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
許多團隊在數位轉型中，習慣將人類的「分工思維」套用在AI Agent設計上，這種直覺但「錯位」的設計，往往是高成本的陷阱。本文解析為何AI Agent與人類不同，強調資訊在交接中流失的風險，並借鏡頂尖大廠實踐，提出從「接力賽」轉向「外部狀態統整」的關鍵洞見，引導讀者重新思考AI系統設計的本質。
在 AI 浪潮席捲全球的今日，多數企業仍在思考「如何用 AI 提高產值」，但 Twitter 與 Block 的創辦人 Jack Dorsey 已經走得更遠。他提出了一個足以顛覆商業文明的觀點：未來的企業不該是層級森嚴的軍隊，而應該是一個「微型通用人工智慧（Mini-AGI）」。
這場革命不僅僅是
在 2026 年，企業導入AI招募已是趨勢。本文探討AI招募工具衍生的演算法偏見、個資合規與不可追溯性三大風險，並提出AnonyHire框架，透過去識別化與Fairness Audit雙節點治理策略，實現可控、可稽核、可負責的 AI 招募流程，並強調 Human in the loop 的重要性。
大多數企業將 AI 視為工具，疊加在舊流程上，導致僅有微幅效率提升，而非規模化轉型。真正 AI 價值在於「端到端流程重塑」，需先清理「流程債」，再透過重組角色、改寫職責、重新培訓來升級人力，建立「人機協作」生態，才能將 AI 導入從單點效率提升轉變為永續生產力引擎。
AI 雖然能加速程式碼生成，但無法取代管理邏輯、例外情境處理及企業的最佳實踐。真正的系統價值在於其背後的管理思維，而非單純的功能實現，AI 降低了開發門檻，但並未降低管理成本。
生成式AI應用在實際落地時，常面臨客服回應不穩定、內容偏題、甚至洩漏敏感資訊等挑戰。本文探討LLM輸出不穩定性的根源，介紹Guardrails的概念與實踐方法，包含規則導向與模型導向的驗證方式，並以披薩店客服機器人為例，說明如何建立防禦機制，確保AI應用在正式環境中的穩定與安全性。
作者分享過去招募 HRBP 時，慘被履歷海淹沒的經驗，並認為現行 AI 篩履歷工具僅止於關鍵字匹配，無法真正理解人才需求。而 Teamdoor 新功能結合 AI 與 HR 專業，能理解真正需求、設定細節條件、並提供評分權重，大幅提升 HR 篩履歷的效率與精準度。
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。
