吳超然（SuperWu )契約管理&專案管理

SuperWu個人於 NCU 契約管理&專案管理的心得文章

recent posts

about

一個在專案管理與契約管理領域中，生存長大的遊子

  • SuperWu 吳超然｜EPC Project & Contract Management｜PMP

    專案管理｜契約管理｜Project Controls｜營建管理｜教育訓練｜AI Management

    1. 專業定位

    具25年以上工程、營建及專案管理實務經驗，職涯由工程現場開始，歷任工地主任、PMO組長、契約與進度管理顧問、Project Controls Manager、Project Manager及部門主管。

    專業涵蓋大型工程專案管理、施工管理、進度與成本控制、契約與履約管理、風險管理及工程介面整合，形成由現場執行、專案控制至管理決策的完整實務歷程。

    2. 專業歷程

    Site Management → PMO → Project Controls → Contract Management → Project Management → Department Management

    長期參與大型工程專案及組織管理，重視權責、程序、紀錄與執行成果，並透過契約管理及Project Controls建立可執行、可追蹤的管理機制。

    3. 學術與專業

    畢業於國立中央大學土木工程學系營建管理碩士在職專班，具 PMP（Project Management Professional） 專業資格。

    參與富台工程《總承包商專案工程契約管理手冊》共同撰寫與編輯，持續將工程實務、契約管理與專案管理經驗整理為可傳承的專業知識。

    4. 教育訓練與職涯輔導

    除工程專案實務外，持續投入專案管理、契約管理、工程管理及企業教育訓練，以工程案例與管理實務為基礎，將專業知識轉化為可理解、可執行的管理方法。

    現為 104 Giver職涯引導師，投入履歷健診、產業經驗分享及職涯諮詢，累積超過千人次諮詢經驗。

    專業講授與分享內容主要包括：

    專案管理｜契約管理｜Project Controls｜工程溝通管理｜施工管理｜職涯發展｜AI管理應用

    教育訓練重點不僅在知識傳遞，更著重於實務案例、管理邏輯與問題解決能力，協助學習者將理論真正運用於工作與專案。

    5. AI × Engineering Management

    持續研究AI於工程與專案管理的實務應用，包括契約與工程文件分析、專案資訊整合、進度與成本管理、風險辨識、管理報表、決策支援及組織知識管理。

    主要研究方向：

    AI × EPC Project Management
    AI × Contract Management
    AI × Project Controls
    AI × Construction Management

    核心觀點為：AI不取代專業判斷，而是提升資訊整合、分析與決策效率。

    6. 管理理念

    工程完成只是基本要求，專案管理更重要的是在品質、進度、成本與契約責任之間取得平衡。

    延伸恩師王伯儉老師的契約管理觀念，並結合多年工程與專案管理實務，形成三項基本管理原則：

    1. 有人負責
    2. 有章可循
    3. 有據可查

    透過清楚的權責、完整的程序與充分的紀錄，降低專案風險與契約爭議，並建立長期合作所需要的信任與管理基礎。

    SuperWu 吳超然
    EPC Project & Contract Management
    Project Management｜Contract Management｜Project Controls｜Education & Training｜AI Management

    https://superwuncu.blog

  • 2026 個人簡介

  • 當答案愈來愈快，我們看見的世界卻愈來愈窄？

    以前遇到不懂的事，需要查資料、請教專家，有時還得耐心等待答案。如今，搜尋引擎與 AI 幾秒鐘就能提供資訊。科技帶來便利，也讓我們逐漸習慣立即得到回應，甚至期待答案符合自己的想法。

    社群平台的演算法，會持續推薦我們感興趣的內容。相同觀點反覆出現，容易形成同溫層，讓人誤以為自己的想法就是多數人的共識。而憤怒與衝突的言論，也可能因互動熱烈而被放大，使我們看見的世界比現實更加對立。

    AI 有時也會順著使用者的立場給予認同。當網路與 AI 不斷提供支持自己的聲音，我們可能越來越相信自己是對的，卻忘了現實中的人，會有不同的想法與立場。

    當我們習慣得到認同，面對質疑與反對時，是否也更容易產生不滿？原本可以溝通討論的事情，最後變成了情緒爭執；原本想理解彼此的對話，逐漸變成證明自己論點。

    科技讓我們更容易找到答案，卻不一定讓我們更懂得判斷。當身邊充滿認同自己的聲音，思辨能力反而更加重要。除了用自己的眼光看世界，也要練習從不同角度回頭看自己，理解別人為何有不同的想法。

    能夠暫時放下自己的立場，以第三者的角度重新檢視事情，才能看見更完整的事實，做出更理性的判斷。

    —

    資料參考："Nature（2023）" (https://doi.org/10.1038/s41586-023-06297-w)・"Nature（2026）" (https://doi.org/10.1038/s41586-026-10536-1)・"Science（2026）" (https://doi.org/10.1126/science.aec8352)

    #AI #人工智慧 #網路演算法 #同溫層 #社會觀察 #思考與溝通

    備註｜AI 使用聲明

    本文觀點由作者提出，使用 ChatGPT 協助資料整理及文字潤飾。

    https://superwuncu.blog

  • 【限制，也是一種競爭力】

    做專案久了，要習慣在限制條件裡思考解決方式。

    當預算有限、工期有要求、品質有標準、法規不能違反，不同專業之間還有各自的介面。很多方案單獨來看都沒有問題，真正放進專案裡，卻必須同時考慮成本、進度、品質與風險，最後找到一個可以執行的方法。

    商業競爭其實也存在類似的限制條件。

    一個成熟市場，價格、品質、交期、供應鏈與客戶習慣大多已經形成。後來進入的人如果仍然沿著原來的方式，比拼品質、價格或工期，在資源有限、諸多限制的條件下，很容易陷入毛三到四的微利領域。

    當所有人都在相同的指標上競爭，差距自然不大。但是否可以把既有架構拆開來看？

    哪些是不能改變的限制條件，哪些只是長期習慣的作業方式。所有規則、流程、方法有沒有被重新檢視的空間？

    價格、品質與交期當然重要，但客戶在意的事情不一定是表面的問題，更有可能有隱藏原因。

    客戶要求價格，可能來自公司成本壓力；要求交期，可能是為了降低執行的不確定性；要求某項規格，背後在意的可能是擔心結果能不能穩定達成。

    只處理表面的要求，很容易把競爭停留在原來的條件裡。若把客戶需求再拆解深一層，才可能挖掘原來競爭者忽視的需求。

    很多市場的隱形門檻也是這樣形成的。

    規則複雜、流程繁瑣、驗證嚴格，一開始看起來都是成本與限制。但當這些問題被反覆拆解，逐漸形成標準流程、管理方法與組織能力，原本很難處理的事情，就會慢慢變成別人不容易取代的能力。

    競爭不一定要改變規則，也不需要每一項都比別人強。

    把不能改的事情釐清，檢視可以重新設計的地方找出來，再把其中的方法累積成能力。

    很多新的機會，其實就藏在這些限制條件裡。

    限制，也是一種競爭力。

    https://superwuncu.blog

  • 【AI 花了這麼多錢，到底有沒有幫公司賺到錢？】

    最近很多公司都在用 AI。

    有人拿來寫報告，有人拿來整理資料，有人拿來回信，也有人拿來做分析。

    但用了一段時間之後，老闆最後一定會問一個最實際的問題：

    到底有沒有省到錢？有沒有幫公司賺到更多錢？

    這也是現在很多企業開始面對的問題。

    舉一個很簡單的例子。

    原本一份報表需要花 10 個小時整理，使用 AI 之後，只需要 3 個小時。

    很多人第一個反應會是：

    「很好，效率提升了 70%。」

    但對公司來說，事情還不能只看到這裡。

    因為省下來的 7 個小時，如果員工只是拿來做其他原本就要做的事情，公司實際上不一定有多賺錢，也不一定真的少花錢。

    真正值得注意的，是這 7 個小時後來拿去做了什麼。

    例如可以多服務幾個客戶、少加班、減少錯誤、提早完成工作、降低重做的次數，甚至讓一個人可以負責更多工作。

    到了這個時候，AI 才真正開始產生價值。

    所以我認為，公司在評估 AI 時，可以先問幾個很簡單的問題：

    工作有沒有變快？

    錯誤有沒有變少？

    人員是不是可以處理更多事情？

    公司有沒有因此少花錢？

    客戶服務有沒有變好？

    最後，公司有沒有因此增加收入？

    如果這些事情都沒有發生，只是大家覺得 AI 很方便，那它比較像是一個好用的工具，還不能直接說它替公司創造了多少收入。

    另外，很多公司在算 AI 成本時，也很容易只看到每個月幾百元、幾千元的軟體費用。

    其實真正的成本還包括員工學習的時間、公司整理資料的時間、系統修改、教育訓練，以及後續管理。

    因此，AI 投資真正應該思考的，不只是：

    「有多少人在用 AI？」

    而是：

    「用了 AI 之後，哪一件事情真的變好了？」

    再進一步問：

    「這個改變，最後幫公司省了多少錢，或多賺了多少錢？」

    當公司開始可以回答這兩個問題，AI 才不只是流行，而是真的開始成為公司經營的一部分。

    近年的企業研究也發現，很多公司已經可以在部分工作中看到省時間、省成本或增加收入的效果，但真正能讓整家公司明顯增加獲利的企業，目前仍然不算多。

    這代表 AI 本身並不是答案。

    真正決定結果的，還是公司怎麼使用它。

    工具買得再多，如果工作方式沒有改變，最後很可能只是多了一筆費用。

    但如果能把 AI 放進真正需要改善的工作裡，它帶來的價值，就可能完全不同。

    #人工智慧 #AI #企業管理 #工作效率 #數位工具 #專案管理 #職場管理 #商業思維

    https://superwuncu.blog

  • 工程的代價，當然也包括信任


    世界上的任何事情都有代價，工程也不例外。每一次趕工、變更或決策，都可能影響工期、成本與品質，也牽動雙方合作的信任。在會議室裡，大家習慣討論進度落後多少、費用增加多少，卻很少問：為了完成這件事，我們消耗了多少信任？
    「先做，費用之後再談。」這句話，在工地內部的討論中並不陌生。假設業主窗口臨時要求追加工作，現場為了配合進度，便先安排人員施工。等到請款時，對方卻雲淡風輕地表示：「這只是施工調整，費用已經包含在原契約內。」工作完成了，雙方對新增範圍、費用與工期的認知，卻從未確認清楚。一方以為先配合施工，後續再協議費用；另一方認為這些工作本來就該完成。投入的人力與成本成了爭議，原先建立的信任，也在反覆交涉中逐漸流失。
    願意先配合施工，往往是相信後續的費用與工期能夠好好協議。既然接受了這份配合，就應有人把事情接著往下辦，確認尚未談妥的條件，並留下討論與決定的紀錄。不能在需要人做事時，什麼都可以談，等工作完成後，卻連找誰處理都成了問題。「凡事有人負責、凡事有章可循、凡事有據可查」，放在工程合作裡，就是要讓說過的話有人落實，讓願意配合的人知道，自己的付出會被認真對待。
    「凡事有人負責」，專案中的每一項工作都應有明確的負責人。執行者遇到問題時，應該知道找誰處理，不該問了一圈，得到的都是「這不歸我管」。如果連管理者都不知道誰該接手，第一線人員又該如何繼續工作？把分工與責任歸屬安排清楚，本來就是管理者的工作。遇到跨部門或原先沒有分工的事項，也應主動協調，確認由誰負責，不能只要求現場「自己想辦法」。以追加工作為例，從需求確認、施工安排到後續費用協議，各階段都要有人承接與追蹤，不能工作做完了，剩下的問題卻沒有人處理。
    「凡事有章可循」，專案從接到需求開始，就應有明確的程序可以執行。需求如何提出與確認、契約範圍如何核對，涉及變更時如何評估費用與工期、辦理審查及核准，各階段都應訂明辦理步驟、所需資料與處理期限。契約範圍有疑義，應有釐清與協議的程序；確實需要先行施作，也應有緊急處置及後續確認的安排，不能遇到特殊情況，就只剩下一句「先做再說」。管理者要求大家遵守程序，也有責任把程序建立清楚，讓規定符合現場需要，避免執行者翻遍文件，仍不知道下一步該怎麼辦。從需求提出、施工執行到費用結算，流程應前後銜接，尚未確認的事項也要有追蹤及處理方式，讓「之後再談」有明確的步驟與期限。
    「凡事有據可查」，留下的資料應能還原事情經過。誰提出需求、採用哪一版圖說、增加哪些工作，以及費用與工期談到什麼程度，都應有紀錄可以核對。尤其要分清楚「討論」與「同意」，尚未確認的條件也要明確記載，避免僅憑對方沒有回覆，就自行認定雙方已達成共識。資料除了妥善整理、方便查找，也應保留當時的限制與判斷依據，讓後續履約、交接或檢討時，雙方有共同的資料可以討論，不必各自憑記憶解釋過去。
    契約管理不必等到契約爭議發生，才回頭翻找契約與紀錄。把上述三件事情做好，有助於減少因責任不清、程序缺漏及認知落差引發的爭議，讓雙方把心力放在完成工作上，減少專案團隊中的內耗。當提出的需求有人處理，談妥的條件得到落實，付出的努力也受到公平對待，信任便有了累積的基礎。
    這份合作態度，也應延伸到自己的承包商與供應商，讓他們投入的專業、人力與資源，得到合理報酬，並保有透過履約獲利的空間。物有所值（Value for Money，VFM）強調契約綜合考量全生命週期成本、符合需求的品質與永續效益，衡量投入的整體價值，不能只看眼前少付了多少錢[1]。從這個觀念思考工程合作，我們應追求的是：業主取得符合需求的工程成果，公司順利履約並獲得合理收益，承包商與供應商也能透過履行約定獲利。把責任、程序與紀錄做好，就是朝這個三贏目標努力，讓各方的投入得到應有的回報，也讓這一次的合作，成為下一次願意再合作的理由。


    參考資料：[1] 北愛爾蘭財政部（Department of Finance, Northern Ireland）（無日期）。〈Definition of best value for money〉。檢索日期：2026年9月14日。


    #專案管理 #契約管理 #工程管理 #信任成本 #物有所值 #VFM #三贏合作 #SuperWu
    個人網站｜https://superwuncu.blog

  • 讀書，不該讓人有優越感

    圖書館是公共空間。

    一個人生活落魄，不代表他失去閱讀的權利。

    衣著體面，也不代表比較高尚。

    讀書如果只讓人增加優越感，那學到的可能只是知識，不是修養。

    一個人讀過多少書，不一定重要。

    最後留下來的是傲慢，還是理解別人的能力，才看得出那些書有沒有真正讀進去。

    #閱讀 #圖書館 #公共空間 #同理心 #尊重 #修養 #教育 #知識 #人生思考 #社會觀察 #換位思考 #善良 #SuperWu

  • AI 時代的速度，是否正在壓縮人的判斷時間？

    最近從 ChatGPT 用到 Codex，越來越明顯感覺到 AI 的角色正在改變。

    以前多半是問問題、找資料、整理內容；現在可以把一整件事情交出去，讓系統協助拆解、執行，甚至持續完成後續工作。

    AI Agent 也正從「幫人做事」，走向「把事情交給它做」。

    大家都在談 AI 能省下多少時間，但值得注意的是：

    科技替我們省下時間後，我們真的變得比較有時間嗎？

    科技一直在解除限制。工業化加快生產，電力突破日夜，網路與手機消除距離與地點限制。現在 AI 又開始解除「事情必須等人親自處理」的限制。

    效率提高，速度也跟著提高。

    AI 資料中心建設就是例子。模組化、預製化與 Fast Track 施工不斷被採用，甚至已有約 90 天完成資料中心的案例。

    設計整合、採購、施工、試俥都被要求更迅速，施工工法、材料製造、繪製圖面與工程進度也持續壓縮。

    但有一件事很難真正加速：

    那就是人的判斷。

    專案管理不是缺少答案，而是需要時間確認資訊、判斷風險、釐清介面，再決定下一步。

    速度越快，留給這些事情的空間反而越少。

    做專案這些年，我越來越重視那些看似沒有直接產值的時間：

    多看一下、多想一下、再確認一次。

    資料不完整，不急著下結論；重要的事情，留下紀錄。

    很多工程爭議回頭看，問題往往不是大家不努力，而是在資訊尚未完整前，決定已經做下去了。

    科技不斷節省時間，也不斷提高我們對速度的期待。

    從 ChatGPT、Codex 到 AI Agent，可以處理的事情越來越多。

    真正重要的，也許不只是 AI 能省下多少時間，而是：

    省下來的時間，我們要拿來做更多事情，還是做更好的判斷？

    資料參考

    OpenAI（2026），How agents are transforming work。
    International Labour Organization，Working time and the future of work。
    The Wall Street Journal（2026/09/01），See the New Building Techniques Turbocharging the Data-Center Boom。

    #ChatGPT #Codex #AIAgent #AgenticAI #FastTrack #專案管理 #工程管理 #AI與工程

  • 當 AI Agent 開始替人工作，你準備好了嗎？

     《The Economist》的文章中提到，巴基斯坦法院累積了超過兩百萬件待審案件，因此開始讓一套叫 JudgeGPT 的 AI 工具協助法官搜尋法律、整理判決與草擬文件。結果使用這套工具的法官，每年平均多處理約 6.3% 的案件，而且上訴率並沒有因此增加。原本會擔心效率提高之後，判決品質是否跟著下降，但從結果來看，至少上訴率並沒有因此增加。這個案例真正有趣的地方，不是 AI 取代法官，而是 AI 先把那些大量、重複又耗時間的工作處理掉，讓人把時間留在真正需要判斷的地方。 

    這其實很像現在企業正在努力的事。幾年前，我們還在討論 ChatGPT 能不能幫忙寫信、整理資料；現在已經開始進入 AI Agent 的階段，讓 AI 讀信、找資料、建立工作、更新系統，甚至直接執行下一個動作。但延伸的問題也因此完全不一樣了。 

    如果 AI 只是幫我修飾一封 Email，發生錯誤時，我還有機會修改；但如果是 AI Agent 讀錯一封信，接著建立錯誤任務、排入錯誤的時間，再把錯誤訊息送出去，那麼錯誤就可能沿著整個工作流程一路往下走。這時候問題就不再只是「答案準不準」，而是錯誤會不會被系統一路放大。 

    《The Economist》提到的另一個案例更明顯。印尼部分地方政府用 AI 判斷哪些家庭符合社會福利資格，原本需要 75 到 200 天的審查，導入 AI 後縮短到不到一天，看起來效率非常漂亮，但後來卻有超過 9,000 戶家庭對分類結果提出異議。原因其實不難理解，AI 看得到資料，卻不一定看得到資料之後發生的生活。去年有工作，不代表今年沒有失業；去年收入正常，也不代表今年沒有發生疾病、事故或其他變化。這也很符合資訊業常說的一句話：「Garbage in, garbage out。」資料如果有問題，再好的模型也可能得到錯誤的結果。 

    所以這件事情真正提醒我的，不只是 AI Agent 可以放大效率，也可以放大錯誤。 當 AI Agent 真正開始進入工作流程後，我們要管理的，就不再只是模型能力，而是到底有多少事情可以讓 AI Agent 自己決定，以及哪些地方需要設置檢查點。 

    真正重要的問題，可能已經不是「AI Agent 能不能做？」而是「這件事情即使 AI Agent 能做，我們是不是應該讓它自己做？又應該在哪些流程中保留人類的檢查點？」前者是技術問題，後者才是管理問題。而未來真正有競爭力的組織，可能不是擁有最多 AI Agent，而是最早弄清楚哪些事情應該交給 AI Agent、哪些事情需要在流程中設置人的檢查點，並且在重要決策上仍然保留人的判斷與責任。 

    #AI #AIAgent #人工智慧 #AI治理 #數位轉型 #工作流程 #管理思維 

    資料來源：The Economist，Asia 區塊，文章 “AI and Asian governments — Hello, ChatGOV”，副標題 “Can AI make dysfunctional Asian governments more effective?”，2026 年 8 月 29 日出版之 2026/8/29–9/4 期刊，約第 42–43 頁。 

  • 當直接收得到答案的時候，人還會思考嗎？

    最近閱讀了不少 AI 使用者的文章、訪談與影片。看得越多，反而發現這些內容最後談的，往往不是 AI 有多厲害，而是同一個反思：

    在基本答案越來越容易取得的時代，人會不會也在過程中遺失了什麼？

    科技的進步，本來就在不斷替人節省時間。很多過去需要花力氣處理的事情，現在幾乎瞬間就能完成。從書信到即時通訊，從長途跋涉到全球快速移動，科技一次又一次縮短了時間與距離。

    現在 AI 又把這件事往前推了一步。

    它開始切入閱讀、整理、寫作，甚至整理大量資訊，提供人作為判斷的參考。

    效率確實大幅提升，但工具變強，不代表人的思考能力也會跟著強化。

    以前查資料很慢，現在幾秒鐘就可以得到答案。但問題也跟著改變了：答案從哪裡來？可以相信嗎？有哪些條件沒有被說出來？

    工程契約的工作，很容易看出這個差別。

    AI 可以很快整理條文、找出可能的風險，但真正要做判斷時，還是得回到原文，看前後條款的關係、實際執行的情境，以及背後的邏輯。否則一份看起來很完整的分析，最後可能只是把錯誤用很有道理的文字包裝起來而已。

    追求學問，大概也是如此。

    研究最花時間的地方，常常不是找到答案，而是查了資料之後，才發現原本的設定錯了，甚至連問題本身都需要重新整理。

    這些過程看起來沒有效率，卻也是理解真正形成的地方。

    AI 出現之後，很多過程確實可以縮短。但真正值得注意的是，我們到底省掉了繁瑣的工作，還是連原本應該用來訓練思考的部分，也一起省掉了？

    所以筆者現在比較在意的，已經不是「該不該使用 AI」。

    而是 AI 幫我們省下來的時間，最後拿去做了什麼。

    如果能用來多查核一次原始資料，或把問題定義想得更清楚，那工具確實可以讓人走得更遠。

    但如果只是讓答案來得更快，最後進步的，可能只有工具本身。

    人的大腦，不會因為軟體更新就跟著迭代升級。

    追求學問，終究還是需要留下思考的時間。

    追求一個快速得到的答案，真的比走過形成答案的過程，更有意義嗎？

    #AI#工程契約#專案管理

  • 8/8隨身手札

  • 8/2隨身手札