台灣大哥大的 IT 部門有 800 名工程師，資訊長蔡祈岩觀察，沒有 AI 的時候，有 2 種工程師的產出看起來差不多：一種是架構思考能力強，但寫程式的細活做得慢；另一種是邏輯架構普通，但寫程式熟練、執行力強。

過去，兩者各有千秋，但 AI 賦能後，前者的架構能力被放大，弱項由 AI 補足，產出可能倍數成長；後者原有的優勢則逐漸被削平。不過，許多原本偏向執行型的工程師，在 AI 協助下被解放之後，也發展出過去沒有空間培養的系統思考能力。

AI 估算任務的難度與工時，找到衡量產出的標準

蔡祈岩說，這表示最初 AI 賦能造成的落差會縮小，只是需要時間。但從組織的角度，需要的是衡量和評估每個人的強弱項，知道應該如何賦能和培育。

第一件事是建立客觀基準，台灣大哥大 IT 部門開發出一套評估系統 Function Point，用 AI Agent 衡量每個工項的難度與約當工時。它把過去只存在於主管腦子裡、因人而異的標準，變成參照基準。這套機制先做前評，給出約當工時的基準；工程師交付成果後再做後評，連參考的程式碼（source code）都納入分析。前評結果只給主管看，避免工程師看到估算高就配合演出，看到估算低就馬上抗議。

比如說，工程師說一個任務要做 3 天，這樣是快，還是慢，要如何判斷？同一份工作，有人覺得半天能做完，有人覺得要 3 天，過去沒有客觀基準可以參照，特別是，工程師的專業壁壘高，長期與主管處於資訊不對稱，主管往往只能依賴個人經驗。

這套系統讓主管有根據地去問對的問題：這個工程師產出持續落後，是真的卡關了，還是任務難度被系統低估？那個工程師表現特別好，是他找到了更有效率的方法，還是這個工項的難度恰好被高估？且每次回饋都持續調教模型，讓標準愈來愈精確。

準確衡量產出後，第二件事是讓大家一起前進。主管如果沒有工具接住落後者，很容易變成粗暴的汰換，而不是有意識的培育。台灣大哥大 IT 部門的 AI 導入歷經 3 個階段：從 ChatGPT 問答、到 Cursor 等 AI 輔助編程工具、到現在的代理模式，工程師逐漸從逐行寫程式到給方向、審結果的位置，品管比重從 3 成升到 7∼8 成，產出倍數成長。每個階段挑選出資深且有學習能力的先鋒部隊，因為有足夠的領域知識，結合新工具能快速放大產出，整理出路徑之後，後面的人再跟上。

從 2025 年起，台灣大哥大 IT 部門全面導入 AI 軟體開發生命周期（SDLC），將 AI 視為開發團隊裡的虛擬成員，從需求設計、程式開發到系統維運，每個環節都有 AI 參與協作。2025 年已有 15% 的系統導入 AI coding，預計 2026 年超過 50% 的專案跟進；系統測試與維運的效率成長了 1.5 倍。

IT 主管的任務：先鋒跑得快，也要讓後面的人跟上

蔡祈岩做的第三件事，是設計「攻城精英修煉」計畫，每周一小時分享會，發布集團要聞、榮譽表揚、也有技術和生活分享，工程師全員參與，已經持續 4 年。他說，工程師每天活在深井裡，看到的只有眼前的任務，很容易變成那個挖洞和填洞的人，每天上班，卻不知道自己種下去的是什麼樹，「讓 800 個人知道自己的工作跟公司走向有什麼關係，這是主管的責任。」

生活分享看起來和效率無關，卻是他最在意的部分。有人聊品酒，有人說去冰島看到了什麼，有人分享周末擔任救生員的經歷。蔡祈岩認為，每天並肩工作的同事，不只是一個職稱，他有喜怒哀樂，有工作之外豐富的生活。讓工程師看見這些，是為了讓他們在日常互動裡，多一份看見對方更多層次的溫度。

這 3 件事背後，是蔡祈岩對 AI 時代主管角色的理解。他指出，AI 會削弱的是戰術上的勤奮，傳令、盯進度、上傳下達，這些 AI 做得更快更準。留下來有價值的，是戰略判斷，什麼方向是對的、誰需要支持、讓每個人在轉型裡找到自己的位置。若主管抗拒轉型，會讓員工失去競爭力，連帶整個部門也失去存在的理由。

蔡祈岩

交大資工系、成大資工所畢業，中國中南大學管理科學與工程研究所博士。現任台灣大哥大資訊長、IMA 資訊經理人協會理事長、陽明交大兼任教授。曾任星展銀行（台灣）科技長、信義房屋集團資訊長。