本文出自

回答七大問題,驗證你的資料競爭力

回答七大問題,驗證你的資料競爭力

2020年1月號

機器智慧改變經營法則!人工智慧啟動新形態商戰

Competing in the Age of AI
馬可.顏西提 Marco Iansiti , 卡林.拉哈尼 Karim R. Lakhani
瀏覽人數:2065
  • "機器智慧改變經營法則!人工智慧啟動新形態商戰"

  • 字放大
  • 授課文章購買
    購買〈機器智慧改變經營法則!人工智慧啟動新形態商戰〉文章
  • 個人收藏購買
    購買〈機器智慧改變經營法則!人工智慧啟動新形態商戰〉PDF檔
    下載點數 10
插畫:艾迪.蓋(Eddie Guy)
由人工智慧掌管一切的新型公司,正在重新塑造今日的市場。一種由人工智慧驅動的流程,可以非常快速地擴大規模、擴展範疇,連結到許多種類的企業,並提供強大的學習與改善機會。因此,由人工智慧驅動的公司,也已快速超越傳統公司。

2019年,就在螞蟻金融服務集團(Ant Financial Services Group,簡稱螞蟻金服)成立五年後,使用它服務的消費者人數突破了十億大關。螞蟻金服從阿里巴巴集團(Alibaba)分拆出來,利用人工智慧(AI)和來自支付寶(Alipay,這是該集團的核心行動支付平台)的數據資料,來經營各種五花八門的業務,包括:消費者貸款、貨幣市場基金、財富管理、健康保險、信用評等,甚至還有一個鼓勵人們減少本身碳足跡的線上遊戲。這家公司服務的顧客人數,是美國最大銀行顧客數的十倍以上,員工人數卻不到十分之一。它在2018年的最近一輪融資中,估值達到1,500億美元,幾乎是全球最有價值金融服務公司摩根大通銀行(JPMorgan Chase)的一半。

螞蟻金服和傳統的銀行、投資機構及保險公司不同,它建立在一個數位核心上,營運活動的「關鍵路徑」裡沒有員工。一切都由人工智慧來運作。沒有經理核准貸款,沒有員工提供財務建議,沒有代表人員批准消費者醫療費用。傳統公司所受到的那些營運限制,螞蟻金服都沒有,因而可以用前所未見的方式競爭,並在許多不同的產業中,創造不受限的成長與影響。

這種新類型公司的出現,引領人工智慧時代來到。像螞蟻金服這類的公司,還包括Google、臉書(Facebook)、阿里巴巴和騰訊(Tencent)等巨擘,以及許多規模較小、成長迅速的企業,像是利用人工智慧的醫療影像分析公司Zebra Medical Vision、線上家具零售商Wayfair、農業科技公司Indigo Ag、英國線上超市Ocado等。每次我們使用其中一家公司的服務,都會發生同樣的奇特現象:我們得到的價值是由演算法提供的,而不是由員工、主管、流程工程師、督導或客服代表所運作的傳統商業流程來提供。微軟(Microsoft)執行長薩帝亞.納德拉(Satya Nadella)把人工智慧稱為公司的新「平台」。的確,主管和工程師設計了人工智慧和軟體,好讓演算法運作,但在這之後,系統就自行創造價值,可能是透過數位自動化來創造,或是運用公司外部由一群供應商組成的生態系統來創造價值。人工智慧在亞馬遜(Amazon)上設定價格,在Spotify上推薦歌曲,在Indigo市場上媒合買方和賣方,在螞蟻金服審核借款人的貸款資格。

排除掉傳統的限制之後,競爭規則完全改觀。隨著數位網路和演算法交織融入企業結構之中,產業開始用不同的方式運作,而且產業之間的界線變得模糊不清。這些變化並不限於創立時即是數位化(born-digital)的公司,因為較傳統的公司在面對新競爭對手的情況下,也紛紛轉而採用以人工智慧為基礎的模式。現在,沃爾瑪(Walmart)、富達(Fidelity)、漢威(Honeywell)、康卡斯特(Comcast),都廣泛利用資料、演算法和數位網路,設法說服外界它們真的能夠在這個新時代裡競爭。無論你是在領導數位新創公司,或是致力改造傳統企業,都應該要了解人工智慧對營運、策略和競爭的革命性影響。

人工智慧工廠

新型公司的核心,演算法說了算

這種新公司的核心是一個決策工廠,我們稱為「人工智慧工廠」。在Google和百度(Baidu),人工智慧工廠的軟體負責進行每日數百萬次廣告競價。人工智慧工廠的演算法,決定哪些汽車可以在滴滴出行(Didi)、Grab、Lyft、優步(Uber),提供載客服務。人工智慧工廠設定亞馬遜上的耳機和馬球衫的價格,並在沃爾瑪的某些地點,運作清潔地板的機器人。它讓富達的客服機器人得以運作,並在Zebra Medical解讀X光片。在前述每個案例中,人工智慧工廠都將決策視為一門科學。分析法有系統地將內部與外部的資料,轉化為預測、深入見解和選擇,接著由這些預測、見解和選擇來指導並自動運作工作流程。

可以驅動數位公司創造爆炸性成長的人工智慧,竟然並不很複雜。人工智慧並不需要像科幻小說描述的那樣,要會模擬人類的推理。

說來奇怪,可以驅動數位公司創造爆炸性成長的人工智慧,竟然並不很複雜。若要帶來巨大的變化,人工智慧並不需要像科幻小說描述的那樣(科幻小說描述人工智慧與人類行為並無差別,或者會模擬人類的推理,這種能力有時稱為「強人工智慧」)。你只需要一個電腦系統,它能執行傳統上由人類來處理的任務,這通常稱為「弱人工智慧」。

有了弱人工智慧,人工智慧工廠就已經足以做出一系列關鍵決策。在一些情況裡,它能管理資訊企業,例如Google和臉書。在其他情況下,它會指導公司如何打造、交付或運作實體產品,例如,亞馬遜的倉庫機器人,或是Google的自駕車服務Waymo。但在所有的情況中,數位決策工廠都會處理一些最關鍵的流程和營運決策。軟體成為企業核心,人類則移往邊陲地帶。

每個工廠都必須具備四個組成要素。第一是資料工作流data pipeline,這是一個半自動化的流程,以系統化、可持續和可擴大規模的方式,收集、清理、整合和保護資料。第二是演算法,做出有關企業未來狀態或行動的預測。第三是實驗平台,在上面測試有關新演算法的各種假設,以確保這些演算法的建議可創造想要的效果。第四是基礎設施,這些系統會把這個流程建入軟體裡,並把它連結到內部和外部使用者。

以Google或Bing之類的搜尋引擎為例,只要有人開始在搜尋框中輸入幾個字母,演算法就會根據眾多使用者曾輸入的字詞,以及這名使用者以往的搜尋動作,來動態地預測完整的搜尋詞。預測的這些字詞會列在一個下拉式選單裡(「自動提示框」),可協助這名使用者快速選定一個相關的搜尋。每一次按鍵和點擊,都會被取得當成資料點(data point),而每個資料點都會改善對未來搜尋的預測。人工智慧也會產生自動搜尋結果,這些結果是取自網路上先前匯集的索引,並根據之前對於搜尋結果所做的點擊來進行優化。那個字詞的輸入,同時也針對與使用者搜尋項目最相關的廣告,啟動自動競標,結果取決於其他實驗和學習迴路(learning loop)。點擊進入或離開搜尋問題或搜尋結果頁面,任何一次點擊都可提供有用的資料。搜尋次數愈多,預測愈正確;而預測愈正確,搜尋引擎被使用得愈多。

規模、範疇、學習不受限

以數位為核心的公司打垮傳統組織

至少從工業革命以來,規模一直是企業營運的核心概念。傑出的阿爾弗雷德.錢德勒(Alfred Chandler)曾描述現代的工業公司,如何以低得多的單位成本,達到前所未有的生產水準,因而為大企業帶來優於較小型對手的一個重要優勢。他還強調,企業若有能力擴大生產範疇或品項,就能從中獲益。推動改善和創新,增加了對企業的第三項要求:學習。規模、範疇、學習,已開始被視為企業營運績效的必要驅動力。長期以來,促成這三者的是精心界定的營運流程,這些流程是由員工和主管提供產品與服務給顧客,而傳統的資訊科技系統強化了這些流程。

這種工業模式歷經數百年的逐步改善之後,現在,數位公司正在徹底改變規模、範疇、學習的典範。人工智慧驅動的流程,能夠比傳統流程更加快速地擴大規模、擴展更大得多的範疇,因為它們輕易就能和其他數位企業連結,並創造難以置信的強大機會以進行學習和改善,例如,有能力產生比過去更加準確和精密的顧客行為模型,然後據以為顧客量身打造服務。

在傳統營運模式中,規模免不了會達到報酬開始遞減的時刻。但在人工智慧驅動的模式中,我們不一定會看到這種情況,規模報酬(return on scale)可持續攀升到未曾聽聞的程度(見表:「人工智慧驅動的公司如何勝過傳統公司」)。試想,如果一家人工智慧驅動的公司和一家傳統公司競爭,為相同的顧客,提供相似(或更好)的價值主張,以及一個可大幅擴大規模的營運模式,會發生什麼事?

人工智慧驅動的公司如何勝過傳統公司

我們把這種對抗局面稱為「對撞」(collision)。學習和網路效應擴大了數量對價值創造的影響,因此建立在數位核心上的公司,可能會打垮傳統組織。設想一下,當亞馬遜對上傳統零售商、螞蟻金服對上傳統銀行、滴滴出行與優步對上傳統計程車服務,這種對撞產生了什麼結果。就像克雷頓.克里斯汀生(Clayton Christensen)、麥可.雷諾(Michael Raynor)、羅立.麥當勞(Rory McDonald)在〈什麼才是破壞式創新?〉(“What Is Disruptive Innovation?” HBR, December 2015;全球繁體中文版同步刊登)中指出的,這種競爭性顛覆不符合破壞模式。造成對撞的原因,並不是技術或商業模式中的某項特定創新,而是因為出現完全不同類型公司所造成的結果。這些公司可能從根本上改變了產業,並重新塑造競爭優勢的本質。

要注意的是,人工智慧驅動的營運模式,可能得花很長時間,才能創造出可媲美傳統營運模式大規模產出的經濟價值。網路效應在達到關鍵多數(critical mass)之前,創造的價值很少,而且,大多數新應用的演算法,在獲得足夠的資料之前,都遭受「冷啟動」(cold start)之苦((編按:冷啟動是指系統尚未取得足夠資料以做出可靠的推論或推薦)。螞蟻金服成長迅速,但它的核心支付服務「支付寶」,是阿里巴巴在2004年推出的,歷經多年才達到目前的數量。這說明了為什麼安穩使用傳統模式的高階主管,起初都難以相信數位模式會有追趕上來的一天。可是數位營運模式一旦真的發展起來,就會提供更優異得多的的價值,並快速超越傳統公司。

人工智慧驅動的公司與傳統公司之間的對撞,正出現在許多產業裡:軟體、金融服務、零售、電信、媒體、健康照護、汽車,甚至農企業(agribusiness)。我們很難想到有什麼企業,沒有面臨迫切需求必須要把營運模式數位化,因應這些新威脅。

重建傳統企業

要和數位對手競爭,必須改頭換面

對傳統企業的領導人來說,與數位對手的競爭,不僅包括部署企業軟體、建立資料工作流、了解演算法和進行實驗。這些都需要重新建構公司的組織和營運模式。長久以來,公司一直是透過更大程度的聚焦與專精化,來優化規模、範疇和學習,這導致現今的絕大多數企業,都擁有各部門壁壘分明的結構。好幾代的資訊科技,並沒有改變這種模式。數十年來,資訊科技一直被用於強化特定部門和組織單位的績效。傳統的企業系統,甚至常會強化各部門和各產品之間壁壘分明與切割的情形。

然而,壁壘分明的部門,是人工智慧驅動的成長之敵。像是Google 的廣告、螞蟻金服的網路銀行MyBank之類的事業,刻意不採用那種壁壘分明的做法,而是設計成可善用一個整合的資料核心,以及統一且一致的代碼庫。當公司中的每一個部門,都擁有自己的資料和代碼時,內部開發就會零碎分散,幾乎不可能在部門之間建立連結,也難以和外部企業網路或生態系統建立連結。而且幾乎不可能全方位地了解顧客,這種對顧客的完整了解內容是取自每一個部門與職能單位,同時也能供每一個部門與職能單位使用。因此,公司在建立新的數位核心時,應避免深度切割劃分它的組織結構。

雖然轉換為人工智慧驅動模式的過程充滿挑戰,但許多傳統公司已開始進行這種變革(我們已和其中一些公司合作)。我們最近做的一項研究,檢視了服務業和製造業中超過350家傳統企業,結果發現大多數企業已開始在組織內部加強資料與分析。諾斯壯百貨(Nordstrom)、沃達豐(Vodafone)、康卡斯特、威士卡(Visa)等許多公司,已經有了重要進展,重新設計營運模式的關鍵組成元素,並將它們數位化,而且開發精密複雜的資料平台和培養人工智慧能力。你不必是軟體新創公司,也能把業務關鍵要素數位化,但你的確必須面對各部門壁壘分明的局面,以及零碎分散的舊系統,還必須添加多種能力,並重新打造企業文化(想知道推動這種轉型的關鍵原則,見邊欄:「將人工智慧置於企業核心」)。

富達投資集團(Fidelity Investments)正在使用人工智慧,來推動重要領域的流程,包括顧客服務、顧客見解和投資建議。富達的人工智慧計畫是以多年的努力為基礎,這些做法要把資料資產整合為一個數位核心,並根據這個核心重新設計整個組織。這項工作尚未大功告成,但在整個公司的許多高價值使用案例中,人工智慧的影響已明顯可見。為了和亞馬遜競爭,沃爾瑪正以人工智慧為核心來重建營運模式,並用一個以雲端為基礎的整合架構,取代傳統壁壘分明的多個企業軟體系統。這可讓沃爾瑪在各種功能強大的新應用軟體中,使用自家獨一無二的資料資產,並透過人工智慧和分析法,自動化或強化愈來愈多營運工作。在微軟,執行長納德拉把公司的未來,押注在營運模式的全盤轉型。(見邊欄:「微軟的人工智慧轉型」。)

重新考慮策略與能力

汽車不再是汽車,而是高度連結的服務

隨著以人工智慧為動力的公司與傳統企業對撞,競爭優勢的定義逐漸改變為:塑造和控制數位網路的能力。〔見〈有些平台勝出,有些平台卻…〉(“Why Some Platforms Thrive and Others Don't,” HBR, January-February 2019;全球繁體中文版刊登於2019年1月號)〕。組織若是擅長連結各項事業、彙總這些事業之間流動的資料,並透過分析和人工智慧來擷取資料的價值,將會占上風。傳統的網路效應和人工智慧驅動的學習曲線,將會彼此強化,使兩者的影響力大為增加。你可以在Google、臉書、騰訊和阿里巴巴這類公司中看到這種動態發展;這些公司透過許多網路連結來累積資料,並打造必要的演算法,來增強在不同產業的競爭優勢,因而成為強大的「樞紐」(hub)公司。

同時,聚焦在傳統產業分析的傳統策略方法,變得愈來愈無效。以汽車公司為例,他們面臨從優步到Waymo等多種新的數位威脅,每個威脅都來自傳統產業界限之外。但汽車業高階主管若是突破傳統產業環境脈絡來思考汽車,把它想成一種高度連結、人工智慧促成的服務,就不僅能捍衛自我,還能透過地方商業機會、廣告、新聞和娛樂動態消息、以位置為基礎的服務等,來獲得新價值。

從前高階主管獲得的建議,是堅守他們了解的生意,從事他們了解的產業。但演算法和資料流(data flow)當中的綜效,並不遵守產業界限。無法跨越那些界限來善用顧客和資料的組織,可能會處於很大的劣勢。企業策略必須轉移焦點,從聚焦在產業分析和公司內部資源的管理,轉為聚焦在公司跨產業建立的連結,以及公司所使用網路中的資料流。

這一切,都對組織和組織內的員工有重大意義。機器學習將改變幾乎每一項職務的性質,不論職業、收入水準或專精領域。毫無疑問,以人工智慧為基礎的營運模式,會迫使許多人失去工作。好幾項研究顯示,目前的工作活動中,可能有半數會被人工智慧促成的系統所取代。我們應該不會對這個情況感到驚訝。畢竟長期以來,營運模式的設計一直都是要讓許多工作變得可預測、可重複進行。例如,在結帳時掃描產品、製作拿鐵和消除疝氣的流程,都因標準化而受益,無需太多的人類創意。雖然人工智慧的改善,將讓許多職務變得更豐富,並產生各種有趣的機會,但似乎不可避免的是,它們也會導致許多職業的人失業。   這些失業情況不僅包括工作被取代,也包括傳統能力遭到削弱。在幾乎每種環境下,人工智慧驅動的公司都與高度專精化的組織正面競爭。在人工智慧驅動的世界,競爭的必要條件與專精化的關係較小,更重要的是在資料取得、處理、分析、演算法開發等方面的一整套通用能力。這些新的通用能力正在重塑策略、事業設計,甚至領導力。目前,很多不同的數位和網路企業的策略,看起來都很相似,而營運績效的驅動因素也很相似。產業專業知識已變得較不重要。優步之前在尋找新的執行長時,董事會聘雇了一位曾經營過數位公司Expedia的人,而不是經營過豪華轎車服務公司的人。

我們正在從各個產業的核心能力都不相同的時代,轉向一個由資料與分析法塑造、由演算法驅動的時代,而這一切運作的主機都建置在雲端服務之中,任何人都可以使用。正因如此,阿里巴巴與亞馬遜能夠在極為不同的產業裡競爭,像是零售與金融服務、健康照護與信用評等。這些產業領域現在有許多類似的技術基礎,並採用相同的方法與工具。策略也在轉變,從傳統上以成本、品質、品牌資產和專精化的垂直領域專長為基礎的差異化,轉向不同的優勢,例如企業網路位置、獨特資料的累積、複雜分析法的部署等。

領導力大挑戰

未經檢查驗證,風險超大且難以管理

移除營運限制雖然可以創造大幅成長,但不一定是好事。無摩擦的系統容易變得不穩定,而且,一旦開始運作就很難停止。想想無剎車的汽車,或是無法減速的滑雪者。數位訊號(例如網路上瘋狂流行的某個事物)可在網路中迅速傳播,幾乎無法停止,即使是最初啟動它的組織,或是控制網路中關鍵樞紐的實體,也無法制止它。在沒有摩擦的情況下,煽動暴力的影片、虛假或操縱性的標題,都可能迅速傳播給多種不同網路上的數十億人,甚至可以使圖像變形以優化人們的點擊和下載。如果你有訊息要發送,人工智慧提供一種絕佳方式來發送給大量人員,並能針對那些人以個人化方式製作那個訊息。但是,行銷人員的天堂可能是一般人的噩夢。

數位營運模式可能讓危害與價值並存。即使意圖是正面的,潛在的負面影響也可能很大。一個錯誤,就可能使大型數位網路遭到毀滅性的網路攻擊。演算法如果不受節制,可能會造成大規模的偏見和錯誤訊息。各種風險可能擴大規模。想想看,數位銀行正以空前未見的方式,彙集消費者的存款。螞蟻金服目前經營全球規模數一數二的貨幣市場基金,數億名中國消費者把存款託付給它。其中的風險極大,尤其它是一個未經驗證的機構。

數位的規模、範疇和學習,帶來了一系列新挑戰,不僅有隱私和網路安全問題,還包括因市場集中、失業、不平等加劇而造成的社會動盪。負責監督企業的機構,例如法規監管機關,正吃力地想要跟上所有的快速變化。

在人工智慧驅動的世界,一旦確定某個產品適合市場需要,使用者數量、投入程度和營收都可能一飛沖天。但愈來愈明顯的情況是,無節制的成長會有危險。採用數位營運模式的企業擁有巨大潛力,但必須明確考量它們造成廣泛傷害的能力。順利應對這些機會和威脅,將是對企業和公共機構領導人的重大考驗。

★將人工智慧置於企業核心

從傳統公司轉變成由人工智慧驅動的組織,不可能由一個特殊任務小組來完成,也不能靠一些獨立的自主團隊來帶領。這種轉變需要整體一起努力。在我們的研究,以及我們與多家公司的合作中,我們擬出五項原則來引導轉型 (超出領導變革的常見最佳實務):

一個策略。

若要重新建構公司的營運模式,就必須在整合了資料、分析和軟體的新基礎上,重新打造每個事業單位。這項深具挑戰性的耗時工作,需要有個焦點,以及一個由上而下交辦的一致任務,來協調和激發許多由下而上的行動。

一個明確的架構。

一個以資料、分析和人工智慧為基礎的新方法,需要某種程度的集中化,以及高度的一致性。資料資產應跨越各個應用軟體而整合起來,以極大化它們的影響。零散的資料幾乎不可能一直受到保護,尤其在考慮到隱私和安全方面時,更是如此。如果資料並非全部保存在集中的儲存庫中,那麼組織必須至少擁有一個正確的目錄,列出資料的儲存位置、明確的用途指引(與保護這些資料的方式),以及有關何時和如何儲存這些資料的標準,以便讓多方可以一再使用這些資料。

一些合適的能力。

打造一個由軟體、資料科學和先進分析能力所構成的基礎,雖然需要耗費很多時間,但少數積極進取、知識淵博的人才,就能完成很多工作。不過,許多組織不了解有必要有系統地聘用一種非常不同的人才,並為這些員工制訂職涯路徑和激勵制度。

一個敏捷的「產品」焦點。

建立一個以人工智慧為中心的營運模式,重點在於把傳統流程轉化為軟體。培養以產品為中心的思維,是完成這項任務的關鍵。像任何世界級軟體開發專案中的產品經理一樣,部署以人工智慧為中心的應用軟體的資訊科技團隊,應該深入了解他們促成運作的使用案例,也就是採取產品管理導向的方法,這遠遠超出傳統資訊科技部門採用的方法。資訊科技部門過去的主要任務,是維持舊系統正常運作、進行軟體更新、防止遭到網路攻擊,並提供技術支援服務。開發營運模式軟體,是截然不同的工作。

多領域的治理。

數位資產的治理,已變得日益重要且複雜,需要不同領域和職能進行深思熟慮的協同合作。資料隱私、演算法偏見和網路安全的挑戰,正在增加風險,甚至增加政府的干預和監管。治理部門應整合法務和公司事務職能,甚至可能要參與產品和技術的決策。人工智慧必須深入思考法律和道德的挑戰,包括仔細考慮應該(和不應該)儲存和保有哪些資料。

★微軟的人工智慧轉型

微軟進行多年的研究之後,才轉型為由人工智慧驅動的公司,但在重新安排了內部資訊科技和資料資產以後(這兩者在過去一直是分散在各營運單位之中),轉型才得以快速進展。領導推動這項工作的是曾領導負責Office軟體業務的柯特.德爾本(Kurt DelBene),他後來離職去協助整頓美國政府的健保入口網站HealthCare.gov,然後在2015年返回微軟任職。

微軟執行長薩帝亞.納德拉選擇一個有產品經驗的人去負責資訊科技部門,並建立「人工智慧工廠」,作為微軟新營運模式的基礎,這是有原因的。「我們的產品就是流程,」德爾本告訴我們:「首先,我們要闡明我們所支援的系統和流程具備什麼願景。其次,我們會像產品開發團隊一樣運作,而且會採取敏捷法。」為了加強他的團隊朝這個方向發展,他引進從產品部門精心挑選的領導人和工程師。

如今,核心工程(Core Engineering,這是資訊科技部門目前的名稱)成為微軟自身轉型做法的展示櫥窗。由於這個團隊的努力,以前各單位各自執行的許多傳統流程,得以透過微軟Azure雲端平台上一個一致的軟體庫來運作。此外,這個團隊正在推動建立全公司通用的一個資料架構。這個以人工智慧為基礎的新營運平台,把公司這個龐大的組織,連結到一個共享的軟體元件庫、演算法儲存庫和資料目錄,全都可用來在各個不同的業務線裡,快速建立和部署數位流程。

人工智慧除了可以提高生產力和可擴充性,還有助於防止出現問題。「我們運用人工智慧,來了解事物何時開始以意想不到的方式運作,」德爾本說:「以往我們能做的最好處理,就是盡快作出反應。現在,我們可以搶占先機,預先防範不良合約和網路資料外洩等許多問題。」

本文觀念精粹

市場變動

我們正目睹一種新類型的公司出現,在這類公司當中,人工智慧是創造與提供價值的主要來源。

挑戰

人工智慧驅動的營運模式,目前模糊掉了區分產業的界限,並顛覆了商業競爭的規則。

重點

對數位新創公司和傳統公司都很重要的是,應了解人工智慧對於營運、策略和競爭所產生的革命性衝擊。

(侯秀琴譯自“Competing in the Age of 人工智慧,” HBR, January-February 2020)



馬可.顏西提

馬可.顏西提 Marco Iansiti

哈佛大學商學院企管講座教授,領導技術和營運管理小組,以及數位計畫。他曾為許多科技公司提供顧問服務,包括微軟、臉書和亞馬遜等。兩人合著有《人工智慧時代大競爭》(Competing in the Age of AI, HBR Press, 2020)。


卡林.拉哈尼

卡林.拉哈尼 Karim R. Lakhani

哈佛商學院企管講座教授與研究員,也是哈佛大學創新科學實驗室(Laboratory for Innovation Science)創辦人兼主任。兩人合著有《人工智慧時代大競爭》(Competing in the Age of AI, HBR Press, 2020)。


本篇文章主題技術