」，Skills將AI從對話介面轉變為具備長期能力的模組，並將企業的Know-how轉化為可重複使用的數位資產，為企業級AI應用奠定基礎。
文章深入探討領導團隊時，夥伴心理狀態的影響力，遠超乎想像。透過主管的敏銳觀察與適時介入，以及員工的自我覺察與積極行動（揭露、尋求支援、維持底線、按下暫停鍵），能有效管理身心能量的波動，建立高韌性的成熟團隊，保障長遠績效。
本文整理 Andrew Ng 提出的 Agentic AI 開發方法論，核心為「先做出來，再慢慢優化」，強調拒絕完美主義、觀察錯誤軌跡、數據驅動優化、以及初期品質優先，提供 AI 轉型或啟動 AI 專案的實踐價值。透過快速原型、追蹤錯誤、數據分析和針對性優化，以進化論的方式打造高效AI Agent。
設計 AI Agents 時，關鍵在於模擬真實團隊的管理架構，而非僅依賴提示詞。文章強調定義明確的 Agent 角色、建立溝通協調機制、賦予自主性與分工，並引入記憶功能以實現系統迭代，最終目的是優化管理邏輯，提升 AI 系統的穩定性與產出。
本文深入探討 McKinsey 關於「代理型組織（Agentic Organization）」的報告，闡述 AI 代理人將如何徹底改變商業、營運、治理、勞動力和技術模式。從「超個人化」服務到「扁平化代理網絡」，再到「即時嵌入式治理」。
吳恩達 Agentic AI 課程後，作者體悟 AI 未來在於「組織」而非「模型大小」。作者實作 HR Agentic AI 系統，讓 AI 專員協作，並深入探討 AI 的角色、工程師價值轉型，以及人類工作者如何建立差異化護城河。
本文深入探討了從提示工程到代理式工程的轉變，分享了吳恩達《Agentic AI》課程中的五大核心重點：為何選擇 Agentic AI、反思設計模式、工具使用與函式呼叫、評估與錯誤分析、以及規劃與多代理系統。文中詳述了 Agentic AI 的優勢、實踐方法，並結合企業場景提供了具體的應用範例
領導者與HR夥伴常面臨組織的窘境，常將「願景」或「規劃」誤認為策略。本文引述策略大師羅傑．馬丁觀點，解析為何只有願景缺乏具體戰場，或過度專注戰術執行，皆可能導致組織內耗。文章強調，真正的策略在於選擇不做什麼的勇氣，並提出具體化戰場、定義贏的方式、反直覺驗證等三個關鍵問題，引導組織找回戰略方向。
