工作日記 · 判斷轉折
這裡不是作品集。我把 13 個改變過的判斷攤開來寫：原本怎麼想、發現什麼問題、為什麼改變，以及後來怎麼做。
我在國泰健康管理帶數據、AI 與數位產品團隊。這裡記下 AI 從 Demo 走到上線之後，我改變過的判斷。關於我 →
— Eason Kuo，Enterprise AI Operator · 出自〈為什麼我開始認真寫 LinkedIn〉
I判斷轉折
每一則都來自我在 LinkedIn 寫過的真實工作現場。先看前後對照，有興趣再展開四步，或讀完整長文。
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」。
原本主管直接給答案，事情比較快。
後來給 Context，讓同事自己判斷、做決定、承擔結果。
01我原本怎麼想
我習慣快速分析問題、辨識風險，再找出解決方案。主管直接說「照我說的做」「這個我來決定」，事情通常會變快。
02發現什麼問題
事情會變快，但人不一定會變強。
03為什麼改變判斷
幫團隊把事情做完很容易；把一個人帶到可以自己做判斷，難很多。
04後來怎麼做
現在常問：你覺得真正的問題是什麼？你有哪幾個方案？每個方案的風險是什麼？如果是你，你選哪一個？為什麼？很多時候我心裡已經有答案，但會忍住。
原本第一個直覺：這個流程，哪一步可以放 AI？
後來先問這一步需不需要存在，再讓 AI 接手剩下的工作。
01我原本怎麼想
面對一條「需求提出 → 多層確認 → 人工整理 → 開發 → 測試 → PR → 再確認」的流程，大家第一個直覺通常是：哪一步可以放 AI？
02發現什麼問題
這幾年在企業內推 AI，我越來越覺得：很多公司不是 AI 做得不夠快，而是太快把 AI 加到一個本來就不該存在的流程上。
03為什麼改變判斷
馬斯克的五步驟提醒了順序：先質疑需求、刪除流程、簡化，然後才加速，最後才自動化。
04後來怎麼做
現在會先問：這一步真的需要存在嗎？哪些工作根本不需要人做？哪些決策應該保留在人？
II我現在怎麼判斷
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
III寫作
18 篇，都從一則 LinkedIn 貼文長出來，補上當時沒寫完的部分。
IV媒體報導
93%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）
數字來源：衡好選官方數據｜國泰健康管理新聞中心，2026（開新視窗）
V演講與交流
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
VI關於
Enterprise AI Operator · Senior Vice President，國泰健康管理
在國泰健康管理擔任 Senior 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。
這些文字，主要寫給正在把 AI 放進真實營運的企業主管、產品經理和數據團隊。
接受演講、媒體與交流邀約；不接招募與推銷。