Why 島・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
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。
方法論島・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。
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。
作品島・Case Studies
案例
不同情境、同一套落地方法。
案例｜AI Buddy：企業 GenAI 上線
整合 LLM、RAG、多模態與知識工程的企業 GenAI 服務。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：漸強實驗室專訪）
案例｜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，總經理親自參與；如今同事會主動問：「這個 AI 可不可以做？」
案例｜AI 報價與商業化
怎麼和財會、業務談 AI 的定價與風險分擔：Token 成本不等於價值。
案例｜資安與 AI 治理
AI 上線前，先把資料治理、隱私與資安基本功做好。
決策與學習島・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。
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
說不，是產品與領導的一部分；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。
先想透、不等指示
把問題想透。把決策做對。把結果做好。
寫作島・LinkedIn
寫作與 AI Native 工作法
真實數字、真實決策、真實失敗。
關於我・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。
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。