分類彙整: 新聞動態

智能奇點的科技觀和人文脈絡

 

智能技術爆發所引起産業典範移轉必將繼續,這是全球科技產業必須共同面對的課題,而「奇點」科技觀和人文脈络有助於全盤系统性掌握其未來發展方向。台灣産官學界必須確實認清這個事實,如此才能真正展現領導力,並落實智能演化式的產業發展。

20230926-1_267X189
(圖/取自網路)

在經歷了2023年上半年生成式人工智慧技術ChatGPT 的激情之後,生成式智慧無所不在/無所不能的迷思,似乎充斥在全球每一個角落。雖然目前有零零星星的産業應用陸續浮上檯面,但似乎仍然不能滿足社會大眾對人工智慧宏觀面的期許。

五月中,OpenAI宣佈2023年底即將推出具有通用人工智慧功能的GPT5 ,顯示「奇點經濟」時代的「產業轉折」到來已迫在眉睫。雖然人們對奇點轉折仍多停留下「觀望」的階段,但在眾說紛紜的恐慌與期待中,奇點的真實性不斷的被質疑:通用人工智慧技術與其奇點到底物理問題?是擬人化生物有機體轉化/演化的科學問題?經營哲學問題?管理和經濟問題?其中的科技觀和人文脈絡有助於全盤和系統性系统性瞭解「奇點」的特質。

奇點是一個很時髦的名詞,也是一門嶄新的學門,目前仍處於「橫看成嶺側成峯」的階段,其定義分岐,跨領域特性造成語義及認知(Semantic /Cognition)的問題,遠非單一學科/學門所能獨立完成,是教育界一項重大挑戰,但也可能是產業重整的契機。

(圖/取自網路)
(圖/取自網路)

在人工智慧領域中,奇點的翻譯相當有誤導性,奇點並非「點」的形式存在,也不是清楚切割的「分水嶺」,而是一個動態移動的介面及移動地標(Dynamic Moving Landscape) ,也就是諾貝爾物理奬得主Carl David Anderson 的「量變產生質變」的《系統演化進程論》中所描繪的現象。

奇點的概念源自於宇宙學及廣義相對論的體系,但在不同系统中奇點有著不同的詮釋:奇點在數學領域奇點代表「無限大」或者「無定義」的數質;在物理學領域代表熵增極大化/系統質量無限大(黑洞化);在宇宙學中奇點代表「上一代文明」終結所衍生出來的分布式共生結構;在社會科學領域代表轉折點(Inflection point)和本體論奇點(Ontological Singularity) ;在哲學領域代表辯證式論證(Dialectical Singularity),在網路生態學中代表「演化進程」,(Emergence Systems和智能體系「擬人性化」的轉折,而後者正是被最普遍接受的論點。

「奇點」的理論原創者Raymond Kurzweil 及耗損系統理論始祖普利高津(Ilya Prigogine,1977諾貝爾化學奬) 最具代表性,在此系統框架中,世界一分為二,即分成一個物理/量的世界;另一個生物/質的世界,這正是「奇點轉折」的最佳詮釋,其中「奇點」代表系統由「物理世界」轉換成為「生物世界」的臨界點,也是「量變產生質變」演化論的實踐。

通用人工智慧AGI和奇點的關連性是智能產業經營的關鍵,可分割為「奇點前」和「奇點後」的兩種策略規劃,前者聚焦在內技術外互動和平台架構建設,而後者重視系統演化、共生和整合。從實務面來看,「奇點後」有兩個發展主流:結構式平台和沈浸人工智慧(Embodied intelligence,如輝達的 CUDA),或結合智慧製造(如智慧工業4.0)。

「奇點後」的智能產業的發展必須依託在產業創新上,「自由心證、盍各言爾志」式的發散式創新並不符合資源不足的中小企業,「奇點前」然而聚焦在「專業化」的布局才是台灣智慧轉型的王道,也是「量變產生質變」的實踐:追求「螞蟻雄兵變大象」的終極策略目標,擺脫傳統以規模、技術、市場幅員為主要優勢的傳統方式,這也是擁抱智能典範轉移的最佳方式。

智能技術爆發所引起産業典範移轉必將繼續,這是全球科技產業必須共同面對的課題,而「奇點」科技觀和人文脈络有助於全盤系统性掌握其未來發展方向。台灣産官學界必須確實認清這個事實,在産業轉折的機會中掌握發展的契機,如此才能真正展現領導力,並落實智能演化式的產業發展。

智能奇點來勢洶洶即將來臨,這個產業轉折絕非善茬,智慧的選擇應對之道是朝野領導力的表現,讓我們拭目以待。

文章來源:徐作聖(陽交大學科技管理所 退休教授)

四大訣竅將AI整合進你的公司成為明智的領導人

AI是功能強大的工作伙伴,因此很多企業認為,想要透過AI獲取價值,勢必要勞師動眾地建構繁複的技術設施。這恐怕是一個誤解。明智的企業會採取更敏捷的做法。

20230807-1

藝術家/ 愛德華多.特雷索爾迪(Edoardo Tresoldi)

金融科技公司「水星金融」(Mercury Financial)創立於2014年,規模雖小但使命遠大,它的使命是:協助顧客恢復金融信用。公司執行長吉姆.彼得森(Jim Peterson)在金融界相當資深,從創業之初就明白人工智慧(AI)對於打造個人化的顧客歷程(customer journey)相當關鍵,這是水星金融公司產品與服務的核心。因此水星金融從2021年開始尋找一具AI驅動的引擎,期望它能夠透過適當的管道,按照適當的順序,在適當的時間給予顧客適當的推力(nudge)。這種推力可能是促使顧客以多張信用卡來支付,也可能是溫和地提醒顧客信用額度將滿。有些顧客適合以簡訊通知,有些需要透過電子郵件。有些顧客最好在行動日期兩個星期之前通知,有些兩天之前通知即可。這些要素中的任何一項,或者更精確地說,這些要素的特定組合,可能決定顧客會與公司充分接觸,還是深感不滿。

本文觀念精粹

機會:AI能夠蒐集、分析、運用極大量的個別顧客數據,為每一個接觸點量身打造顧客歷程。

挑戰:許多企業不推出AI專案,完全是因為它們以為若想從AI解決方案獲取價值,就必須先開發出複雜的技術。

解方:企業可以運用開放原始碼AI工具和第三方提供的數據,同時持續進行實驗、學習、引進新數據,並改善顧客歷程。

水星金融曾經是波士頓顧問集團(BCG)的客戶,並不從事打造技術的業務,因此公司領導階層決定從開放原始碼(open-source)AI著手。這類工具大多數是根據使用狀況收費,因此前期固定成本比較低。水星金融致力於將現有的AI解決方案,整合進入自家的內容管理、詐欺防範、適格性(eligibility)系統,以及許多其他的前端與後端系統。接著公司將行銷流程自動化,同樣是運用現有的AI工具,但使用自家的程式碼來進行所有必要的測試,以了解哪些工具對哪些顧客有用,並追蹤過去的結果。公司建立的系統專注於以細微的方式管理數百個變數,以便用於鎖定客戶的目的,並且製作內容。試行計畫施行6個月之後,公司發出的訊息激發顧客採取行動的成效提高了10% ,水星金融知道這項計畫非比尋常。

必須借重AI,才能達成更加精確、規模更大的個人化作業。AI能夠蒐集、分析、運用大量的個別顧客數據,為每一個接觸點量身打造顧客歷程。:業界普遍認為,想從AI解決方案中獲取價值,就必須打造複雜的技術,但是水星金融和CVS藥局、星巴克(Starbucks)的經驗(下文將詳細探討)推翻了這個觀念。這種想法阻礙企業發揮AI的威力。企業不需要打造AI技術,只需要將AI恰當地整合到特定的業務環境之中。

你若能體認到集中資源去推動AI整合與流程變革的價值,就能更清楚知道自己期望AI系統達成什麼。你會開始了解,把你的數據和技術架構的設計視為有競爭力的資產是很重要的。而且你會推動組織其他成員進行更多測試,來增進AI系統的智慧。

但在成功的祕方當中,AI只占10%左右;其他90%在於數據、實驗與人才的組合,這個組合不斷活化與提供資訊以強化AI系統背後的智慧。企業的目標在於個人化,這是公司策略的實質內涵。技術只是達成這個目標的工具。本文將介紹如何整合AI工具,以及如何才能夠持續進行實驗、學習,並且引進新數據來改善、精進顧客歷程。

重新思考如何取得技術

我們在一場又一場對話中發現,必須為高階主管破除關於如何創造AI優勢的錯誤觀念。公司不必期待自家成為下一個亞馬遜網路服務(AWS)、微軟(Microsoft)、Google或Adobe,這些企業打造核心AI工具並且對外銷售。人們熟悉的那些善用AI的公司如Uber、Netflix與Spotify,也許會研究並設計新的解決方案,但它們通用的做法是擴展原有的應用軟體,來因應自身無比龐大的規模,或者執行無法以其他方式進行的功能〔例如Netflix推薦演算法的影格分析(movie-frame analysis)〕。但是很少有科技業之外的公司,會將自家的數位創新拿來直接銷售獲利。對這些公司而言,創新是要根據自家的數位能力基礎來提供新穎的解決方案。競爭對手全都能夠取得同樣的AI系統,但產生的業務成果天差地遠。一項關鍵差異就是公司送進AI系統的數據。競爭優勢取決於持續不斷地蒐集數據、有組織地轉化或強化數據,並將這些數據餵給AI函式庫,他們有能力建議下一步可以採取的最佳行動。行銷人員的職責是發揮創意,將這些由AI驅動的建議應用到行銷活動,並且從其中反覆學習。

今日已經有大量的開放原始碼技術,包括大部分的AI工具(而且是應用廣泛的工具,例如OpenAI的GPT4),以及內容完整的函式庫(以開放原始碼程式語言撰寫的應用程式,組裝為套件,用於特定的用途,例如訓練特定類型機器學習模型的XGBoost)。大型科技公司提供自家許多函式庫與執行特定任務的工具,例如Meta(BCG的客戶)的「先知」(Prophet)函式庫具有預測功能,Airbnb的Airflow則是一個工作流程管理平台,可以處理數據工程議程。許多常用的顧客體驗工具都內建AI能力,例如Salesforce與Adobe(兩者都是BCG的合作伙伴)的「體驗雲」(experience cloud)。這些工具也不斷改進:拜應用程式介面(API)與現代科技系統架構之賜,如今讓不同系統相互溝通要容易許多,下文將進一步討論。

另一項有待釐清的觀念是如何開始推動。一般認為一開始就要大張旗鼓進行,但其實並無必要。就如同真正的敏捷法,明智的做法是起步的實施範圍要窄,聚焦於明確特定的使用案例,例如協助顧客熟悉產品(customer onboarding)或早期接觸,而不是嘗試完全從頭重新設計整個顧客體驗。明智的做法是先選擇一個領域,可藉由AI做出實績,然後逐漸擴大運用。

上述做法並不表示,營造以AI為基礎的顧客歷程是容易做到的。就算你已經掌握適當的AI解決方案,三個常見的缺點還是會為整個過程帶來挑戰。

數據擷取受到限制。這種情形發生在大部分數據未結構化(例如醫療業),或者未留下紀錄(例如餐旅休閒業)。旅館客人不會在留給他們的顧客意見卡寫下回饋意見,而這些意見可能含有當下很有價值且可處理的資訊。如果旅館能夠記錄有關你對於床型、打掃時間、食物過敏、曾使用的各項設施的喜好,那麼下一次你入住時,旅館就很容易為你量身打造符合你品味的住宿體驗。

AI解決方案與行銷之間欠缺連結。連鎖超市或許會認定哪些顧客偏好非肉類食品、哪些顧客一心要尋找便宜貨,但缺乏證據可確認。AI能夠以自動化方式大規模地提供這類個人化的預測。但若要測試這項假設,你需要一套行銷科技(martech)系統,將這些數據以對話的方式導入系統之中。從中產生的見解必須透過實際應用,才能創造價值。

系統無法自動調整規模。想要讓大量有關顧客的見解派上用場,系統就必須將每一項見解轉化為針對個別顧客量身打造的行動。而且你不能仰賴人工輸入或分析,來打造完美的一次性個人化行銷活動。如果沒有一個效能強大、可擴大規模的系統,顧客見解會受到抑制,或者過分狹隘地只在單一職能內使用。

智慧型整合的四個關鍵

我們曾經指導多種類型的公司打造以AI為基礎的顧客歷程,從這些經驗中發現智慧型整合有4個關鍵特質:各個目標清晰且彼此方向一致、健全的數據工具組(data instrumentation)、鬆散連結的技術架構、敢於實驗的文化。值得注意的是,這4個特質都不需要更優質的AI演算法,不過確實會要求加強對演算法的訓練。

1、目標清晰且彼此方向一致

以AI為基礎的行銷活動,需要對每一個使用案例設定明確的優化目標,而這些目標必須限制在合理的狹窄範圍內。廣泛的一般性目標如「加速銷售成長」,會讓人無法確定達成各項結果的原因。對AI而言,更適當的目標或許是「盡可能縮短等候時間」、「降低每次銷售的誘因成本」(incentive cost per sale),或是「提出顧客會接受的建議」。如果顧客可能採取的行動有多種選項,你就必須事先決定要AI去優化的哪一類選項:是對公司最有價值的選項,還是顧客最有可能採行的選項?

AI應用程式在進行預測時,主要是根據歷史數據。AI專注的範圍如果太大,就無法優化;如果AI面對的情境沒有先例,所做的預測就會失準。你不應仰賴單一的AI引擎來主導一切,而是需要多個AI引擎來打造更廣泛的顧客體驗。例如,有一家健康照護業的領導業者使用一具AI引擎,來找出最有可能出現緊急狀況的顧客;另一具引擎則用來建議如何與顧客接觸;一具引擎針對實驗提出測試設計;還有一具引擎是優化特定預算額度內的整個推廣活動組合。

企業的目標在於個人化,這是公司策略的實質內涵。技術只是達成這個目標的工具。

星巴克以AI為基礎的個人化行銷相當成功,原因之一在於目標清晰明確。為了以行銷推廣活動來提升銷售,星巴克考量一項事實:公司內的許多產品團隊都希望促銷自身的產品,因此公司決定優化最能夠促使顧客購買的做法(除了實際的回應數據,星巴克也擷取顧客的潛在興趣——例如顧客瀏覽哪些內容,以及是否長時間觀看某幅圖片、點擊產品介紹、在一個星期內造訪同一個網頁3次)。星巴克除了不斷進行實驗,還全力透過行銷來提升全公司的淨增額營收(net incremental revenue),而不是優化特定飲品的盈虧。這種做法讓公司從更全面的角度來定義成功。

2、健全的數據工具組

公司採取一些機制來記錄、整理與分享有關各個接觸點的顧客互動、公司相關行動和結果的數據,這些機制是公司AI個人化計畫的核心要素。這種數據工具組包羅萬象,從電話客服中心紀錄、來自第二方與第三方關係的數據(例如通路合作伙伴、媒體公司、數據仲介),到生成與追蹤數位通訊的自動化軟體(例如Salesforce、HubSpot、Illumin供應的產品)都是。

公司需要「接收器」來擷取有關顧客在每一個通路的每一次互動的資訊,而這些資訊必然非常細微。舉例而言,在客服中心互動的過程中,公司會想知道顧客來電目的之外的資訊:顧客的口氣是不悅還是困惑?是否邊說話邊使用電腦?是否依循客服人員的指示,還是被其他的事分心?

公司寄發測試電子郵件的時候,一定要能夠監測遣詞用字、內建圖像、字型大小與色彩,以及其他可能影響顧客回應的變數。標籤架構(tagging architecture)可以擷取與分類這些互動與溝通的詮釋資料(metadata),適合用來測試與學習。

本文作者之一的艾德曼在擔任安泰集團(Aetna,已被CVS Health收購)行銷長的期間,主要工作目標是促使人們採取可以增進身體健康的行動,例如接種流感疫苗和定期服用藥物。公司知道應該要讓哪些人採取這類行動,但是不知道如何說服這些人配合。公司必須進行大量的實驗:改變訊息(建議方案與創意內容)、測試誘因、調整發送時間與訊息順序等等;而要進行所有這些實驗,先決條件是要有機制能夠建立測試行動,並追蹤能夠驅動顧客回應的微變數(microvariable)。安泰集團必須確認每一次互動都會全面貼上各種描述符(descriptor),記錄互動中包含的一切(文字顏色、圖像性質、訊息語調、遣詞用字),而且擷取每一個互動點的細微細節:顧客何時進行互動、點擊了多少次、是否離開與回來、第一次點擊之後的顧客歷程走向。要做到這一點,必須在互動的每一處(網站、app、電子郵件與簡訊等等)都內建程式碼,並且整合從這些來源回傳的各個數據流。這才是公司應該投注時間的地方,而不是建立新的AI。隨著AI系統愈來愈擅長編寫程式碼以進行數據整合,並以自動化方式為行銷資產貼上標籤,相關工作也變得更為容易。

想要讓有關顧客的大量見解派上用場,系統就必須將每一項見解轉化為針對個別顧客量身打造的行動。

來自第三方來源的數據,如天氣、停電、人口統計與心理變數(psychographic)數據,以及關於單一郵遞區人口的一般健康數據,提供了更豐富的背景。相關資訊的範圍愈廣大、內容愈細緻,建立的模型也就愈扎實豐富。這種豐富性有助於強化你的績效優勢。顧客是立刻回應,還是隔了幾天才回應?他們是否捲動頁面瀏覽更多資訊,然後點擊,還是立刻跳出?他們會立刻回應哪些誘因?數據工具組讓公司能夠持續進行測試與實驗以得到答案、協助系統持續學習,以及讓公司更了解如何促使不同的顧客做出回應。

3、連結鬆散的技術架構

顧客體驗的技術堆疊包含一具預測引擎、一具序列引擎(或稱體驗管理引擎)、一具內容引擎、一具通路投放引擎,還有一具實驗與分析引擎。此外,利用AI來營造顧客歷程至少需要5個系統:行銷、顧客服務、產品使用、收費、線上通路,有時還需要零售商店。由於過程中可能會添加新的能力,而且可能必須投入多個AI引擎,因此技術堆疊最好採取模組化設計。

AI提供了智慧及電腦運算的速度與規模,以推動日益透過自動化來進行的企業營運作業。因此負責執行自動化的技術必須能夠接收AI的訊號,並將資訊回饋給AI來協助它改善。一個連結鬆散的技術架構是理想的設計,可讓架構內的各個系統相互合作,但是並不相互倚賴。

可公開取得的API能夠協助建立這種模組化的架構;這類API讓開發者透過一套簡單、多功能的通訊標準來取用專屬軟體。API是數位對話的共通語言,適用於不同的平台。一個簡單的例子,是一家公司以API把自家的顧客關係管理(CRM)系統連結到一套雲端通話系統,讓客服人員不必退出CRM軟體,就可以通報新產生的銷售線索。利用開放原始碼的API,資訊就可以無縫順暢地移動,模型可以輕易地更新,而新能力可透過模組化的方式加入。鬆散連結的架構讓公司得以快速採取有競爭力的做法,因為每當有新能力可使用,公司很容易就能以最低的轉換成本來抽換組成元件。

電信業者康卡斯特(Comcast)的案例,說明了一個鬆散連結的架構如何促成整合技術堆疊的不同要素,並支援大規模的個人化(這兩者正是智慧型整合的要點)。康卡斯特明白不可能將自家所有的顧客數據系統正式連結起來。但這些系統必須有某種程度的連結,公司才能以AI決策來主導要透過何種管道傳送哪些訊息給哪些顧客,並且將回饋數據傳回AI。

康卡斯特的AI決策工具「Pointillist」身兼兩項職責。首先,它將全公司系統裡有關某個顧客的所有數據(包括app互動、電話客服中心、產品使用紀錄等)進行比對,然後建立關於這位顧客的整合式觀點。接著,Pointillist發揮中介軟體的作用,將多個數據庫結合為一個整合式的數據庫,如此就不必建立另一個正式的數據庫。Pointillist會找出有關某個顧客的所有資訊,附上時間戳記,以協助建立公司對這份顧客歷程的觀點。這套系統可以即時完成比對、建立歷程地圖、確認必須注意的異常狀況,並深入挖掘根本原因。Pointillist根據康卡斯特核心顧客系統「Genesys」(也是本文作者艾德曼的客戶)制定的標準,將有關這位顧客的資訊導入所有面對顧客的互動系統,而這些系統都與Genesys的API相容。

系統是依據時間戳記的先後順序來追蹤顧客互動。例如當有位顧客無法從行動app獲取服務方案的資訊時,系統就會即時通知康卡斯特。在這位顧客打電話給康卡斯特之前,公司就會先傳送簡訊給她,提供快速解決方法。如果她沒有動作,或者有動作但仍舊無法解決問題,軟體就會顯示她可能會打電話;因此當她打電話來的時候,客服中心已經知道她的問題所在,可以研判能否以自動化回覆來解決,如果可以就直接提供,如果不行就讓她與客服人員對話;後者成本較高,因此是最後選項。這套系統的巧妙之處在於能夠即時回應,提供快速且順暢無阻礙體驗。

隨著時間過去,Pointillist持續收集資訊,讓康卡斯特能夠不斷測試新的、更有效的方式來處理任何問題:決定理想的訊息內容、找到攔截顧客的最佳方式,甚至可以追蹤遭遇問題的顧客是否真的有打電話找公司。AI驅動的Pointillist實施後,一年半之內為康卡斯特省下超過10%的客服中心成本。公司得到的回饋意見及線上顧客體驗的改善,減少了顧客打電話的理由。在這套系統協助之下,康卡斯特的Xfinity Mobile連續幾年稱霸市調公司J.D. Power的評比排行榜。

4、敢於實驗的文化

AI可以激發創造力,因為能讓公司快速測試各種構想,並且大規模地進行。不僅如此,AI向過往數以百萬計的數據點學習,啟動創新的速度更勝於人類。但是AI無法「發明」,它只能依據過往的模式來「預測」。行銷人員才能發明,然後AI學習哪些做法有效,以及對誰、何時、如何有效。「發明」需要一種重視實驗與冒險的組織文化。

如果其他條件都相同,公司的實驗數據會是它競爭優勢的來源。領導人必須體認到,想要將那些數據從原物料轉化為「貨幣」,測試與學習的心態不可或缺。這意謂著接受實驗會產生機會成本,而且正因如此,有些實驗必然不會成功。不過就算實驗失敗,還是會提供有價值的教訓。

敏捷團隊在這方面是不可或缺的。他們有能力與創意來追求新構想,並且精益求精。運用敏捷的工作方式,意謂著你要根據自身的能力來規畫,但要保留一些空間,能夠依據實驗所顯示的結果來快速轉向。因此,領導人必須檢視自家的誘因與營運方案,以確保這些誘因和方案能推廣敏捷的實務做法,容許無法產生成功結果的測試,並培養改變方向的彈性。但領導人自身也必須具備敢於實驗的心態,以及承擔風險的財務權限。實驗需要對照組來證實測試的結果。你必須取消行不通的做法,並加碼推動成功的方案。你必須提供經費,為測試中的營運變革措施與新誘因進行必要的測試。經費愈緊縮,就愈難以創新。你若是無法承擔風險,就無法進行實驗。

公司寄發測試電子郵件的時候,一定要能夠監測所有可能影響顧客回應的變數。

星巴克的誘因行銷(incentive-based marketing)大獲成功,主要原因是公司秉持不斷進行實驗的策略,而且為實驗提供必要的資源。星巴克除了借助以數位方式蒐集的數據及數位技術,也依賴自身的零售經驗。它的技術完全來自開放原始碼工具和程式語言,並專注於不斷豐富自家的數據集,而且將數據集連結到自家的技術架構,而不是專注在開發出演算法。

星巴克每星期都會對某個顧客子集合進行隨機實驗,以進行測試和學習,並且強化或者挑戰各項行銷假設。星巴克提供誘因,鼓勵那些習慣到店的顧客透過星巴克的app進行互動,留下「數位麵包屑」(digital breadcrumb)。星巴克的app蒐集豐富的數據:顧客點餐的時間、內容與地點;是照慣例點餐,還是加點新品項;促銷訊息的細節(用語、誘因、何時發送、何時被閱讀)。這些細節都交由app運用,以便在個別顧客層次量身打造行銷推廣活動。

星巴克實驗的對象涵蓋既有產品與新產品。舉例而言,它可以選擇改善訊息內容或訊息格式,而所做的改變可以細微到訊息所用的語言、顏色或內建的圖像。它也可以針對顧客區隔或者最有效的通路,測試訂價法或產品推薦。測試的條件參數愈多,出現的排列組合也就愈多。測試可能需要較長時間,這是必須持續進行實驗的另一個原因。

星巴克的AI整合歷程在進行4個月的簡化版概念驗證(proof of concept)之後,為公司的淨增額營收(行銷活動導致的銷售,但排除折扣)帶來45%的成長。到了第12個月,星巴克已做過幾次隨機試驗、獲取穩定的新數據流、進行更進一步的測試,並將這項計畫推展到整個顧客群,結果淨增額營收增加了150%。隨著更多管道、更多產品搭配、更多排列組合加入,增幅更達到300%。

複雜顧客關係的智慧型整合

不同於星巴克的是,CVS Health所屬的產業受到法規嚴格管制,不得對顧客提供誘因。同樣重要(甚至更為重要)的差別是,CVS Health的病患/顧客群及他們的健康狀況之間的差異,以及公司期望促使他們出現的行為與行動之間的差異,遠比星巴克之類的零售商來得複雜。

CVS Health的歷程,從它2018年收購的安泰集團內部開始啟動。安泰希望鼓勵自家的美國聯邦醫療保險計畫(Medicare)顧客採取更有益健康的行動。協助人們變得更健康,也可能讓各方都降低成本,並讓公司能夠改善顧客服務。

安泰認為可以鼓勵顧客採取的健康行動多達數十項,但也了解,以連續領取處方藥為例,不同病患需要不同的鼓勵途徑,而即使是同一位病患,在不同時期也可能需要不同途徑。若要預測在特定時刻影響病患行為的最佳做法,用來做預測的數據可能來自顧客最近領藥紀錄、顧客對行銷活動的反應、顧客使用數位工具的情況、基本的人口統計數據與地區變數、臨床治療計畫等等。為了量身打造溝通內容,安泰投資建立一種能力:改變推廣活動的每一個面向(管道、時機、頻率、訊息、語言),因此創造出數百萬個可能的排列組合。測試這些排列組合,就意謂著要將通用的行銷科技工具客製化,以便有足夠的彈性來擷取、運用這些範圍持續擴大的數據。但若想要優化所有的潛在變數,現有常用的AI工具需要取得比目前可取得的更多的歷史數據。因此安泰設計出一套方法,以有對照組的實驗來大規模測試所有的排列組合。

有對照組的實驗要如何進行?舉例而言,測試一則簡訊、一封電郵、一次藥局互動對顧客造成的相對影響,並且在測試時改變訊息內容、時間點與相關誘因。排列組合的數量會快速增加,因此安泰使用一套AI工具來檢視測試選項的範圍,並且決定最少需要進行多少次有對照組的測試,才能夠追蹤每一個排列組合的相對影響。

安泰並沒有開發出一套新奇的演算法,而是選擇使用開放原始碼演算法,並且組建一個團隊來持續探索。業務專家及數據科學家和工程師齊聚一堂,為系統提供新奇的構想與變數——例如關於文案或圖像的新構想、新誘因或觸及顧客的新方式,然後分析結果並修正路線。安泰也雇用幾位行為經濟學家,來協助擬定不同情境下的接觸策略:有些強調損失的風險,有些則強調更健康生活方式的重要性;有些會對顧客提及家庭,有些則運用當地社區的數據來強化健康訊息。

終究來說,CVS Health這種做法將人類,以及為推動商業模式而量身打造的個別技術系統結合在一起。這具智慧型引擎向下游驅動了一系列針對特定管道執行顧客互動的系統:電子郵件、顧客關係管理、客服中心腳本撰寫作業、簡訊傳送、app通知,甚至還包括藥劑師電腦螢幕上的彈出式訊息。這些執行系統將互動的結果回饋給AI的演算法,讓後者得以持續獲得新數據以進行學習。一段時間之後,其中一部分數據會變得更為複雜:例如,以自然語言處理法來分析客服中心的一段對話,以了解來電者的性格、用語、理解力等等。CVS Health將重點放在數據流、創新的可能、實驗與架構,因此讓開放原始碼AI工具如虎添翼,藉由降低醫療成本、提升服務評價、改善顧客健康狀況、利用新的交叉銷售商機,為公司帶來可觀的增額年度利潤率。

整合工作學問大

為了運用AI來強化競爭優勢,你必須整合自家內部系統與外部系統,首先是要用來蒐集準確的顧客數據,然後將因此獲得的見解轉化為個人化的產品與服務。這兩個流程在執行時都必須不斷擴大規模與範圍,持續添加新的變數與愈來愈細微的細節。對於必須採行智慧型整合者思考模式的高階主管,這種做法需要一種新的領導模式,當務之急是善用新做法的無限可能性。妥善做好整合工作,愈發能夠提供優質的顧客體驗,而且未來將成為企業建立品牌權益(brand equity,或稱品牌資產)方式的決定性因素。

文章來源:哈佛商業評論 8月號

員工失誤CEO為何笑著原諒?善用失敗的潛力做創新

成功的創意成果,往往都是一次次失敗經驗的累積。從Google的亞里斯多德專案的例子到IBM執行長沃森(Thomas Watson Jr.)的成功,都不是一朝一夕、一蹴可就的;雖然說失敗是成功之母,但也不該為了失敗而失敗——究竟要如何正確地失敗?如何放大每一次失敗的價值?

20230801-11299X865

圖片來源:shutterstock

失敗為創意之母?前提是,失敗後不要休息太久

許多領域的研究人員,都探討過創意成果和失敗疑慮之間的關係,而這個關係讓人很不舒服。

來看看論文的題目名稱,商業界應該可以看到這樣的標題:〈創意的第一大敵:害怕失敗〉(The No.1 Enemy of Creativity:Fear of Failure);神經學界則會看到〈恐懼導致大腦萎縮,降低創意〉(Fear Shrinks Your Brain and Makes You Less Creative)。順便讓大家知道一下,若干腦部的區域會萎縮,影響最明顯的就是海馬迴——這不太需要大驚小怪。海馬迴參與的許多流程,對於創意產出來說很重要,其中包括把短期記憶轉換成長期記憶的過程,海馬迴萎縮到某個程度後,這個功能就會大幅受到影響。

為什麼害怕失敗會造成這麼大的負面效果呢?為什麼創新的能力那麼容易受到影響?要回答這些問題,就必須討論嬰兒、科學家、創業家的共同之處,也就是他們的學習方式。

嬰兒的學習方式,是透過一系列自我糾正的想法,這些想法就像是在出生時已經預先載入了假設測試軟體。嬰兒會:

1、不斷觀察自己對於世界運作模式的看法。

2、不斷測試自己的想法,逐步逼近正確解答。

3、根據取得的資料,修改並理解。如果你覺得這很像是科學家在做研究,也就是優良的傳統科學方法,就沒錯了。

多年前有一本書,叫做《搖籃裡的科學家》(The Scientist in the Crib),內容說的是嬰兒跟科學家其實很相像(而且我個人的經驗是,有很多的相似之處)。這樣測試假說的作風強而有力。迭代、重複的過程夠強大,就能夠發射火箭到遙遠的小行星上;同時,又很柔和,能夠看到原子裡的祕密。

這些流程中,放眼所及的都是失敗。其實,失敗這個想法,也在這個機制當中根深蒂固。也就是我們可以剔除錯誤,逐步逼近解答。

失敗和創意間的關係,處處可見。很少有創業專案能夠第一次、第二次就成功了,甚至可能要革命十次才會成功。有非常多科學家提出的理論,都經不起嚴謹的實驗。就算是撐過實驗的科學理論,經過實驗後,幾乎都會修訂。我們看過的嬰兒,走路都要搖搖擺擺好幾週,跌倒再爬起來,之後又再跌倒,有時候得經過好幾個月後,才能夠挺直往前走。

如果你因為失敗而一蹶不振,就會影響到創新專案,最終生產力也會受到影響。所以,一定要調整心態,面對失敗。還記得嗎?創意有一部分是要想出新穎的點子,另一部分則是要應用。我們的研究結果發現,失敗能夠把新奇美好的東西,轉換成有用的東西。

20230801-2

失敗是幫助創新的點子實現的必經之路。圖片來源:Unsplash

善用失敗的潛力

這些點子能夠套用在商業行為上。探討某些團隊表現亮眼的原因的Google的亞里斯多德專案發現,研究人員認為,安心是成功的重要關鍵,所以大家願意承擔風險,這個風險當然也包括失敗。

從亞里斯多德專案開始之後,安心和創新之間的關係,已經有長足的研究進展,像是能夠量化承擔風險的規範。有一個實驗發現:

  • 同時測試許多想法(3∼5個)的組別
  • 挑選最好的2∼3個結果,進一步試驗

與不重複或是重複次數不夠多的組別相比,成功機率高達50%。失敗就像是烤一批餅乾一樣,可能會一直出現。

或許,是因為這些研究的關係,有更多的研究團隊開始深入探討失敗。他們後來發現,要是允許失敗,之後就會取得勝利。達成巨大成就的人,和遭遇重大挫敗的人相比,失敗次數大約一樣。差別在哪裡呢?成功的人會試著從錯誤中學習。他們大方的面對錯誤,盡力吸取教訓。

沒有這種職業勇氣和韌性的人,比較可能會繼續失敗。

另外一個發現,跟連續失敗中間允許的休息時間有關。休息時間愈少,之後成功的機率就愈大;每次投入的間隔時間拉愈長,就愈可能繼續失敗。所以,不只要從失敗中學習,還要馬不停蹄,繼續嘗試。如此快速的再次投入,前提就是大家要能夠犯錯。

有家公司因為允許員工犯錯而名聞遐邇,這家公司就是國際商業機器股份有限公司(IBM),由傳奇執行長沃森(Thomas Watson Jr.)穩穩掌舵,走過了最成功、最創新的時代。這家公司有一個知名的故事:有一位副總做了一個實驗,但失敗了,導致公司損失將近一千萬美元。他道歉的方式,是寫了一封辭職信,親自交給沃森。然而,老闆接下來的反應,卻令那位副總大吃一驚。「你怎麼會覺得我們捨得呢?」沃森讀完信後笑著說:「我們才剛花一千萬美元讓你受訓。」

確實,公司不是慈善團體,沃森也不是要讓IBM破產。但你可以觀察到:要增加致勝的機率,就要增加失敗的忍受度。或許,沃森當時心裡就知道這一點了。

科技專欄作家麥可.馬龍(Michael S. Malone)這麼說的:圈外人會把矽谷當作成功的代名詞,但其實應該說是成功的墳墓。失敗是矽谷最強的優勢。

斷開恐懼的枷鎖

要是因為害怕失敗而無法創新,該怎麼辦?是否能夠培養實用的態度,來斷開這個有毒的連結?答案是──可以。首先,就要了解害怕失敗的原因。

研究顯示,有許多員工會把犯錯看成是個人的缺陷。你要是有這樣的感覺,失敗不僅僅是做錯事,而是決定人格的大事。如果你這麼想,可能就會想要文過飾非,說謊隱匿,推諉卸責。

不把失敗當做缺陷,不因此羞愧、撒謊、推卸責任的人,會積極邁向失望,最後獲得勇氣的回報,變得更加成功。這樣的人在這個多方嘗試的世界中,可以創造出下一個最好的事物。確實,有證據顯示,失敗能夠讓人加速想出熱騰騰的點子。心理學家艾普斯坦(Robert Epstein)這麼說:「失敗其實能夠直接刺激創意,很寶貴。」

由此可知,大家能夠培養健康的態度來面對失敗,遵循三個簡單的步驟即可。解說三個步驟最好的方式,就是佛羅里達州的一位消防員──很奇怪。他叫做霍拉迪(Matt Holladay),雄壯威武,剃大光頭,看起來就像是第一線急救人員。

有天霍拉迪正在訓練新進人員。當時佛羅里達州陽光明媚,警鈴突然大響,有民宅發生大火,房子幾乎深陷火海當中。他帶著同事衝入民宅,停下來,審視情況。整間房子瀰漫著濃煙,只有一間臥房除外,或許有人還在裡面!他馬上跳過原本是窗戶的開口,一落地就看到一位年邁的老太太,而且還活著!霍拉迪扛起老太太之後,把她從窗口遞給在外等候的同事,然後很快的離開火場。

他的行動可以分成三個階段:首先,他往前衝,而不是逃離火場;然後,評估災害,尋找可能的生命跡象;最後找到方法後,他付諸行動。他進入臥房,發現自己的評估正確,救了這位阿嬤一命。

失敗是能夠直接刺激創意的寶貴經歷,保持正向的態度面對它,將有助於創新發想。

20230801-3

圖片來源:Unsplash

我們要研究如何遵循類似的三步驟流程,來因應失敗:

1、迎向失敗,就像是霍拉迪奔向火場一樣。

研究顯示這麼做符合邏輯。願意面對威脅,是最重要也是唯一的解決辦法。

2、開始評估情況。

確認是否有阿嬤在房間裡,然後想辦法營救。就算周遭火勢猛烈,也要設法救援。

3、從評估當中儘量取得資訊快速行動。

找出房子失火的原因,然後採取行動,解決錯誤。

 

文章來源:創業小聚

數位轉型機會藏在困境之中

現在企業數位轉型已經不是要不要做的問題,而是該如何量身訂做適合自己企業需要的數位轉型對策。尤其隨著ChatGPT的普及應用,就算是個人也需要數位轉型。那如何按部施工,轉型成功?!第一步就是調整心態,黑幼龍先生書中寫的「機會藏在困境之中」這段文章很應景。

20230615-2

積極的人會在困難中找機會,消極的人是在機會來臨時還要找困難,找他們無法利用這機會的理由”    黑幼龍

最近很多人面臨轉變:要不要換工作,甚至要為被裁撤做準備。有的人一定在想,為什麼剛好給我遇上了,為什麼我這麼倒霉。要是你能想一下活在這個年代的人的機會,一定會有不同的想法,一定覺得很興奮。萊特兄弟試飛成功到現在也不過100多年。那個時代的人,怎麼想也想像不出後來的波音747、空中巴士能載著幾百人,橫越大海,只要一天的時間就能到另一洲。這一代的人運氣相當好,航空帶來了很多機會,也改變了人類的生活。我們不需要等一百年。十年、二十年以後就不得了。

你我剛好活在其中

二十年前,我們沒料想到網路、通訊、資訊科技會造成這麼大的改變,讓我們可以人手一機,上網處理財務。再過十年,人們的生活、工作狀況會是什麼樣子?我們雖然無法準確預測,但可想而知的是,一定很精彩,會帶來更多機會。更重要的是,你我剛好活在其中。

我們該怎樣好好的活呢?

我覺得最重要的是態度。我們要很興奮、很積極、想將危機視為轉機。但顯然不是每個人都這麼正向。一八九九年,美國的專利局局長就提議將專利局裁撤掉,原因是他認為該發明的東西已經都發明出來了,人的智慧已發揮到極致,專利局的工作將逐漸萎縮。對這些人而言,新的改變一定不代表機會。積極的人就不一樣了,他們會在困難中找機會,而消極的人是在機會來臨的時候還要找困難,找他們無法利用這機會的理由。

態度決定一切

態度不同,一切就不同。 有的人在接受一個重大任務,或必須找一個新工作時,第一個反應是:很難,但能做到。
因此他們很想試一試。 另外有些人的反應卻是:能做到,但很困難。於是他們就放棄了。 有個很有意思的故事,許多人應該都聽過:有兩個賣鞋的業務員被派到同一個小鎮去工作。他們到了鎮上發現滿街的行人都不穿鞋,其中一人立即打電話回公司,要求換一個工作地點,因為那裡沒有銷售機會也沒有顧客。另一位業務員也打了個電話回公司,感謝老闆派他到這小鎮來,他很興奮,因為滿街都是他的銷售對象,到處都是機會,自己運氣真好。

相信自己

我們處在這新年代、新氣象中,要改進那些態度呢? 首先我們要有自信。發掘自己的優點,找到自己的長處。好多人在機會來臨時沒有抓住,或甚至退縮,因為他們常找自己的毛病,注意自己的軟弱。其實,即使有了很好的工作,你還是需要加強自信,因為這樣你才能不卑不亢的與同事相處,合作得更好,發展的機會也因而大增。

其次是學會減輕壓力,控制憂慮。你看,失業、沒有工作的人很痛苦,但有錢、有工作的人也不快樂,因為這些人常會擔憂。現今各行各業的壓力愈來愈重,未來更會有增無減。壓力可能無法消除,但我們可以學習如何減輕,如何控制。不只是困境或大難到來時有能力處理,我們更要學會享用自己所擁有的。生命很短暫,要從中尋找快樂。
人的一生都在做選擇。今年,今天,你要選擇的是什麼?

我們常把一句北歐諺語當作口號:「刺骨的北風造就了北歐海盜。」 我們怎麼會有這種想法,認為舒適安全的生活、輕鬆安逸沒有困難的日子,會讓人更快樂幸福?剛好相反,愛自憐的人舒舒服服地躺在沙發上也能自憐。 由歷史看來,在任何狀況下都有人覺得幸福。不論順逆,只要對自己負責,他就能覺得快樂。

參考文章:「每一天讓自己加分」黑幼龍著

在沃爾瑪讓AI負責採購協商,推行自動化商談系統的四項心得

企業在向供應商採購時,很多時候是簽訂未經協商的制式合約,使供應商失去彈性。但要採購人員實際去協商,也往往耗費大量成本。沃爾瑪如何用AI自動化協商軟體解決這些問題?

20230502-1

圖片來源: Shutterstock

就像大部分進行大型採購的組織一樣,沃爾瑪(Walmart)不可能與所有超過10萬家的供應商進行個別協商。於是,有20%的供應商都是簽訂制式合約,條款通常沒有經過協商。這並不是與這些「尾端供應商」往來最好的做法。但是,如果雇用更多人力擔任採購人員來與這些供應商協商,增加的價值也不敷成本。

沃爾瑪以人工智慧(AI)驅動的軟體解決這個問題。這套軟體有一個文字介面(也就是聊天機器人),能代表沃爾瑪與真人供應商協商。加拿大沃爾瑪在2021年1月試行這項解決方案,並以供應商提供的回饋來訓練這套系統。此後,沃爾瑪又在另外三個國家部署這項解決方案,而有更多國家的沃爾瑪,計畫在不久之後採行這項科技。 本文要分享四個心得,談談如何運用自動化採購協商,讓採購商和供應商都能受惠。這類系統能夠節省開銷、提升雙方的交易條件,並增加供應鏈的彈性和韌性(resiliency,或譯復原力)。

試行計畫

有鑑於AI的進步,沃爾瑪開始探索尾端供應商採購協商自動化的可能性,並在2019年核准了一套叫做Pactum AI的軟體產品。新冠疫情延宕了這項部署,但是一年後,也就是2021年1月,本文作者之一的迪維特,在他的組織沃爾瑪國際(Walmart International)重新啟動了這項計畫。

由於沃爾瑪已經在沙箱環境實驗過這套軟體,因此沃爾瑪國際直接在它的加拿大公司進行小型試行計畫。這項為期三個月的試行計畫納入各種利害關係人(包括89家供應商、5個採購單位,以及來自加拿大沃爾瑪金融、財務和法律部門的代表),還有Pactum,也就是創造背後那套AI科技的公司。

一開始,沃爾瑪國際估計,如果聊天機器人可以和20%參與試行計畫的供應商達成交易,這套系統就能產生正向的投資報酬。這家零售商選擇了「非轉售商品」(也就是諸如車隊服務、推車和其他在零售店內使用的設備),而不是銷售給沃爾瑪顧客的產品。它決定聚焦於支付條款有精準數據的供應商,以及有明確機會可以改進支付條款、可以確保沃爾瑪拿到額外折扣的供應商。

 

沃爾瑪國際以支付期程為目標,希望能談成提早支付有折扣,或是延長支付期限而不拿折扣。做為交換,沃爾瑪願意放棄無理由終止契約的權利(就是所謂的「任意終止契約」),改成沃爾瑪必須在30天、60天或90天前書面通知解約。沃爾瑪也會選擇性地讓供應商有機會增加品項和銷售量,來換取價格折扣。

內部採購人員挑選目標供應商,並為Pactum AI的機器學習演算法建立訓練情境。這些情境用來建立結構化腳本,引導供應商完成協商。供應商可以按照自己的步調回應這些情境。

沃爾瑪國際邀請大約100家尾端供應商試用這套解決方案,其中有89家同意參與。聊天機器人與64%同意參與的供應商成功達成協議(遠遠超過原訂目標,也就是20%),平均協商時間為11天。平均而言,沃爾瑪省下1.5%的協商支出,而支付期限也平均延長35天。

試行後,沃爾瑪國際訪談協商成功的供應商,發現其中有83%認為這套系統容易使用,而且喜歡這套系統能給他們討價還價的空間,並給他們時間,讓他們能用自己的步調考慮協商。例如,烘焙設備製造商MIWE的總裁班.嘉里斯托(Ben Garisto)就說:「面對面協商時,你不一定在事前就會想到問題,你得即時反應。其他類型的自動提議系統有時候有點像是範本,沒有我們發揮的餘地。」

不過,有幾家供應商仍然偏好面對面協商。有些供應商則想要更為精簡、更為流暢的腳本,不要禁止供應商在協商過程中返回前面的步驟。

沃爾瑪在試行後改良情境與腳本,並把這套解決方案推展到美國、智利和南非的供應商。截至目前為止,聊天機器人與68%供應商達成協議,省下了3%的支出。

四大心得

對採購自動化有興趣的企業,在開發與引進這類系統時,可以應用以下幾個心得:

  1. 盡快進入試行階段。許多企業的AI旅程在概念驗證階段就走不下去了——根據顧能公司(Gartner)的數據,只有不到一半的計畫進入試行階段。這是因為概念驗證階段的重點是技術能力,而非業務目標。沃爾瑪決定跳過概念驗證階段,直接進入以業務目標為重點的試行階段。

沃爾瑪的「業務負責人員」(也就是負責預算以及與供應商往來的人員,例如負責店面用品的營運部門,還有負責硬體與軟體的IT部門),協助建立協商用例和情境。沃爾瑪的採購人員針對訓練聊天機器人所需的協商情境,提供重要的專業意見,並提出參與試行的供應商名單(取決於哪些供應商和沃爾瑪有足夠的交易量可以確保協商進行,以及哪些供應商願意得到協商的機會)。法律團隊則確保聊天機器人的腳本和協商完成的合約,符合沃爾瑪的訂約標準和政策。

  1. 從間接支出的產品類別與事先核准的供應商開始。沃爾瑪從非轉售商品(也就是不賣給零售顧客的商品)開始試行,盡量降低新採購做法的測試對於企業的風險。沃爾瑪也聚焦於事先核准的供應商,這樣一來就不會因為需要核准新的供應商而延遲開始試行。
  1. 決定可以接受的取捨。自動化採購需要精準界定採購者為了換到自己想要的東西,願意退讓到什麼底線。例如,AI聊天機器人需要知道採購者願意做出的具體取捨,比如說從收到發票後10天內全額支付,轉變為接受收到發票後15、20、30、45或60天內支付,換得更好的終止合約條款,並讓供應商有機會擴大與沃爾瑪的生意往來。
  1. 擴大地區、產品類別和用例,來擴大規模。沃爾瑪對這項計畫的信條是「辦到它、擴大它」。成功的試行幫沃爾瑪將這套解決方案推展到其它事業單位。加拿大、美國、智利和南非試行之後,即將要部署到墨西哥、中美洲和中國。此外,產品類別也擴大了,納入運輸路線費率的協商以及部分轉售商品的協商。有些中層供應商現在也採用這套系統,而聊天機器人也具備了多語能力。

規模的擴大提升了生產力,因為這套軟體每一次協商都在學習,從而縮短新產品類別的建置時間。此外,聊天機器人能同時進行2,000場協商,這是真人採購人員做不到的事。 我們可以看到發展的軌跡:隨著條款愈發具有演算法性質,沒有管理到的供應商就愈少。如此一來,採購專業人員就能減少花在協商協議的心力,加強關注策略關係、例外情況和持續改善。

文章來源:哈佛商業評論 4月號

企業實施數位轉型時運用TRIZ方法的七大重點案例

 

企業在實施數位轉型時需要運用創新思維。數位轉型本身就是一個創新的過程,它要求企業在面對嶄新的數位化環境時,重新思考其商業模式、產品、流程和組織架構等方面的內容,進行系統性和全面性的變革,以適應和把握數位經濟的機遇,成為創新型企業。

20230307-1

創新思維是指在解決問題和面對挑戰時,採用全新的思考模式和方法,從不同的角度出發,發掘新的解決方案,以實現更好的效果。在數位轉型中,企業需要運用創新思維來創造出新的價值和商業模式,例如:

1.運用數據分析和人工智慧等技術,發掘客戶需求和消費行為的隱藏信息,開發出更精準的產品和服務。

2.創造出全新的商業模式,如平台化、共享經濟等,以滿足客戶的多元需求和習慣。

3.推出全新的產品和服務,整合數字化技術和設計思維,以提高用戶體驗和增強品牌影響力。

4.優化組織架構和流程,運用數據分析和自動化技術,實現更高效的業務運作和管理。

總之,在數位轉型中,創新思維是不可或缺的一環,它能夠幫助企業在競爭中保持領先地位,實現商業價值和社會價值的雙贏。

而TRIZ是一種解決問題的系統性創新方法,可以幫助企業在數位轉型中更有效地解決問題和創新。以下是企業在實施數位轉型時運用TRIZ方法的七大重點:

1.定義問題:首先,企業需要定義問題並確定問題的範圍和程度。TRIZ強調問題的明確定義,並且要關注問題的根本原因。

2.分析矛盾:TRIZ方法強調矛盾分析,即解決問題時存在的相互矛盾的需求。在數位轉型中,企業需要注意數位化所帶來的新問題和現有的問題之間的矛盾。

3.尋找解決方案:TRIZ方法提供了眾多的創新技術和解決問題的工具。企業可以根據問題的性質和範圍,選擇適合的TRIZ工具來尋找解決方案。

4.引入新技術:數位轉型需要引入新技術,並且要確保新技術的有效應用。TRIZ方法可以幫助企業確定如何使用新技術,並且如何解決在使用過程中出現的問題。

5.整合資源:數位轉型需要整合不同的資源,包括技術資源、人力資源、財務資源等。TRIZ方法可以幫助企業整合這些資源,以實現數位轉型的目標。

6.優化流程:TRIZ方法可以幫助企業優化流程,並且減少不必要的浪費。這對數位轉型來說非常重要,因為它可以提高效率和生產力。

7.持續改進:數位轉型是一個長期的過程,企業需要持續改進並且不斷創新。TRIZ方法可以幫助企業持續改進,並且不斷發掘新的創新機會。

以下是一個使用TRIZ方法成功實施數位轉型的七大重點案例說明:

某家製造公司在數位轉型過程中遇到了一個問題,即產品生產線上的機器經常出現故障,導致生產效率低下。為了解決這個問題,該公司運用了TRIZ方法,並且採取以下措施:

1.定義問題:公司首先明確了生產線上的機器故障問題的範圍和程度,並且找出問題的根本原因。

2.分析矛盾:公司運用了TRIZ的矛盾分析工具,找出了不同機器間存在的矛盾需求,例如穩定性和速度之間的矛盾。

3.尋找解決方案:公司運用了TRIZ的創新技術和工具,探索了不同的解決方案,例如加強機器的自我診斷能力、引入更高效的數據分析技術等。

4.引入新技術:公司引入了機器學習技術,使機器能夠根據生產過程中的實時數據,自動調整參數和預測潛在故障,從而降低故障率。

5.整合資源:公司整合了技術資源和人力資源,設置了專門的維護團隊,負責監測和維護機器的運行狀態。

6.優化流程:公司對生產線上的流程進行了優化,減少了不必要的等待時間和生產環節,提高了生產效率。

7.持續改進:公司持續進行改進和優化,不斷探索新的創新機會,使生產線更加智能化和自動化。

通過運用TRIZ方法,該公司成功實現了數位轉型,提高了生產效率和生產質量,並且降低了維護成本和停機時間。

建議課程:TRIZ系統性創新問題解決方法

 

從敏捷到創新:半導體業如何用敏捷創新方法打造超越期待的產品

半導體產業是現代科技發展的重要推手之一,它的產品涉及到了多個行業,從電子產品到交通運輸,甚至到醫療保健等各個領域。在這個競爭激烈的市場中,如何打造超越期待的產品,是半導體企業需要思考的一個問題。本文將從敏捷創新的角度,探討如何用敏捷創新方法打造超越期待的半導體產品。

20230301-1_650X422

圖片來源:工商時報

一、什麼是敏捷創新?

敏捷創新是一種用於產品開發的方法論,它旨在通過快速試驗、不斷調整和迭代開發,打造出超越期待的產品。敏捷創新的核心理念是“學習、測試、調整、重複”,在這個過程中,不斷地學習和回饋是至關重要的。

二、敏捷創新在半導體產業中的應用

半導體產業是一個技術含量極高的行業,產品的研發需要長時間的技術積累和不斷的優化。但是,在這個競爭激烈的市場中,時間是非常寶貴的。因此,半導體企業需要採用敏捷創新的方法,以快速研發出超越期待的產品。

20230301-2

敏捷創新的研發設計流程

敏捷創新的開發流程通常包括以下步驟:

(1)確定產品需求:在產品開發之前,需要與客戶和產品經理進行溝通,確定產品的需求和期望。

(2)設計原型:基於產品需求,設計出一個簡單的原型,用來進行測試和回饋。

(3)進行測試和回饋:在設計原型之後,需要將原型交給客戶進行測試和回饋。這個過程通常會重複多次,以確保產品能夠滿足客戶的需求和期望。

(4)不斷優化和調整:在測試和回饋的過程中,需要不斷地優化和調整產品,以確保產品的品質和性能。

(5)重複進行以上步驟:根據產品的進展,需要不斷地重複以上步驟,直到產品能夠滿足客戶需求和期望為止。

20230301-3

以下是半導體行業中三家優秀企業成功應用敏捷創新方法的案例:

台積電:TSMC是全球最大的半導體製造商之一。該公司在其產品研發過程中成功地採用了敏捷創新方法。例如,該公司使用敏捷開發方法來設計其新一代的製程技術,並進行了多輪的測試和改進,最終成功地推出了10納米製程技術,大幅提高了其產品的性能和效率。

蘋果公司:Apple是一家全球知名的科技公司,其創新和設計能力為人所熟知。該公司成功地採用了敏捷創新方法來開發其產品。例如,蘋果公司在開發其iPod產品時,採用了一種名為“敏捷設計”的方法,該方法將設計師和工程師置於同一團隊中,並使用迭代開發的方式進行產品開發。這種方法大大提高了團隊的效率和溝通效果,最終成功地開發出了iPod產品。

英特爾:Intel是全球領先的半導體公司之一,其產品涵蓋計算機、伺服器、嵌入式系統等多個領域。該公司在其產品研發過程中成功地採用了敏捷創新方法。例如,英特爾在開發其新一代的處理器時,採用了一種名為“快速敏捷開發”的方法,該方法將設計師和工程師置於同一團隊中,並使用迭代開發的方式進行產品開發。這種方法大大提高了團隊的效率和溝通效果,最終成功地開發出了高效能的處理器產品。

三、結語

在半導體產業中,敏捷創新已經成為企業成功的關鍵因素之一。敏捷創新方法可以幫助企業提高產品的品質和性能,降低研發成本和時間,提高企業的市場競爭力。在當今快速發展的市場環境中,採用敏捷創新的方法已成為了半導體產業中的一種主流方法。企業可以透過敏捷創新方法,快速地將產品推向市場,並不斷改進和優化產品,以滿足客戶的需求和期望。在半導體產業中,敏捷創新已經成為了許多企業成功的秘訣,通過不斷的優化和改進,半導體企業可以不斷地提高產品品質和性能,並贏得市場競爭優勢。

儘管敏捷創新方法在半導體產業中已經獲得了廣泛的應用,但仍然有許多企業尚未採用這種方法。這些企業需要更深入地了解敏捷創新的概念和方法,並進行相應的調整和改進,才能在快速變化的市場環境中保持競爭優勢。

另外,敏捷創新方法的成功也需要依靠企業內部文化的支持。在敏捷創新方法中,企業需要建立一個開放、積極、創新的文化氛圍,並提供相應的資源和支持,鼓勵團隊成員進行自由大膽的思考和探索。只有這樣,企業才能真正實現敏捷創新,不斷地推動產品和企業的發展。

永進機械牽頭數位轉型鏈,共同轉型優勢倍增

追求數位轉型,是許多公司的目標,永進機械總經理陳伯佳卻有更遠大的企圖心,希望帶著供應商、協力廠一起轉型。這位新任的公會理事長,要如何激勵產業共同打拚?眼前之路任重道遠。

20230130-A1
永進機械總經理陳伯佳;黃菁慧攝。

2022年10月,台灣工具機暨零組件工業同業公會,推舉永進機械總經理陳伯佳出任第六屆理事長。初次見到陳伯佳,常被他下顎一叢濃密的大鬍子吸引,雖然鬍子已經半白,但具有美國會計師資格的陳伯佳,其實還不到50歲,是工具機公會有史以來最年輕的理事長。

永進機械成立於1954年,生產各式複合加工機及控制車床,是台中工具機聚落的大廠。創立近70年,永進一直十分低調,身為第三代接班人的陳伯佳,進入永進近20年,但在接任公會理事長之前,鮮少在媒體曝光。

雖然不太習慣站在鎂光燈下,甫接任理事長的陳伯佳,卻迫不及待在諸多公開場合對外界宣示,工具機暨零組件產業的數位轉型,是公會現階段的重點工作,唯有透過整體供應鏈的數位升級轉型,才能提升台灣工具機業的國際競爭力。

建立供應鏈數據庫

永進機械本身就是一個數位轉型的典範。自2006年導入「豐田式生產管理系統」(Toyota Production System,TPS),近年更依據「永續經營,成為最有附加價值的工具機廠」的企業願景,推出智慧自動化、智慧設備、及智慧管理共三大策略,追求即時依照訂單需求,進行少量多樣的生產,提供顧客最高品質的產品及最有效率的服務。

陳伯佳強調,除了自己數位轉型,永進也希望供應商一起升級,花了四年建立「供應鏈管理數位平台」,整合所有的資訊,包括下單交貨的資訊、未來幾個月的訂單等。

與永進合作的近四百家供應商,可以將生產的數據上傳到這個平台,雙方清楚地看到生產進度、交貨日期、品質檢驗結果等等。「讓大家不要再用傳真,所有的溝通都在系統平台上進行,」陳伯佳說。

資訊串連後,生產效率就可大幅提升。舉例來說,過去在生產過程中常發生欠料的問題,有了即時資訊,可以快速反應,如果A供應商沒貨,就立刻調B供應商的料件支援,便能提高如期交貨的比例。

另外,現在製造業面臨碳中和的挑戰,廠商都希望能快速把碳費或碳稅的資料填寫給客戶。過去用紙本很難即時掌握資訊,而如今在生產過程中,就可以把碳排放的計算資訊納入,快速、透明,也讓相關決策有了具體依據。

SAP全球副總裁、台灣總經理陳志惟觀察,陳伯佳對數位轉型的概念非常清楚,知道怎麼把工具機生產的相關資料串接,讓生產流程標準化、再複製,理念明確而且有很強的執行力。

以溝通化解矛盾

但就跟所有推動數位轉型的企業一樣,最需克服的就是「人」的問題。

尤其許多資深員工都會覺得,過去事情都是這麼做,幾十年下來也沒有出什麼問題,為什麼要轉型?

「我知道這些經驗很有價值,但經驗的累積是來自於你經歷過的事;那你沒有經歷過的事情呢?」陳伯佳都是這樣回應內部的質疑。他強調,資深同仁的專業經驗是公司的核心,但能不能在這個核心之上,再建構一些創新手法?

就像現在台灣的工具機產業還是常被客戶質疑為什麼無法達到日本或德國的水準?必然是有些不存在過往經驗的特質。 而數位轉型就是要把過去做事的方法,變成一套可以複製的原理原則,找出「做任何事情的最佳化方式。」

除了內部的溝通外,能串連外部的供應商共同配合,其實也很花功夫。在推動「供應鏈管理數位平台」之初,陳伯佳親自拜訪了四十多家大型供應商,除了溝通理念外,也想了解上游廠商在使用這個系統時,碰到了哪些問題?

過程也要不斷協調折衝,一方面所有的採購資訊統統進入系統,不願意配合的廠商就拿不到訂單。但永進也會顧及數位落差,因此系統由永進建置,廠商只要透過帳號密碼就可以使用。若是有任何使用上的問題,也可以隨時提出,由永進的資訊團隊協助處理。用母雞帶小雞的精神,把整個數位轉型鏈串接起來。

永進機械的數位轉型還有另外一項特色,就是全公司從上到下共同參與的「活化運動」。

五年前開始,永進將全公司750位員工拆成49個小組,進行年度競賽,針對目前的工作內容或是未來公司的發展策略,提出創新的做法。

陳伯佳強調,數位轉型對於公司的成長不能只有大步邁進,更應該是跳躍發展。把既有的行事方式數位化還不夠,更需要把創新的數位方式當做手段。

舉例來說,過往公司同仁出差的時候,要把出差的時間、地點、拜訪對象及行駛里程填於紙本,以申請油資補助,後來就有人提出,可以設計一個APP,把資料的填寫轉到線上。

這的確是一項數位變革,但能不能有更跳脫的做法?像是採用一個類似Google地圖的工具,同仁出門時按一個鍵,到達目的地時再按一個鍵,就可以把起迄點、行程時間和公里數全部計算完成。「同仁們都很努力,但我會鼓勵大家再進一步,協助自己的工作做得更好,」陳伯佳說。

力求產業共好

除了致力於自身的數位轉型,接任工具機公會理事長後,陳伯佳還需肩負起帶領整體產業共同成長的重任。

台灣是全球第七大工具機暨機械零組件生產國,依據台中市經濟發展局的資料,2021年產值為新台幣1227億元,約90%都集中在中部地區。過去的優勢是透過群聚效應,具備極高的彈性和反應速度。

但眼前的挑戰是,在品質和精密度不及德國、日本的情況下,又面臨中國大陸和韓國等地的產業崛起競爭,過去這個大家共同賴以維生的生態圈,能否共同轉型成長,才是未來維繫競爭力的關鍵。

陳志惟指出,工具機產業一直都是打群架的概念,但是面臨數位轉型的時候,業內還是有不小的落差,如何把大家拉到一致的水平,共組台灣隊,打國際杯,提升附加價值,「公會的角色就非常重要,理事長更是任重道遠。」

「我一向不喜歡講永進機械做得有多好,因為整個產業好更重要,」陳伯佳也反覆強調。

工具機公會近幾年來已積極拉動整體的產業轉型,2020年成立技術委員會、2021年發布第一本工具機產業白皮書,都是為了提升整體生態系的數位能力。

現在在新任理事長陳伯佳推動集體數位轉型的目標下,台灣的工具機產業能否持續保有領先地位,這一波轉型力道,將是未來決勝的關鍵。

文章來源:哈佛商業評論 2023/1月號

這五件神器都是德國人發明的

20230117-1

(德國之聲中文網)德國是發明者的國度。很多奇思異想首先在這裡問世,眾多開拓性發明在這裡成為現實:膠帶、咖啡過濾紙、mp3、直流發電機,都是德國人的發明,而電腦更可算是其中最令人注目的一朵奇葩了。

懶於計算

第一台數位計算機就是在柏林問世的。發明、制造人類歷史上這首台電腦的是德國工程師楚澤(Konrad Zuse)。1930年代,機器制造專業出身的楚澤要設計飛機部件,必須作大量計算、心算或用推尺計算。對這位聰明但並不特別勤奮-他自己承認-的工程師來說,這可是一件痛苦的事情。他說,他懶於計算,因而,開始建構一架機器,承擔計算工作。

他在父母的起居室專心建構"計算機"約兩年。1937年,他對外展示了取名為"楚澤1號"(簡稱Z1)的計算機:一台重達數噸的鋼鐵巨怪,光金屬部件就有3萬個,足有一張雙人床大小,一啟動,其聲音震耳欲聾。不過,只要曲軸、平板和鋼管們運作正常,不出現卡殼現象,Z1還真的總能提供正確計算答案。

為讓計算機不易受干擾,楚澤工程師在後來的型號中用電子機械元件代替了機械離合桿。改進型號相繼問世,先是試驗型的Z2,後來便是完全有效的Z3。Z3有一噸重,寬如大壁櫥,鍵盤大若一台電視機。Z3只能儲存64位數或單詞,卻是世上第一台全自動的、可自由編程的數位計算機。Z3根據二進制浮點計算原理工作,今天的現代化個人電腦和麥金塔電腦也運用這一原理計算。

可惜,楚澤工程師在世時未能看到自己的發明在全球的成功。二次大戰期間,他的計算機被炸彈炸毀。不過,今天,在慕尼黑的德意志博物館內可以看到全球首台電腦的模仿件。

除電腦外,咖啡過濾紙、膠帶、mp3以及直流發電機等早已廣泛應用於人類日常生活的這些"寶貝"也原創於德國。說起來,這些發明都有一則饒有趣味的故事呢:

 咖啡過濾紙

1908年,在德累斯頓的一個廚房裡誕生。被杯中咖啡渣惹惱了的家庭婦女本茨(Melitta Bentz)拿來一個鉛罐,在底部鑽滿洞眼,然後,從兒子的練習本上撕下一張擦紙墊上。過不多久,她申請了專利。從此之後,一代又一代咖啡愛好者們便可以在無渣情況下享受飲咖啡的快樂了。

膠帶

1896年問世。當時,作為實業家的特羅珀洛維茨(Oscar Troplowitz)本想開發一種新的創口貼。不過,所發明的創口貼粘力太強,揭下時竟會把皮膚也連帶揭下。於是,該產品起先被用於粘補自行車橡膠帶,以堵漏氣;從1936年起,成為萬用粘貼帶。由女秘書的名字"Elsa Tesmer"簡化而來的"Tesa"膠帶如今幾乎是各類、各種膠帶的同義詞。

mp3格式

1987年問世。這一年,設址埃朗根(Erlangen)的弗勞恩霍費爾(Fraunhofer)集成電路研究所開發出一種新工藝。根據該工藝,音樂數據可以在無質量損失的情況下壓縮到極小狀態。短短數年內,mp3格式使音樂工業發生了革命性的變化。有了這一發明,一台多功能手機可以儲存數百張專輯。

直流發電機

1866年問世。摩擦產電原理雖早為人類所熟知,但是,馮·西門子( Werner von Siemens)在這一年首次將該原理運用於一台機器。從這時起,通過卷起來的金屬絲和一塊磁鐵,不僅能很方便地獲得電能,而且還可以向各地傳輸電流。西門子公司逐漸成為一家世界性企業。今天,西門子已成為電子技術的代名詞。

 

文章來源:德國之聲

掌握關鍵十招,全面啟動AI變革–數位轉型的重要支柱

說到推行AI運用,許多公司的執行規模都太小,試探性質太強。據調查,在90%已經進行一些AI投資的公司中,三年來取得商業效益的不到40%,因為小規模運用的成效有限。那麼,那些大力投入AI運用並取得成功的公司,做對了什麼?

20220109-1_1200X675

關於本文藝術作品/卡羅琳.杜塞特(Carolyn Doucette)的數位修改照片,探究自然界中人的存在。

若請某個人舉例,說出有哪些公司將人工智慧(AI)置於業務核心,你可能會得到一張意料之內的科技巨擘名單:字母公司〔Alphabet(Google)〕、Meta〔臉書(Facebook)〕、亞馬遜(Amazon)、微軟(Microsoft)、騰訊、阿里巴巴。但在其他產業的傳統組織中,許多領導人認為,使用AI來推動自身轉型,超出了公司的能力範圍。這項技術相當新穎,十年前還沒有一家公司採用AI,因此所有在這方面已經很成功的公司,都必須完成相同的基本任務:安排人員負責創建AI;收集所需的數據、網羅人才,以及投入經費進行必要的投資;並且盡可能積極地培養本身的能力。

本文觀念精粹

問題 許多公司只是試驗性應用AI,而不是規畫或編列預算,準備全面部署AI。

原因 這通常是因為沒有分配足夠的資源、能力和時間於AI專案。

解決方案 十分積極採用,加上與策略、營運作最佳的整合,最後將帶來最大的業務價值。

說比做容易?是的。許多組織的AI行動方案都規模太小、試驗性質太濃,而且從來沒有走到能夠增添經濟價值的唯一一步,即大規模地部署AI模型。《麻省理工學院史隆管理評論》(MIT Sloan Management Review)和波士頓顧問集團(Boston Consulting Group)於2019年進行的調查發現,有十分之七的公司表示,本身的AI工作所產生的影響微乎其微,或者根本沒有影響。同一項調查顯示,在90%已經進行一些AI投資的公司中,三年來有獲得商業效益的不到40%。這並不令人驚訝:試行計畫或實驗只能產生有限的成效。

過去幾年我們所作的研究,找出了30家公司和政府機構已全力投入AI(這些組織不見得是以精通技術著稱),並從中獲益。其中許多公司在銀行、零售和消費品等產業中競爭。我們研究這些公司的AI發展歷程之後,確認這30個組織採取了十項行動,因而得以成功採用AI。

你的組織若想從AI獲取可觀的價值,就必須徹底重新思考工作環境中的人機互動方式。你應該聚焦的應用,是能改變員工執行工作的方式,也改變顧客與公司互動方式的應用。你應該考慮在每個關鍵職能和營運作業中,有系統地部署AI,以支持新的流程和數據驅動的決策方式。同樣地,應該要讓AI推動新的產品和服務,以及商業模式的發展。換句話說,最終應該要讓AI技術改造你公司業務的每一個層面。

你的組織若想從AI獲取可觀的價值,就必須徹底重新思考工作環境中的人機互動方式。

本文列出的十項要務,每一項都會使你的組織更接近轉型;但若要完全轉型,你必須避免片段零星的修補行動,而應該推行所有這十項要務。文中會提出案例,詳細說明一些組織如何取得成功。你的組織可以選擇以不同的方式處理這些要務,或者以不同的順序來處理。

  1. 知道你想要達成什麼

具有企圖心的公司很清楚知道為何要應用AI。它們當然希望財務表現更亮麗,但若要確認和發展轉型AI,就需要更明確的目標。一些企業開始使用AI技術來改善流程速度、降低營運成本,或者提高行銷能力。不管你運用AI的原因是什麼,我們都建議要先確定一個妥善定義的總目標,並以這個目標作為你採用AI的指導原則。

2014年,德勤(Deloitte)的審計和鑑證實務部門開始發展專有的AI平台Omnia,當時的指導原則是要改善全球的服務品質。要在那個領域創建一項全球性的工具,並不像將數據轉譯成多種語言那麼簡單。各國用以規範數據的法規,包括隱私標準、審計流程和風險管理,都存在重大的差異。

公司審計的一個重要部分,是以易於分析的格式,來收集財務和營運數據。各公司的數據結構不同,因此提取相關的數據並載入審計平台,可能相當耗時費工。Omnia在一家美國客戶公司試營運,但想讓它成為全球性工具的目標,在一開始就產生幾個獨特的挑戰,例如開發一個能在不同客戶和地區運作的單一數據模型。

德勤的開發人員在創建Omnia之前,就將它設想為全球性的工具,因此能夠專注於把來自不同國家、不同公司的資訊標準化;而這是一項艱鉅的任務,在開發過程的後期會更具挑戰。

  1. 與伙伴組成的生態系統合作

建構Omnia需要審計和鑑證實務部門來察看世界各地的新創科技公司,以找到符合德勤需求的解決方案。若沒有那些伙伴,德勤就不得不在內部開發這些技術,而這雖然有可能辦到,成本卻高得多,時程進度也慢得多。公司需要強大的合作伙伴關係,才能在AI方面取得成功。

德勤和加拿大的新創公司Kira Systems合作,後者開發的軟體能從法律文件擷取合約字詞。德勤的審計師以前必須讀完許多合約,用人力執行這項任務,但現在Kira Systems的自然語言處理技術,可以自動辨識和擷取關鍵字詞。另一家伙伴公司Signal AI則建構了一座平台,可分析公開提供的財務數據,以找出客戶業務中的潛在風險因素。德勤的Omnia平台最近新增了「誠信AI」(Trustworthy AI),這個模組是與評估AI模型偏見的話匣子實驗室(Chatterbox Labs)合作開發的。

  1. 擅長分析

大多數成功採用AI的組織在迅速推動AI之前,都會慎重執行分析行動方案。任何形式的機器學習,都可能包括其他不是以分析為基礎的技術,例如自主行動、機器人技術和元宇宙,但核心仍然是分析。正因如此,擅長分析對採用AI非常重要。

但「擅長分析」究竟是什麼意思?在本文探討的情況當中,這是指致力使用數據和分析來制定大多數的決策,而這表示必須改變你和顧客往來的方式、將AI嵌入產品和服務,以及用更為自動化和智慧的方式執行許多任務,甚至執行整個商業流程。企業若要運用AI來改造業務,必須日益擁有獨特或專有的數據,因為如果他們所有的競爭對手都有相同的數據,大家都會得到類似的機器學習模型和類似的成果。

希捷科技(Seagate Technology)是全球最大的磁碟機製造商,旗下各工廠裡有大量的感測器數據,並在過去五年廣泛使用這些數據,來改善製造流程的品質和效率。這項工作的一個重點,是將矽晶圓的目視檢查作業和製造矽晶圓的工具都自動化(矽晶圓用於製造磁碟機的磁頭)。整個晶圓的製造過程中,各種不同的工具組會拍下多張顯微鏡圖像。希捷科技在美國明尼蘇達州的工廠使用這些圖像提供的數據,創建一套自動化系統,讓機器直接尋找和分類晶圓的瑕疵。其他的圖像分類模型會偵測監控工具中的失焦電子顯微鏡,以確定是否確實有瑕疵。這些模型在2017年底首次部署啟用,此後希捷設於美國和北愛爾蘭的晶圓工廠日益廣泛使用這些模型,節省了數百萬美元的檢查人力成本和廢料預防成本。目視檢查的準確率在幾年前是50%,現在超過90%。

數據是機器學習成功的基礎,如果缺乏大量的好數據,模型便無法做出準確的預測。可以說,大多數組織擴大AI系統規模面臨的單一最大障礙,是獲取、清理和整合正確的數據。為新的AI行動方案積極尋找新的數據來源也很重要。本文稍後會談這一點。

  1. 創建模組化、彈性的IT架構

你會需要一種方法,可在企業的各項應用上輕鬆部署數據、分析和自動化。這方面需要的技術基礎設施,要能夠溝通和理解來自公司內外其他資訊科技(IT)環境的數據。傳統數據中心裡的軟體,通常設計為只能與同一數據中心的軟體溝通。把這套軟體與來自那個基礎設施之外的軟體整合起來,可能耗時又昂貴。

彈性的IT架構會使複雜的流程更容易自動化,例如德勤從法律文件擷取關鍵字詞的流程。如果你不能自行開發這種架構(極少中小企業辦得到),可能就必須和其他公司建立伙伴關係,例如與微軟Azure、亞馬遜網路服務(Amazon Web Services,簡稱AWS)或Google Cloud等公司合作。

第一資本(Capital One)幾十年來一直被公認為分析領域的翹楚,運用分析法來了解消費者的支出型態、降低信用風險,並改善顧客服務。(資訊揭露:本文作者之一的湯瑪斯,一直是第一資本的付費論壇演講人。)2011年,第一資本做了一項策略決策,要重塑和現代化本身的公司文化、營運流程和核心技術基礎設施。這項轉型包括:轉向敏捷模式來交付軟體、建立大型工程組織,以及雇用數千人擔任數位職務。這項轉型也推動公司將數據送上雲端。

第一資本和AWS合作建立本身的雲端架構。但在遷移到雲端之前,第一資本的高階主管必須重新設想銀行業的未來。顧客遷移到數位通路,例如銀行的網站和行動應用程式(app),而這些數位通路產生的數據,遠多於面對面互動的數據,這使第一資本有機會更加了解顧客如何與其互動。轉向雲端具有策略意義,部分原因是這會降低數據儲存的成本。根據美國南加州大學馬歇爾商學院(USC’s Marshall School of Business)的數據,1960年儲存10億位元組(GB)數據的成本是200萬美元。1980年代這項成本降到20萬美元,到2000年代初只要7.70美元,而由於雲端儲存的出現,2017年更低到2美分。

第一資本判斷,AWS可以在雲端提供由軟體驅動、可擴大規模、即時可用的數據儲存和運算能力,而且成本遠低於在公司內部儲存數據。AWS也提供創新的新機器學習工具和平台。由第一資本的IT組織為所有這些數據建構和管理基礎設施的解決方案,已不再有意義。相反地,IT組織開始專注於培養軟體和業務能力。今天,第一資本即時分析來自網路和行動交易、自動櫃員機和信用卡交易源源不絕的數據流,以滿足顧客的需求和防止詐騙。到2020年,這家銀行關閉了最後一座數據中心,將所有的應用程式和數據移到AWS雲端。

許多公司的確已經將數據和應用程式移到雲端(或者數據和應用程式原本就起源於雲端)。還沒有這麼做的公司,會更難成為積極的AI採用者。

20230109-4

  1. AI整合到目前的工作流程中

缺乏彈性的商業流程可能和缺乏彈性的IT架構一樣具有局限性。本文提到的公司不遺餘力地將AI整合到員工和顧客的日常工作流程中。要在你的組織做到這一點,必須確定你的哪些工作流程適合AI的速度和智慧程度,並且盡快開始將AI整合到其中。不要試圖將AI塞進無法從機器的速度和規模獲益的工作流,例如既不包含也不會產生大量數據、沒有一再重複進行,且極少使用的商業流程。

若要進行工作流程整合,需要比第一項任務「知道你想要達成什麼」更具體得多的行動計畫。假設你已經確定要改善顧客服務。但若要將AI整合到目前的顧客服務工作流程中,就必須對這些流程有敏銳的實地了解,而極少最高層主管能有這種知識。然而,生產線員工擁有理想的視角,能夠確定哪些流程可以從AI受益,以及這些流程可以如何具體改善。

美國有些政府機構,便找到一些很適合AI速度和規模的具體任務與工作流程。例如,美國國家航空太空總署(NASA)在應付帳款和應收帳款、IT支出和人力資源方面,啟動試行專案(由於這項人資專案,航太總署86%的人資交易是在沒有人力插手的情況下完成的)。社會安全局(Social Security Administration)在裁定工作上使用AI和機器學習,以處理繁重的案件數量帶來的挑戰,並確保決策的準確性和一致性。在新冠疫情(Covid-19)嚴峻之初,美國退伍軍人事務部(Department of Veterans Affairs)設置AI聊天機器人來回答問題、協助確定確診病例的嚴重程度,並且尋找患者可以入院的地點。國土安全部科學技術局(Department of Homeland Security Science and Technology Directorate)的運輸安全實驗室,正在探索一些方式將AI和機器學習納入運輸安全管理局(TSA)的安檢流程,以改善乘客和行李掃描作業。美國國稅局(Internal Revenue Service)正使用AI測試哪些正式通知的組合,最有可能誘使欠稅的納稅人寄出繳稅支票。

  1. 在整個組織中建立解決方案

你的組織已經在內部測試和精通特定工作流程的AI之後,就應該要更積極地在整個組織的各單位裡部署AI。你的目標不應該是為一個流程設計一套演算法模型,而應該是要找到一種統一的方法,可以在整個公司裡複製使用。

克里夫蘭醫學中心(Cleveland Clinic)的企業分析與資訊管理執行總監克里斯.杜諾文(Chris Donovan)表示,這所醫學中心「AI隨處可見」。他的團隊致力推動由員工主導的AI開發和部署工作,也提供由高階主管領導的治理方法。到目前為止,這項工作一直由植根於企業分析、IT和道德部門的跨整體組織實務社群所推動。

與開始積極推動AI轉型的大多數組織一樣,克里夫蘭醫學中心面臨數據和分析方面的巨大挑戰。杜諾文表示,醫院擁有的數據遠比其他產業的組織要少,而且比較不可能是清理過且結構良好的數據。他表示,克里夫蘭醫學中心的數據有品質上的問題、以不理想的方式擷取、輸入方式不同,而且在整個機構裡有不同的定義。即使是血壓等常見的指標,也可以在患者站立、坐著或仰臥時測量(這樣通常會有不同的測量結果),並以各種不同方式記錄。必須了解每種實務做法的數據結構,才能正確解讀血壓的數據。杜諾文的團隊並沒有將每個數據集的數據準備工作,留給醫學中心內部的每個醫療單位去做,而是讓它成為每個AI專案的一部分,並且努力提供有用的數據集給所有的AI專案。

克里夫蘭醫學中心也使用AI來評估人口健康領域的風險。它已在這個領域建立一個預測模型,以協助設定使用稀有資源的優先順序,為最需要的患者提供醫療服務。目前,該中心主要是根據預測風險分數,來決定誰能接到電話通知去看醫生。例如,難以控制病情的糖尿病患者,會獲得高風險分數。這所醫學中心建立另一個模型,來找出有某種疾病罹患風險,但沒有病史或病徵的患者。這個模型用於主動安排患者接受預防性照護。克里夫蘭醫學中心也致力找出生活或工作條件有問題,導致健康受到影響的患者;他們除了需要醫生,也可能需要社會工作者的協助或一張公車票去看醫生。

  1. 創建AI治理和領導結構

安排某個人負責決定如何在整個組織部署AI,會使轉型更為容易。最優秀的領導人知道,整體而言AI能做什麼、能為他們的公司做什麼,以及可能會對策略、商業模式、流程和人員有什麼含意。但領導人面臨的最大挑戰,是建立一種文化,強調依據數據做成決策和採取行動,以及引導員工對AI改善業務的潛力充滿熱忱。若缺少這種文化,即使組織中零星散布著一些AI擁護者,他們也無法取得建構出色應用所需的資源,無法聘雇到優秀的人才。而且即使建構了AI應用,企業也無法有效地運用。

領導人面臨的最大挑戰,是建立一種文化,強調依據數據做成決策和採取行動,以及對AI改造業務的潛力充滿熱忱。

什麼樣的領導人可以培養正確的文化?首先,由熟悉IT的執行長或其他長字輩主管來領導AI行動方案,會有幫助。雖然沒有技術背景的人也可以在你的公司領導AI工作,但那個人必須很快地學習很多東西。其次,領導人多管齊下開展工作很重要。他或她選擇加入的具體計畫會因組織而異,但資深高階主管的參與特別重要,有助於表達出對技術的興趣、建立由數據驅動決策的文化、促進整個企業的創新,以及激勵員工採用新技能等等。第三,領導人掌握財務資源的權力。探索、開發和部署AI的費用很高。領導人必須投資或說服其他人投資足夠的經費,讓所有的層級都能採用。

有一個專門負責AI的領導人當然有幫助,但終究來說,對這項工作的投入必須深入到組織之中。如果上層、中層主管,甚至第一線經理人只是口頭支持要用AI來轉型,事情的進展就會相當緩慢,組織很可能會故態復萌。我們曾看到一些高度投入的領導人,以多項行動方案建立起聚焦於AI的公司。可是他們的接班人不相信這種做法,因此不再那麼關注AI。

  1. 發展卓越中心並配置適當人員

大多數AI和分析主管仍然得花很多時間,向其他經理人宣導這種技術的價值和目的。所有事業單位的決策者都應該確保AI專案獲得足夠的經費和時間,也應該在自己的工作上實施AI。重要的是,要教育那個群體了解AI如何運作、何時適用,以及大幅投入AI要做些什麼。對絕大多數公司來說,這種技能提升和再培訓工作仍然處於早期階段,而且不是每位員工都需要接受AI的培訓。但有些公司顯然這麼做了,而且可能做得愈多愈好。本文提到的每家公司都曉得,經營要成功,就需要AI、數據工程和數據科學等方面大量的人才與培訓。

所有事業單位的決策者都應該確保AI專案獲得足夠的經費和時間,也應該在自己的工作上實施AI。

2009年,星展銀行(DBS Bank)聘用高博德(Piyush Gupta)擔任執行長時,是新加坡顧客服務評等最低的銀行。高博德大力投資於AI實驗,在過去幾年內,每年投入約3億美元,並給予事業單位和職能部門一些彈性去聘雇數據科學家,觀察他們能夠達成什麼。這家銀行的人資主管沒有技術背景,卻設立一個小型的工作小組,以確認和試運行各種AI應用,包括AI招募系統Jobs Intelligence Maestro(JIM),這套模型用於預測人員的流失,並協助該銀行招募條件最符合的員工。今天在星展銀行工作的1,000名數據科學家和數據工程師中,有許多人是透過這套JIM系統聘雇的。

高博德表示,星展銀行現在的工程師人數是銀行業務人員的兩倍。那些工程師投入區塊鏈和資產支持代幣等新興技術,以及各種AI專案。而且這家銀行的文化已大幅改善。從2018到2021年的四年間,《歐洲貨幣》(Euromoney)雜誌年年評選星展銀行為全球最佳銀行,而且它的資本狀況和信用評等目前在亞太地區名列前茅。2019年,《哈佛商業評論》評選全球表現最佳執行長的排行榜上,高博德位列第89名。

  1. 持續投資

選擇積極採用AI,並不是領導人輕易做出的決定。這項行動將在未來數十年對公司造成很大的影響,大型企業最後可能需要投入數億或數十億美元。我們研究的每一家成功採用AI的公司都告訴我們,這是在整個企業層級中致力大幅採用AI所需的成本。組織起初可能會覺得,像這樣大規模投注資源相當嚇人。但我們調查的AI驅動公司,在看到自身從早期的專案獲得的效益之後,發現投注經費在AI導向的數據、技術和人員上要容易得多。

例如,CCC智慧解決方案(CCC Intelligent Solutions)已經每年支出超過1億美元在AI和數據上,並且預期會繼續這麼做。(資訊揭露:湯瑪斯一直是CCC的付費論壇演講人。)這家公司成立於1980年,原名是認證抵押公司(Certified Collateral Corporation),經營的業務是提供汽車估價資訊給保險公司。

如果你曾發生車禍,需要大修,可能那時曾受益於CCC的數據、生態系統,以及以AI為基礎的決策。四十多年來,CCC已經演變發展為收集和管理愈來愈多的數據、和汽車保險業的各方建立愈來愈多的關係,並且根據數據、分析,最後則是根據AI,做出愈來愈多的決策。在過去的23年裡,這家公司一直由曾任技術長的吉塞希.拉瑪默西(Githesh Ramamurthy)領導。CCC成長穩健,年營收接近7億美元。

CCC的機器學習模型是根據以下資料建立的:價值超過一兆美元的歷史索賠資料、數十億張歷史圖像,以及汽車零組件、維修廠、碰撞損壞和法規等其他數據。它也透過車載遠程通訊技術和感測器,收集了超過500億英里的歷史數據。它提供數據給一個廣泛的生態系統,其中包括約300家保險公司、26,000家維修廠、3,500家零組件供應商,以及所有的主要汽車原廠設備製造商,而且它提供的決策也愈來愈多。CCC的目標是連接這些各式各樣的組織,形成一個密接無縫的生態系統,以快速處理索賠申請。所有這些交易目前都在雲端上處理,CCC是在2003年把各種系統移到雲端。它們連接3萬家公司和50萬名個人用戶,處理價值達1,000億美元的商業交易。可以想像,已經花了不少錢和時間才能做到這個程度。

  1. 時時尋求新的數據來源

對大公司來說,收集數據通常不成問題,但AI策略在很大的程度上是由可以收集到的任何數據所驅動的。能有更多的數據,不錯。能有更準確的數據,很棒。可以立即用於AI模型的更準確、結構化數據,很理想。德勤的AI發展歷程裡最具挑戰性的部分,可能就是整合來自客戶的系統裡的數據。第一資本一直擁有強大的數據,但需要設法在彈性的IT架構中儲存和使用那些數據。CCC用自身的第一個商業模式來累積數據,因此為轉向以AI為基礎的模式做好準備。但是當CCC學會使用五年前還不存在的大量數據庫時,才鞏固了從數據導向業務過渡成為AI導向業務的過程。

談到數據時,不要以為數據只是文字和數字。對CCC來說,車輛的圖像是可以應用於幾個關鍵流程的數據。CCC歷年來累積了數十億張圖像,但那些是由車輛損壞現場的保險理賠理算師或維修廠商拍攝的照片。這些照片需要配備特殊顯示卡的專業相機來儲存和發送。

2012年左右,CCC的高階主管注意到業餘相機的性能正在迅速改良,並且被納入智慧型手機之中。他們設想的未來是:受損車輛的車主可以自行拍照,並從手機直接發送照片,來估計保險理賠金額。高階主管預期,在不需要專業攝影師和相機的情況下,這個流程會更快,而且更具成本效益。他們找來頂尖大學的幾位教授探討這種能力。在此同時,CCC的高階主管開始研究一種新的AI圖像分析方法,稱為深度學習神經網路,只要有足夠的訓練數據,有時候這種方法的成效可與人力分析相當,甚至更高。

CCC網羅了一群才華洋溢的數據科學家,他們學會如何將照片對應到各種車輛的結構上,以及註釋或標記照片以供訓練之用。到2021年的年中,這套系統已經準備好可以部署,美國聯合服務汽車協會(USAA)成為它的首批顧客之一。更多的數據、更好的模型、更多的業務和更多的數據所形成的良性循環,使得CCC的智慧型手機圖像應用功能強大。新的數據會繼續流進該公司,用於改善估算預測和其他的功能。這有助於CCC的客戶做出更好的決策,很可能因此為CCC帶來更多的業務和數據。

全力投入

我們相信,最積極採用AI、AI與策略和營運整合得最好、執行最佳的公司,將獲得最大的商業價值。了解居於領先地位的採用者正在做什麼事,可協助其他公司嘗試評估運用AI技術推動事業轉型的潛力。你的組織可以採取本文所述的十項行動,朝相同方向邁進。

我們也相信,策略性地大規模應用AI,攸關未來幾乎每一家企業的經營成敗。數據正在快速增加,這情況不會改變。AI是大規模理解數據,並確保在整個組織做出明智決策的方法。這一點也不會改變。AI將繼續存在。積極應用AI的公司,未來數十年將稱霸本身所屬的產業。

文章來源:哈佛商業評論 2023/1月號