訂閱雜誌
  • 我要訂閱
  • 推薦關鍵字:
    內容分類
    熱門主題
    • 所有主題
    訂戶限定
    我的帳戶
    • 登入
首頁
   選單   
  1. 首頁
  2. 主題分類
  3. 演算法

演算法

追踨主題

 

推薦閱讀

呼應社會期待,將數位責任放進你的組織

  • 科技與分析
  • 數位版文章
  • 橫井朋子拉薩洛斯.古塔斯麥克.韋德尼可拉斯.蒼恩妮妮安娜.珮芙根
  • 分享
  • 2023/05/09

生成式AI是客服人員的好幫手,而非替代者

  • 科技與分析
  • 數位版文章
  • 保羅.道格提詹姆士.威爾遜卡西克.納連
  • 分享
  • 2023/06/05
瀏覽所有主題

生成式AI是客服人員的好幫手,而非替代者

  • 科技與分析
  • 數位版文章
  • 保羅.道格提詹姆士.威爾遜卡西克.納連

ChatGPT這類生成式AI給各行各業都帶來意想不到的影響,有些領導人會盡可能減少人類執行的工作,有些則是保守觀望,而最好的做法是立即採取策略性的行動。對許多產業來說都很重要的顧客服務就是很好的案例,可以說明我們應該如何重新調整工作內容。

  • 分享
  • 2023/06/05

呼應社會期待,將數位責任放進你的組織

  • 科技與分析
  • 數位版文章
  • 橫井朋子拉薩洛斯.古塔斯麥克.韋德尼可拉斯.蒼恩妮妮安娜.珮芙根

數位科技如人工智慧與演算法,可以為企業帶來莫大的商機,但也可能造成社會問題。企業該如何負責任地使用數位科技?該如何平衡商業利益與社會責任?本文提供四個具體的實務做法。 

  • 分享
  • 2023/05/09

不確定時期的創新:2022年給我們的5個教訓

  • 創新
  • 數位版文章
  • 克利斯.霍華德

2022年是不確定的一年,經濟動盪、勞動力衰退、氣候變遷、網路威脅、新科技狂熱等等,都讓企業面臨鉅變,有的甚至失敗收場。企業要從這些不確定性學到哪些教訓,經理人要掌握哪些重點才能創新,為組織創造商機?本文帶你來看看。

  • 分享
  • 2023/01/12

當量子運算走進現實,你有準備嗎?

  • 數位轉型
  • 數位版文章
  • 安德魯.施皮洛納桑.弗爾

雖然量子電腦的運作,如今還只能存在於實驗室中,但距離走進主流市場,已是指日可待。在此之前,企業如何因應這項技術可能帶來的破壞?我們回顧過往重大技術轉變的前例,發現在新舊技術混合的過渡時期,企業會運用結合新與舊的解決方案,在今天的現實和明天的潛力之間架起一座橋梁。資訊技術公司印福思(Infosys)就已經開始嘗試這種混合策略,讓我們看看它是怎麼做的。

  • 分享
  • 2022/05/19

AI能提高這三大領域的競爭優勢

  • 演算法
  • 數位版文章
  • 希安.湯森

關於使用人工智慧,問題不再是應否使用人工智慧,而是運用在哪裡,可以帶來最大的競爭優勢。有三個領域的人工智慧,從「擁有也不錯、沒有也無妨」的技術,轉變為「必須擁有」的技術,即:改善預測、提高效率、優化產品即時定價或存貨控制。比起那些仍保守地猶豫是否要運用人工智慧達成這些目的的競爭對手,這類公司會走得更快且更遠。

  • 分享
  • 2022/03/03

管理AI系統,你需要做出「關於決策的決策」

  • 科技與分析
  • 數位版文章
  • 麥克.羅斯詹姆斯.泰勒

由AI推動的精細決定,稱做「微決策」。鑒於AI愈發融入公司的營運決策系統,身為人類的經理人,比起傳統的「做決策」,現在更需要做出「關於決策的決策」,也就是人類該如何與AI搭配,進行各種工作層面的決策。本文介紹四種架構,將幫助你確定,人類該何時介入,以及如何介入。

  • 分享
  • 2022/01/14

別讓演算法決定你的人生

  • 分析與數據科學
  • 數位版文章
  • 劉曦曼烏代.阿卡拉

我們被人看見的能力,日益由編碼和邏輯構成的演算法所控制,而撰寫程式的,是很容易犯錯的人類。另外,決定和控制這類程式運算結果的,往往是黑盒子。長期下來,這類演算法將限制我們可看到的內容,進而強化社會偏見。隨著人工智慧觸及的範圍擴大,這類風險只會愈來愈高。

  • 分享
  • 2019/12/17

你的演算法是否捍衛了公平標準?

  • 商業道德
  • 數位版文章
  • 李天惠

如果演算法並未支持你對公平性設下的標準,會發生什麼情況?本文提到發生在亞馬遜公司的狀況,以及ProPublica一篇有關機器偏見的文章,並得出結論:公司領導人必須對衡量公平性進行自我教育,以便決定如何為組織定義公平性。這也意味著,應該要把所選的公平性衡量標準納入關鍵績效指標,搭配傳統的業務衡量標準一起使用。

  • 分享
  • 2019/12/05

別讓演算法被偏誤擾亂

  • 風險管理
  • 數位版文章
  • 李天惠

Google、亞馬遜、微軟與臉書,仍未找出解決之道。

  • 分享
  • 2019/06/10

資料科學無法分析一切》演算法還不能擔當招募大任

  • 科技與分析
  • 紙本文章
  • 彼得.卡裴利

招募方面的最新發展看來既有前景,也令人擔憂。

  • 分享
  • 2019年6月號-大數據辦不到的精準招募

人類快被超越?加速中的人工智慧

  • 科技與分析
  • 數位版文章
  • 許志義

人工智慧的強大之處,即是透過蒐集的大數據,加上演算法運算能力、領域專業知識的know-how,進行自我診斷、學習,再自我進化。

  • 分享
  • 2017/07/27

熱門主題

自我管理


MANAGING YOURSELF

追踨主題

公私部門合作


PUBLIC-PRIVATE PARTNERSHIPS

追踨主題

領導


LEADERSHIP

追踨主題
哈佛商業論
  • 登入

收藏至

  • 新增資料夾
查看個人圖書館

分享""

URL
  • Facebook
  • Twitter
  • LinkedIn
  • Line

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。