巴布森商學院(Babson College)院長特聘資訊科技傑出教授(President's Distinguished Professor of Information Technology),科技與創業系主任,麻省理工學院數位經濟計畫(MIT Initiative on the Digital Economy)訪問學者,德勤(Deloitte)數據暨數據分析長學程資深顧問。
IT領域的專案,無論是走傳統瀑布式,或如今當道的敏捷式,失敗率都偏高;癥結在專案團隊常為臨時設置,在成果交付後旋即解散。若想提升IT產品的成功率,企業應轉向數位產品模式,以常設的跨職能團隊,支持產品與時俱進。
讓員工各自使用生成式AI草擬Email、腦力激盪……或許能帶來零散效率的提升,但缺乏結構與量測的整體布局,難帶動全公司成果。要把AI變成可衡量的商業價值,領導人需轉向企業級部署:整備非結構化數據與數據流,建立業務與開發團隊的協作與評估框架,並為代理式AI鋪路。
當前AI計畫推出不歇,卻還是很難藉其創造出可觀的營收、效率及創新,根本原因在於缺乏有效協調。若想大幅提升AI的價值,企業應設置一個整合的數據、分析和AI長,賦予明確職責與適當的組織定位。
小蝦米如何擊敗大鯨魚?新創公司雖然規模小,若能妥善運用AI,也有機會與大公司一較高下,甚至成功擴大公司規模。本文提供一套架構,指引雄心勃勃的創業者如何採用AI,讓自己的新事業如虎添翼。
私募股權公司向來講求在短期內提升被投資企業價值,如今也積極導入AI加速這一進程。然而,AI投資要帶來實質回報,絕非靠熱情或科技潮流即可達成。本文深入剖析私募股權公司如何透過完善的盡職調查、流程建構與用例驗證,打造可複製的AI應用模式,穩定創造營運成效與退出價值。企業亦可借鏡這套方法,善用AI驅動轉型。
企業導入生成式AI,若只仰賴通用模型與外部內容,難以獲得實質報酬。「檢索增強生成」(RAG)是目前最有效整合自家專有知識與大型語言模型的做法,前提是非結構化數據具備足夠品質。本文說明企業該如何準備、清理、評估與維護這類內容,讓AI真正解決業務疑問、發揮價值。
生成式AI成為行銷助力,從撰寫產品文案、到預測顧客反應,都表現不俗,但導入過程中卻面臨實際挑戰。若想有效利用生成式AI,須先釐清三大核心決策:選擇生成式還是分析型AI?輸入資料應客製化還是採用通用型?交付前是否需要人工審核?再輔以一套四象限架構,行銷團隊可評估AI工具與策略的取捨,善用AI創新,同時穩控風險。
許多企業想要投資生成式AI,但有觀察者質疑這麼做是否划算。其實關鍵不在技術,而在缺乏讓AI產生經濟價值的能力。若想真正看到回報,先得打好六大基礎:行為改變、要有對照實驗、衡量商業價值、做好數據管理、培育人才、系統化思考。只有具備這些能力,並讓AI專案貼合企業的目的,才能讓生成式AI成為競爭力,而非消失的成本。
為提供您更多優質的內容,本網站使用cookies分析技術。若繼續閱覽本網站內容,即表示您同意我們使用 cookies,關於更多 cookies 資訊請閱讀我們的隱私權政策。