Why
我相信 AI 的價值，要在每天的工作與決策裡被看見，而不是停在 PoC。
01 WHY / 使命
為什麼是 Enterprise AI Operator
AI 的難處不在模型，而在讓它在真實組織裡產生成果。
Why → How → What
「我相信 AI 的價值，要在每天的工作與決策裡被看見，而不是停在 PoC。」
How
從策略、資料、產品，一路做到組織與變革管理，最後用商業成果驗證。
What
把 AI 從想法變成上線的產品、可衡量的成果，以及會主動提問、勇於嘗試的團隊。
02 METHOD / AI 落地五步
Strategy → Data → Product → Org → ROI
企業導入 AI，是一條從決策到成果的閉環；我用 POC → MVP → Product → Scale 的節奏推進。
先問要解決什麼，再問要不要用 AI
Strategy
先定義要解決的商業問題，再決定要不要用 AI。
Data
資料治理先於模型：沒有可信的資料，就沒有可信的 AI。
Product
小步快跑，把 AI 做進使用者原本的流程。
Org / Change
「如果企業要改變文化，『頭』非常重要。」流程、角色與習慣跟著改，AI 才會被真正使用。
ROI
用真實數字回答：成本多少、價值在哪、失敗時誰承擔。
03 CASE / 從 1 天到 365 天
把一天的健檢，延伸成 365 天
這是我做企業 AI 的其中一個案例：同一套方法，放進健康服務的場景。
不拚感測器，拚下一步
「健檢只有一天，但真正的改變發生在其他 364 天。」
GUIDE · ORCHESTRATE
AI Buddy｜預防行動引擎
不跟穿戴裝置比感測，而是做 Guide + Orchestrate：判斷這個人現在最值得做的下一步，再把服務串起來。
SCREENING DECISION
衡好選｜篩檢決策引擎
幫人在做檢查之前想清楚：哪些項目和自己真的相關，為什麼。
企業 GenAI 上線
整合 LLM、RAG、多模態與知識工程。公開報導：在 LINE 上分流超過 70% 重複性來電，官方帳號封鎖率 5.4%。（來源：漸強實驗室媒體報導）
閱讀 →企業 AI 轉型：數位化 → 數據化 → 智慧化
從共學課程開始改變文化；如今同事會主動問：「這個 AI 可不可以做？」
04 AI-NATIVE OPS
把 AI 當同事營運
AI 不只是產品功能，也可以是團隊的一員。
每週上線後，AI 先測一輪
WEEKLY · INDEPENDENT
兩位 AI QA 同事
每次週版上線後，兩個 AI QA agent 各自獨立測試預約網站與客服機器人。
一張依嚴重度排序的修正清單
兩邊結果合併成附截圖、依嚴重度排序的修正清單，直接指派給負責人。
127 RISK CASES
會長大的風險題庫
每一輪測試都把新的風險情境存下來，累積成 127 題的風險題組，下次上線前先跑一遍。
Compliance by design
把醫療法第 84 條（醫療廣告）與營養師法的界線，直接設計進產品與 AI 回覆，而不是上線後再補救。
05 DECISIONS / 我原本想錯了
領導與決策
我在 LinkedIn 寫做對的決策，也寫做錯的地方。
「說不，是產品與領導的一部分。」
我原本想錯了
公開檢討自己的判斷，是讓團隊敢說真話的起點。
這個需求，我最後沒做
砍掉的需求和做出來的一樣重要。
AI 上線之後
上線不是終點，真正的工作是看數字、調流程、持續迭代。
團隊文化與資訊人才
我在意團隊能不能主動提問、勇於嘗試，也在意資訊人才怎麼一年一年長出能力。
06 WRITING / LINKEDIN
寫作與 AI Native 工作法
真實數字、真實決策、真實失敗。
每週寫，寫給做事的人
健康幣該討論的不是幣值，而是要改變什麼行為
AI 最重要的工作，是判斷這個人現在最值得改變的下一個行為。
閱讀 →AI 報價最難的不是算 Token
而是財會會問：AI 失敗了，這筆誰付？
閱讀 →當客戶開始問 ChatGPT，我們為什麼還要花錢改版官網？
從 SEO 到 GEO / AEO：官網要寫給人看，也要寫給 AI 讀。
閱讀 →企業 AI 轉型（漸強實驗室媒體報導）
5 階段 AI 轉型的完整過程。
閱讀 →系列與題目
- 我原本想錯了
- 這個需求，我最後沒做
- AI 上線之後
- AI 落地與營運
- 廠商報價合不合理
- GEO / AEO
- 不到 3 小時做出網站
07 PRESS & RECOGNITION
媒體報導與肯定
衡好選與企業 AI 轉型的公開報導。
好懂、好選
「我們稱之為『白話文運動』。」
「我們的核心概念是好懂、好選。」
「這個 AI 可不可以做？」
93%AI 推薦採用率
53→82%個人加選率
4.7/5滿意且願意推薦
≈3 分鐘方案規劃（原需數小時）
3 億+筆去識別化健康資料
專利推薦方法已取得專利
SOURCE · 衡好選官方數據｜國泰健康管理新聞中心，2026
AWARD · 2026
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」，代表公司上台領獎。
閱讀 →媒體報導 · 2026.06
安排健康檢查前，項目怎麼選？用數據啟動「個人化健康」
經理人 Manager Today／數位時代 媒體報導：把 300 多個檢查項目一一解釋清楚，讓選擇從被動接受，變成個人化規劃。
閱讀 →媒體報導 · 2025.09
國泰健檢導入 AI 科技力
換日線 Crossing 媒體報導：AI 從三百多項檢查中智能排序，推薦最適合的檢查組合。
閱讀 →媒體報導 · 2025.12
企業 AI 轉型實例：5 階段打造 AI Agent
漸強實驗室 媒體報導：從內部賦能到客戶服務的 AI 轉型過程。
閱讀 →SPEAKER · 2025.07
講者｜2025 台灣智慧健檢發展趨勢研討會
分享 AI 如何重塑健檢旅程的每一步：從風險預測、流程優化、報告生成到後續健康追蹤。
閱讀 →08 ABOUT / 思考與聯絡
關於 Eason
13 年以上的企業 AI、數據與數位轉型經驗。
喜歡簡單、木頭、留白
現職
國泰健康管理 Cathay HealthCare Management｜Senior Vice President（2024/3 起），帶領 40 人跨職能團隊：資料工程、資料分析、AI/ML、數位產品、平台開發與創新。
經歷
國泰金控 Cathay Financial Holdings｜Transformation Office Manager（2020–2024）；國泰產險 Cathay Century Insurance｜Data Business Analysis Manager；遠傳電信 FarEasTone｜Senior Data Analyst。
我怎麼思考
Simon Sinek 的 Why → How → What；用榮格與 MBTI 做自我覺察。
工作之外
旅行、重訓，還有 Apple 式的極簡與自然木頭。
聯絡
歡迎在 LinkedIn 交流。
閱讀 →