Writing · 2026-08-01

沒有資料團隊也能撐？AI 導入後最低限度的人力配置這樣規劃

有一種坑，老闆通常是導入 AI 之後才踩到：東西上線了，跑了一陣子，然後開始出小狀況，卻發現公司裡根本沒有人負責顧它。資料沒更新、設定沒人調、出問題不知道找誰，最後這套 AI 就慢慢荒廢，變成又一個「當初花了錢、現在沒在用」的系統。

老闆的第一個念頭往往是：「那我是不是得請一個資料工程師？」先別急。中小企業導入 AI，最低限度需要的不是一個資料團隊，是三個角色，而這三個角色，你現有的人多半就能兼。

最容易被跳過的一步：導完之後誰來顧

導入 AI，大家的注意力都在「選什麼工具、做什麼題目」，很少人會先問「上線之後誰來養它」。

這一步被跳過的代價很實際。AI 不是裝好就一勞永逸的機器，它需要有人餵它對的資料、需要有人在它出錯時發現並修正、需要有人決定它做得夠不夠好。沒有人顧的 AI，跟沒有人保養的機台一樣，遲早停擺。 差別是機台停了你馬上知道，AI 悄悄變爛你可能過很久才發現，那時候團隊已經默默不再用它了。

所以人力配置不是導入完成後才想的收尾，是一開始就要規劃進去的一部分。

最低限度的三個角色

先講清楚：三個角色不等於三個人。它是三種責任，可以由現有的人兼。

第一個，題目主人。 這個人決定 AI 要解什麼問題、做到什麼程度算合格、成效好不好由他驗收。他要最懂現場，通常就是老闆你自己，或你的廠長。這個角色不能外包，因為只有你知道這件事對生意到底有沒有用。

第二個，資料看門人。 AI 好不好用，一大半看它吃到的資料乾不乾淨。這個角色負責顧那一塊資料的正確與更新，通常落在原本就在碰這些資料的人身上，會計、文書、或倉管。他不需要懂 AI，只需要把本來就在做的資料維護，做得穩定一點。

第三個，工具維運者。 負責工具的設定、串接、跟廠商的窗口，出技術問題時知道找誰。這個角色最常被誤會成「一定要請工程師」，其實初期完全可以用外包或配合的系統商，搭配公司裡比較懂電腦的那個人來兼。

這三個角色，現有的人怎麼兼

實務上，一家中小企業第一次導 AI，這三個角色的配置常常是這樣：

題目主人＝老闆或廠長，本來就在做決策，只是多了一項要驗收的事。資料看門人＝現有的會計或倉管，把原本零散的資料維護變成一個固定習慣。工具維運者＝一半外包給系統商，一半交給公司裡最不排斥電腦的那位年輕同事當窗口。

你看，沒有一個是新請的人。 導入初期真正需要的，不是擴編，是把「顧這件事」的責任明確指給對的人，讓每個人清楚知道自己那一塊要顧什麼。責任沒指清楚，才是 AI 荒廢的真正原因，不是人不夠。

什麼時候才真的需要「請一個人」

那什麼時候才該認真考慮請專職？給你一個簡單的判斷點。

當你的 AI 應用從一個試點，長成好幾個都在穩定運作、每天都有人依賴它做事的時候，兼任的那幾個人會開始撐不住，維運的量大到會排擠他們的本業。到那個階段，你已經用實際成效證明了這條路走得通，這時候請一個專職的人來統籌，是水到渠成的擴編，而不是一開始的盲目投資。

順序是先用兼任把事情跑起來、驗證出價值，再用價值去支撐擴編，不是反過來先請人再找事給他做。

算一筆帳：兼任 vs 直接請一個資料工程師

具體算一次。

一開始就請一位資料工程師：台灣現在這種人才難找又貴，年薪連同成本輕鬆破百萬，而且你才剛導一個試點，根本沒有足夠的量讓他發揮，很可能請來大半年都在做雜事，投入產出嚴重不成比例。

用三個角色兼任的配置：多出來的成本，主要是外包或系統商的月費，加上幾位現有員工分攤的一部分工時。同樣是讓 AI 有人顧，一個是先背一筆百萬的固定成本再想辦法餵飽他，一個是用現有人力把事情跑起來、等量夠大再擴編。 對還在驗證階段的公司，後者的風險小太多。

反模式：把「沒有資料團隊」當成不能導 AI 的藉口。 我常聽到「等我們有 IT 團隊再來談 AI」，這跟「等資料全部乾淨再導 AI」是同一種拖延。你不需要先有團隊才能開始，你需要的是把現有的人責任分清楚，先跑起來，團隊是被成效長出來的，不是等來的。

今日一個行動

今天針對你正在做或打算做的 AI 題目，把三個角色各指定一個名字：誰是題目主人？誰是資料看門人？誰是工具維運者？

如果三個都能從現有的人裡填上，恭喜，你的人力配置已經夠起步了。如果有哪一格填不出來，那一格就是你真正要補的洞，通常不是缺一整個團隊，是缺把責任講清楚的那一句話。

交流與邀約 ── lidien.fu@peakstargroup.com | lidien.net