Enterprise AI Operator工作日記 · 判斷轉折
— Eason Kuo 郭怡賢 · 出自〈為什麼我開始認真寫 LinkedIn〉
我在國泰健康管理帶領數據、AI 與數位產品團隊。這裡記下把 AI 放進真實營運時，遇到的問題、做過的取捨，以及後來改變的判斷。
寫給正在把 AI 放進真實營運的主管、產品經理與數據團隊。認識我 →LinkedIn（開新視窗）
第一次來
依你現在想弄清楚的問題，挑一篇開始。
01
〈簡報改到第 9 版，我才發現差點搞錯重點〉
提案改到第 9 版，我才發現一直在證明 AI 做了多少事，差點忘了證明它到底創造了什麼價值。後來我用三個問題回頭檢查每一頁，把已驗證的結果和對未來的期待分開寫。
02
〈API 串起來，不代表系統真的整合了〉
API 接通只是起點，真正的問題長在取消、重送、逾時、部分成功這些例外裡。文章談異常由誰負責、跨系統狀態怎麼保持一致，以及為什麼需要有人做端到端驗收。
03
〈AI 到底正在重寫 Healthcare 的哪一部分？〉
與其先問模型準不準，不如先看一個健檢異常出來之後，從資料、預測、決策、行動、行為到結果，哪一步沒有走通。最後也談到，醫療場景裡多了一個問題：誰負責？
讀實戰依主題閱讀
AI 做了多少事，和它創造了什麼價值，是兩件事。這組文章談怎麼驗證成果，以及 AI 怎麼接進真實的服務。
功能做完、API 接通，不代表事情做對了。這組文章談需求、流程與系統之間的落差。
答案還不清楚時，怎麼帶團隊往前走；以及當 AI 開始替人做事、替人推薦，它能做到哪裡、值不值得信任。
看判斷過去改過的判斷
每一則都來自我在 LinkedIn 寫過的真實工作現場。先看前後對照，想多看一點就「快速看轉折」，或閱讀完整文章。
原本收到需求，第一個問題是：怎麼做？
後來先問為什麼要做，再把需求往回拆到業務問題。
01我原本怎麼想
最早聽到的需求都很正常：讓客戶可以篩選健檢項目、要有健檢推薦、要能線上預約、要讓選擇方案更方便，甚至要 AI 線上解決客戶問題。
02發現什麼問題
真正去看客戶怎麼選，才發現一個很基本的問題：客戶根本不知道自己該選什麼。
03為什麼改變判斷
如果是這樣，還做一個更好用的篩選器就有點奇怪，因為我們只是讓一個不知道怎麼選的人，更方便地自己選。
04後來怎麼做
現在收到需求，我會先問：為什麼要做？使用者到底卡在哪裡？這一步真的需要他自己判斷嗎？資料和規則能不能先幫他排除一些選項？
原本好的 AI 提案，是把技術與成果呈現得更完整。
後來讓經營者看清楚：哪些價值已經被證明，哪些還沒有。
01我原本怎麼想
以前我會覺得，投獎就是要把亮點放大。好的 AI 提案，就是把技術和成果講得越完整越好。
02發現什麼問題
簡報改到第 9 版，突然發現一件有點尷尬的事：我們一直努力證明 AI 做了多少事情，卻差點忘記證明，這些事情究竟創造了什麼價值。
03為什麼改變判斷
效率變好、用的人變多，有多少真的是 AI 帶來的？哪些已經驗證，哪些只是剛好同時發生，哪些只是我們的期待？自己沒先想清楚，很難說服別人。
04後來怎麼做
改到後來，我反而一直在刪：聽起來很厲害、但證據還不夠的說法，都拿掉。
原本先討論、釐清需求、確認規格，再開始開發。
後來先做一版給大家挑毛病，更早看見彼此理解的差異。
01我原本怎麼想
我們習慣從需求開始：先討論方向、釐清需求、畫流程、確認規格，再安排開發。
02發現什麼問題
自己動手做完才發現，連提出需求的人，都不一定能在一開始就清楚描述自己真正想要什麼，包含我自己。很多想法講了半天還是很抽象，直到看到畫面才知道。
03為什麼改變判斷
當做出第一版越來越便宜，最浪費的反而可能是一直停留在想像裡。
04後來怎麼做
現在更常問：「我們能不能先做一版，讓大家看看哪裡不對？」讓 PM、設計、工程師和業務早點看到同一個東西。
原本PM、工程、QA 都完成了，專案就算順利。
後來開發前先定義成功的樣子，驗收時看問題有沒有改善。
01我原本怎麼想
PM 說需求完成了，工程師說開發完成了，QA 也確認測試通過了。從專案管理的角度看，似乎一切順利。
02發現什麼問題
我心裡忍不住想：這個功能，真的解決了我們原本想解決的問題嗎？答案是，可能沒有。
03為什麼改變判斷
「需求沒有這樣寫」「這是前面交接的」「系統本來就有限制」，這些可能都是真的。但每個環節都照流程運作，最後卻沒解決問題，反映的就不是單一環節的失誤，而是整個團隊的工作方式。
04後來怎麼做
開發前先定義成功的樣子：不是「新增匯出報表功能」，而是「讓原本兩小時的資料整理，目標縮短到十分鐘」。
看判斷現在怎麼判斷
不是方法論，是被現場修正過之後，我現在會先問的問題。
需求往回拆到業務問題；有些問到最後，真的不用做。
先問這一步該不該存在，剩下真正有價值的，再交給 AI。
來自 轉折 06
驗收不只看功能正確，要看問題有沒有改善。
做第一版越來越便宜，最浪費的是一直停在想像裡。
來自 轉折 03
記下證據、還沒確認的事，以及什麼會讓我改變判斷。
來自 轉折 11
哪些價值已被證明、哪些還沒有，先對自己說清楚。
來自 轉折 02
Can we → Should we → For whom；授權與責任先設計好。
把公司怎麼做事，變成 AI 可以用的脈絡與邊界。
來自 轉折 10
給 Context，讓他判斷、決定、承擔；風險可控就讓他試。
來自 轉折 05
我是誰經歷與現職
Enterprise AI Operator · Senior Associate Vice President，國泰健康管理
在國泰健康管理擔任 Senior Associate Vice President，帶領資料工程、資料分析、AI/ML、數位產品與平台開發的跨職能團隊。過去在國泰金控轉型辦公室、國泰產險與遠傳電信，做了十多年的數據與數位轉型。
寫 LinkedIn，是想幫自己留一本工作日記：把觀察、踩過的坑、做過的取捨，還有那些「我原本想錯了」的時刻，慢慢整理成文字。
寫給正在把 AI 放進真實營運的主管、產品經理與數據團隊。
接受演講、媒體與交流邀約；不接招募與推銷。
我是誰講過與想聊的
每個題目，都是上面寫過的判斷轉折。
從健檢異常到行為改變，整條鏈走通，AI 才不會只停在 Demo。
先問這一步需不需要存在，再讓 AI 接手剩下的工作。
先問誰授權、代表誰、可以做到哪一步、能不能隨時停下。
之前講過
講者｜2025 台灣智慧健檢發展趨勢研討會（開新視窗）工商時報 · 2025.07 · 圖／工商時報
講者｜AI 能做的很多，但對健康、對職涯，它真的幫上忙了嗎？未來商務展・AI 時代工作者論壇（Yourator、AI Taiwan）· 2025.06我是誰媒體怎麼寫
2026《哈佛商業評論》數位轉型鼎革獎｜衡好選創新商模轉型獎・中小型企業楷模獎，代表公司領獎。圖／國泰健康管理（開新視窗）國泰健康管理公布的應用成果｜衡好選智能健康規劃平台
93%醫療院所 AI 推薦採用率
53→82%個人加選率
≈3 分鐘方案規劃（原需數小時）
來源：國泰健康管理新聞中心〈國泰健管「衡好選」榮獲數位轉型鼎革獎〉（開新視窗），2026.09.30 發布。數字為公司公布的平台應用成果（截至發布當時），不是我個人的成績。
我們不一樣！安排健康檢查前，項目怎麼選？用數據啟動「個人化健康」新趨勢（開新視窗）我在文中談「衡好選」為什麼要打破固定健檢套餐：先用問答與數據，排出每個人該先關注的項目，再把艱澀的項目說明改寫成白話。數位時代（開新視窗）・經理人（開新視窗）（合作內容）· 2026.06
國泰健康管理15週年嘉年華 打造「健康！衡簡單」新日常（開新視窗）15 週年嘉年華同步發表「衡好選」與「每日衡好Buddy」，我和經營團隊一起出席。工商時報（商情）· 2026.05 · 圖／國泰健康管理提供
台灣智慧健康新典範 12週代謝改善研究計畫登上國際健康照護論壇（開新視窗）團隊發表：我帶領國泰健康管理團隊赴新加坡 International Forum on Quality and Safety in Healthcare（BMJ 與 IHI 共同主辦），發表 12 週代謝健康介入計畫的研究成果。焦點時報（蕃新聞轉載）· 2025.08 · 圖／業者提供