Jalex Chang

2026.12.12

WebConf 2026

以人為本的 AI 轉型

Experience

  • Staff Software Engineer @ Nitra                         2026 - Present

  • Staff Software Engineer @ Crescendo Lab       2021 - 2025

  • Junior-Staff Software Engineer @ Umbo CV     2018 - 2021
     

Community

  • 工程組導師 @ 第六屆曼陀號領航計劃                  2024

  • 講者 @ 台灣技術社群 (slides)                                2018 - Present

我是誰 - Jalex Chang

My LinkedIn:

Agenda

  • AI轉型如何開始

  • 轉型後如何優化

  • Q&A

AI 轉型如何開始

2026 的 AI 轉型

導入 ≠ 轉型

2026 年了,導入基本沒實踐門檻。人人都用 AI Coding、開發產品

AI 轉型不是鼓勵多用、導入新工具、只調整工作流程

 

AI 轉型是:

  • 解決真實的問題
  • 對齊標準與期待
  • 塑造團隊文化

說穿了,就是個組織/團隊層級的內部倡議

倡議如何開始

天時:符合時空背景與趨勢的願景 (Vision)

地利:符合組織文化、團隊慣性的執行準則 (Guiding Policy)

人和:對齊期待,開放團隊參與 (Team Engagement)

 

讓我們看個實際案例:

Nitra 的工程倡議-Deployment Express

 

願景:善用目標總結 + 前後比較

One-Liner:
希望透過優化軟體發佈的流程,解決目前產品開發時常會互卡,產生難以預估的上線延遲風險,最終影響產品的 Go-to-Market 規劃。

 

Before:程式碼審查依賴人工,產品發佈彼此相依

  • 程式碼已經由 AI 寫,但 PR Review 仍仰賴人工審核,變成瓶頸
  • 部署與發佈沒有解耦。如果有功能 QA 卡在 Staging,其他專案的發佈也會被卡住

 

After:程式碼審查高度自動化,產品發佈彼此獨立

  • 標準與規範在 PR Review 中會自動被檢查,Reviewer 只專注於商業邏輯
  • 產品功能、系統優化和 Bug 修正都能獨立部署,不受其他專案影響

 

指標: Lead Time for Changes & Change Failure Rate

執行準則:明定方向與原則

執行方向

  • 將能規則化的程式碼審查自動化,人花精力在複雜的判斷上
  • 導入 Feature Flag 解耦部署與發佈

 

Do's:什麼行為值得鼓勵?

  • 在 CI 導入 PR Review Automation,自動審查標準與規範
  • 透過迭代規則與知識,優化 PR Review Automation 的品質
  • 程式碼變更預設使用 Feature Flag,Flag 開即發佈

 

Don'ts:什麼行為希望避免?

  • 審查建議只停留在 PR 裡,不抽取規則自動化
  • 長期把 Feature Flag 當作個別客戶的功能開關

團隊參與

 

 

 

 

 

在 Top-Down 與 Bottom-Up 中找到平衡

  1. [倡議者] 定義願景與執行準則
  2. [倡議者][團隊] 對齊標準與期待
  3. [倡議者][團隊] 開放討論,共同規劃
  4. [團隊] 開放自由參與執行
執行風格解決問題對齊標準對齊期待塑造文化
Top-Down❓✔️
Bottom-Up❓✔️✔️

對齊期待與標準 - 以 PR Review Automation 為例

開放討論,讓苦主來規劃

開放自由參與執行

最後,整個 Deployment Express 倡議改了些什麼:

AI 轉型小結

AI 導入 ≠ AI 轉型

 

AI 轉型是倡議​,要解決真實的問題、對齊標準與期待,更要塑造團隊文化

 

倡議的成敗,不在於倡議者多會起頭,而是怎麼讓團隊跟得上

  • 具體明確的願景
  • 符合團隊慣性的執行準則
  • 對齊期待,開放團隊參與

轉型後如何優化

AI 轉型後就完事? 挑戰才正要開始!

我們遇到什麼問題? => Increasing Complexity 

As a program is evolved, its complexity increases unless work is done to maintain or reduce it. — Lehman's second law of software evolution, M. M. Lehman, 1996

 

Cognitive Surrender

  1.  AI Slop 過多,認知過載無法閱讀
  2. 透過 Agent 理解,最後 Agent 回覆
  3. 放棄理解,請 Agent 判斷

Rule Entropy

  1. AI 工具的規則疊床架屋,開始矛盾
  2. 想優化卻無法有效理解內容
  3. 沒有人敢優化,只能越疊越高

繼續以 PR Review Automation 為例 

Rule Entropy
​AI Review 沒有訂好標準

產生的大量 Slop

Cognitive Surrender

Author 無法消化所有回饋

改由 AI 判斷與回覆

Rule Entropy
​試圖優化但無法理解規則

加更多規則補落差

Cognitive Surrender

Reviewer 無法消化所有回覆

改由 AI 判斷與回饋

 

AI-Reinforced Loop
AI 寫、AI Review、AI 判斷

願景:打造以人為本的工程文化

One-Liner:

我們希望透過培養工程師成為特定的領域專家,並將他們的知識寫成人與 AI 都可以理解的標準,並工具化。AI 承擔重複性的工作、加速開發,人專注在做決策與管理風險。

 

Before:AI 產出氾濫,人消化不完

  • 知識只在少數人的腦袋裡,AI 沒有標準可以依循,只能各自發揮。
  • 產出越來越多、越來越長,人讀不完,只好再交給 AI 判斷。

After:每個 AI 產出都有對應的標準與人負責把關

  • 領域專家把知識寫成標準,AI 照著標準產出,內容精簡、人讀得懂。
  • 每個 AI 產出背後都有人把關,理解也為產出負責。

如何打造: Human-Reinforced Loop

優化 AI 工具 : Golden Questions

從既有的 Doc 與 Skill 中萃取出有用的知識與規則,變成題庫形式的標準

  • 透過設計題庫,幫助領域專家找出自身盲點
  • 透過題庫優化工具,驗證 AI 的產出、消除矛盾
  • 透過題庫作答,訓練下一個領域專家

用 Golden Quetions 訓練人

用 Golden Quetions 迭代工具

轉型後優化小結

AI 轉型後,挑戰才正要開始

  • Cognitive Surrender:資訊過載,人放棄思考,決策外包
  • Rule Entropy:工具疊床架屋,越來越複雜無法收斂,成效遞減

 

如何解決:打造以人為本的工程文化

  • 培養領域專家定義標準
  • 工具化標準,讓專家為 AI 的產出把關
  • 建立 Golden Questions,找出盲點、優化工具、分享知識

An engineer moves forward; the team moves forward.
—
Team Velocity, the core value of Nitra Engineering

 

AI 轉型是團隊倡議

解決問題、對齊標準、塑造文化

 

AI造成的問題,最終都是人的問題
培養專家、工具化標準、打造持續成長的友善環境

最後,讓我們透過 Q&A 來交流吧 😈

 

Ask Me Anything!

WebConf 2026 - Human-Reinforced AI Transformation

By Jalex Chang

WebConf 2026 - Human-Reinforced AI Transformation

透過實際案例經驗,分享團隊 (1) AI 轉型與 (2) 轉型後優化,兩個階段各自面臨的挑戰與機會。

  • 43