Snowflake 人資長的 AI 鐵律：自動化瑣事、增強創意，但績效評分絕不碰

本文整理自《AI and the Future of Work》2026 年 5 月播出的單集。

---

一位主管的提議，被人資長當場打回票

一位主管興沖沖地來找人資長，提案用 AI 演算法彙整所有同儕回饋和績效紀錄，自動產生員工的績效評等。邏輯很簡單：資料都在那裡，讓演算法跑一遍，比主管憑印象打分數更客觀、更有效率。聽起來合理，甚至進步。

但 Snowflake 人資長葛舒里（Arnnon Geshuri）一口回絕。他告訴那位主管：我們不會做一個讓你放棄管理肌肉的工具。他的論點很直接，當員工坐在你對面聽績效回饋的時候，他需要知道這是一個真實的人在跟他說話，一個讀過所有回饋、理解他處境的主管做出了這個判斷。一旦員工起了疑心，覺得這個評等其實是演算法跑出來的，信任就徹底崩塌了，而且回不來。

這個故事是理解 Snowflake 如何導入 AI 的最佳切入點。這家雲端資料平台巨頭並非抗拒 AI，相反地，他們是業界最積極擁抱 AI 的企業之一。但他們畫了一條非常清楚的線：什麼該自動化、什麼該用 AI 輔助、什麼必須留給人類判斷。這條線不是技術問題，是信任問題。

橫跨 Google、Tesla 和 Snowflake 的人資老將

提出這套框架的人，不是一個只會講理論的顧問。葛舒里的職涯橫跨矽谷最具代表性的科技公司，從半導體大廠 Applied Materials 起步，到金融科技先驅 E-Trade，再到 Google 擔任人力招聘資深總監。他最為人知的一段經歷是在 Tesla 擔任人資副總裁，親手帶領公司從 400 人的新創擴張到 35,000 人的巨型車廠。之後他歷任數位健康公司 Livongo Health 和遠距醫療平台 Teladoc Health 的人資長，2024 年加入 Snowflake。

他在節目中提到，貫穿他整個職涯的一條主線，是他總被「正在改變世界的公司」吸引，而這些公司也需要一個同樣前沿的人力資源部門來支撐。這不是謙虛的說法。在工程師主導的組織裡，如果 HR 只會照抄上一家公司的制度，很快就會被邊緣化。所以他在每一家公司都從頭打造適合該文化的人資策略，而不是把舊的方案原封不動搬過來。

三層框架：自動化、增強、保留人類判斷

在 Snowflake 內部，葛舒里建立了一個清晰的三層 AI 導入框架，幫助每個團隊判斷手上的工作應該如何與 AI 互動。這個框架不只是給 HR 部門看的，而是在全公司範圍內被廣泛溝通。核心目的很明確：降低員工對 AI 的焦慮，讓每個人都知道自己的角色不會被取代，而是會被重新定義。

第一層：重複瑣碎的工作，直接自動化

最先被自動化的，是那些沒有人真心喜歡做的工作。葛舒里舉了一個具體到不能再具體的例子：寫職缺說明。過去，HR 團隊要花大約兩小時反覆修改一份職缺描述，確保用字精準、符合法規要求、又能吸引對的人才。Snowflake 開發了一個內部 AI 工具，把這件事壓縮到五分鐘。從兩小時到五分鐘，效率提升了將近 24 倍。

但這不代表原本負責寫職缺說明的人就失業了。葛舒里特別反駁了媒體常見的「AI 搶走工作」敘事。他指出，寫職缺描述從來不是任何人的全部工作內容，它只是工作中最瑣碎、最耗時的一部分。把這個負擔拿掉之後，這些員工反而有時間做更有影響力的事：設計新的招募策略、投入跨部門專案、花更多時間跟候選人深度對話。

他觀察到一個值得玩味的現象：員工在體驗到這種轉變之後，反應不是恐懼，而是感激。過去一整天埋頭寫了十份職缺描述，下班時覺得什麼都沒做成。現在同樣的工作量不到一小時就搞定，剩下的時間可以做真正有意義的事。節目主持人 Dan Turchin 對這個現象給了一個精準的評論：最容易被自動化的工作，恰好是最「去人性化」的工作。那些讓你在辦公室裡覺得自己像機器人的任務，本來就不該由人類來做。

第二層：創意型工作，AI 輔助但人類拍板

第二層處理的是比較複雜、需要判斷但可以從 AI 獲得幫助的工作。Snowflake 內部的導師配對計畫是最好的案例。這個計畫的流程是：員工先填寫問卷，描述自己的職涯目標、專長和期望。AI 演算法會根據這些資料，從所有參與者中推薦適合的導師或學員配對。但最終決定由誰跟誰配對的，不是演算法，而是人類的計畫協調者和參與者本人。

背後的邏輯是：AI 擅長處理大量資料、找出模式和匹配，但人際關係中有太多微妙的因素是演算法無法捕捉的。兩個人的化學反應、溝通風格是否契合、職涯經驗能否互補，這些需要人類的直覺和對組織脈絡的理解。讓 AI 做初步篩選可以大幅縮小範圍，但最後那一步判斷必須留給懂人的人。

同樣的原則也應用在招聘流程。AI 可以幫忙彙整面試回饋、產生摘要，但葛舒里明確要求招聘人員不能只看 AI 的輸出就做決定。他們必須自己讀完回饋、運用自己對公司文化和團隊個性的理解，做出最終的錄用判斷。他的論點直接了當：只有招聘人員才真正了解這家公司需要什麼樣的人，第三方的演算法靠著不知道用什麼資料訓練出來的模型，怎麼可能比人類更懂組織文化？

更有意思的是，自動化面試筆記的彙整反而讓招聘人員有更多時間跟候選人建立真正的連結。以前招聘人員忙著埋頭抄筆記，現在可以全神貫注在對話上。這是一個有趣的反轉：導入 AI 反而讓整個招聘流程變得更有人味。主持人 Turchin 也提醒了一個容易被忽略的事實：在 AI 介入之前，人類的招聘決策本來就充滿偏見，所以 AI 不是從一個完美的基準線開始退步，而是有機會在原本就不完美的流程上做出改善。

第三層：涉及信任的決定，AI 完全不碰

這就回到了文章開頭的故事。在葛舒里的框架中，任何涉及績效評估、升遷決定、長期職涯發展對話的事情，都必須百分之百由人類負責。不是 AI 輔助，不是 AI 建議，而是完全不讓 AI 介入決策過程。

他的邏輯不是「AI 做不好」，而是「就算 AI 做得好也不行」。績效評估的價值不只在於那個分數本身，更在於評估過程中的人與人互動。一位主管認真讀完所有回饋，花時間理解員工的處境，然後面對面給出誠實的回饋和具體的成長建議，這個過程本身就是管理關係的核心。一旦這個過程被外包給演算法，即使結果更「客觀」，員工也會覺得自己只是資料庫裡的一個編號。

葛舒里把這稱為「管理肌肉」。跟身體的肌肉一樣，不用就會萎縮。如果主管習慣讓 AI 替他打分數，久了以後他自己判斷員工表現的能力也會退化。這對組織來說是雙重損失：員工失去對主管的信任，主管失去管理的能力。沒有任何效率提升能夠彌補這個代價。

讓全公司擁抱 AI 的文化工程

有了框架還不夠。框架只是告訴你什麼該做、什麼不該做，但如果員工不敢用、不會用，一切都是空談。Snowflake 在建立 AI 友善文化上做了幾件事。

第一是教育。公司推出了一個叫「AI for Everybody」的內部課程，包含短期課程和實作練習，讓所有員工不論技術背景都能理解 AI 工具的基本操作。重點不是教每個人寫程式，而是讓大家親手體驗 AI 能幫他們做什麼。葛舒里觀察到，一旦員工真正動手用過一次，後續的採用就會自然加速。

Snowflake 自家的產品 Snowflake Intelligence 在推動採用上扮演了關鍵角色。這個平台採用自然語言介面，讓不懂程式語言的 HR 同仁也能直接用日常語言查詢資料、建立分析報表。葛舒里提到，他的招聘團隊用這個工具在短短兩天內就自行開發了薪酬分析工具和面試資料分析應用，完全不需要工程師介入。對非技術背景的 HR 來說，這等於打開了一扇過去根本不知道存在的門：原來我也可以自己做資料分析，不用排隊等工程師。

另一個關鍵議題是消除「影子 AI」現象。這個概念類似早年的「影子 IT」：員工偷偷使用 AI 工具卻不敢讓主管知道，因為不確定公司到底鼓不鼓勵。葛舒里認為，如果組織文化沒有明確表態「我們鼓勵你用 AI」，員工就只會躲著用，這對組織來說是純粹的損失。Snowflake 的做法是由上而下明確授權：你可以用 AI 寫內部備忘錄、加速調研、甚至自己做小工具，不需要擔心被質疑或責備。

他還用了一個簡單但有效的說法來安撫那些還在觀望的 HR 團隊：對岸的水是溫的，跳進來就知道了。這句話背後的意思是，很多人對 AI 的恐懼來自於想像而非經驗。一旦真正開始用，就會發現它沒那麼可怕，反而會納悶自己為什麼猶豫了那麼久。

資料治理：漏一次就沒有下一次

開放不代表沒有底線。HR 資料的敏感程度在所有企業資料中數一數二，包含大量薪資、績效、個人身分等機密資訊。葛舒里把資料治理視為所有 AI 部署的前提條件，不是附加選項。

Snowflake 內部所有 AI 應用都遵守嚴格的角色權限控管，完全比照傳統 HR 系統的規格。主管只能看到自己直屬團隊的薪資、職等和績效資料，不會因為套了一層 AI 介面就突然能看到別的部門的資訊。沒有任何 AI 工具在上線前可以跳過這一步測試。

葛舒里對這件事的態度毫不妥協：資料外洩一次，就再也沒有下一次了。受傷的不只是那一個工具的信譽，而是所有未來 AI 部署的信任基礎。員工一旦對資料安全失去信心，就不會信任任何建立在這些資料之上的工具。所以 Snowflake 寧可多花時間測試、延後上線，也不願意冒險部署一個有漏洞的應用。在他的優先順序裡，信任永遠排在效率前面。

三年後的世界：人人都有 AI 隨行夥伴

對於 AI 在職場的未來，葛舒里的預測很大膽：三年之內，每個工作者都會有一個 AI 隨行夥伴（ride-along），就像今天每個人都有手機一樣自然。這不是科幻想像，而是他基於 Snowflake 內部導入經驗做出的推斷。當企業真正做好教育、建立清楚的框架，AI 的採用速度會比多數人預期的更快。

他相信，人們回頭看會覺得當初的猶豫完全多餘。因為 AI 最終會被證明是一個放大人性的工具，而非取代人性的威脅。那些最容易被自動化的工作，本來就是最不「人性」的工作。把這些負擔拿掉之後，留下來的才是人類真正擅長、也真正享受的部分。

這也是他貫穿整場對話的核心主張：AI 的價值不在於讓人類做更少的事，而是讓人類終於有時間去做那些真正需要同理心、創造力和判斷力的事。績效評分留給主管，導師配對留給協調者，但寫職缺描述？交給 AI 就好。這條線畫得很清楚，而且畫對了。