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。
數位技術進步飛速，製造商現在能「更快」在「更接近」顧客的地點提供產品與服務，這種空間與時間的接近，就是「鄰近性」（proximity）。再加上AI、3D列印、物聯網加持，先接單再生產的模式指日可待。面對這些趨勢與新技術，企業如何做出明智的策略選擇？本文先說明推動「鄰近性」的四大變革趨勢，再提出企業可以採取的四步驟。
愈來愈多公司使用AI聊天機器人與顧客互動，但結果往往不甚理想。許多消費者還是更喜歡和真人溝通。專家認為，問題不是出在技術，而是沒有掌握顧客心理。
生成式AI威力強大，但也潛藏不少風險。企業在引進生成式AI時，必須妥善評估風險。但問題是：怎麼做？Adobe負責AI倫理的主管現身說法，介紹Adobe評估風險時所依循的4大原則。
生成式AI仍處於早期階段，但對線上就業市場造成的衝擊已經開始浮現。來自倫敦帝國學院商學院的專家分析超過100萬名線上工作職缺，以了解ChatGPT和圖像生成式AI等工具的問世，對線上職缺的數量、工作要求和薪資有何影響，以及哪些領域和職業受到的影響最大，還有企業該如何因應這種新氣象。
為何AI導入後，仍無法提升團隊效率？本文以一家《財星》500大企業為例，揭示通用型AI難以貼合實務流程的原因，並提出解方：「工作圖譜」與「逆向機械式在地化」（RML），協助AI學習實際脈絡、提升契合度。這種量身打造的方式，讓AI真正發揮助力，提升準確性與產出效率，並帶來更高的投資報酬。
生成式AI常會出現各種幻覺以及大量不一定有用的建議。亞馬遜的Catalog AI系統雖然可以自動生成商品頁，以及相關的商品標題、圖片、說明等，也苦於這些難解的問題。亞馬遜後來採取哪些步驟，不但確保AI生成的品質，還能大規模測試各項微調的效果，本文有精彩的說明。
許多行銷人員都在努力推銷自家的AI產品，但往往沒有思考一個問題：萬一AI失靈，該如何是好？本文認為，行銷人員要先了解消費者對AI採取的5種態度，才能預先為AI失靈做好準備，減少它對品牌的傷害。
生成式AI導入企業之後，究竟對中階經理人的職位造成什麼影響？研究發現，生成式AI不會完全取代中階經理人，但會減少他們的數量，也會減少他們大量的管理工作，改成更有價值的工作。那麼，企業要如何達成這種扁平化的組織結構，本文提供兩項重要的思考。
談到推動AI轉型，你會先問「這項技術有什麼用」，還是「這項技術如何幫助我們實現使命」？這其中暗藏成功與否的關鍵。2024年的研究指出，僅有26％的企業成功開發出可用的AI產品，只有4％真正獲得顯著投資報酬。如果不想成為失敗的大多數，企業可用「OPEN架構」與「CARE 架構」，兼顧創新機會與風險管控，真正推動有價值的AI轉型。
從基層到高層，企業裡愈來愈多人期待生成式AI成為提升效率與創新的利器。但當「人+AI」成為新顯學，我們是否真正理解該如何與AI共事？本期「哈佛新思維」聚焦人機協作，精選5篇文章，從工作實踐到組織策略，帶您掌握關鍵觀念，打造AI時代的人才與競爭力。
Collaboration and teams
PUBLIC-PRIVATE PARTNERSHIPS
LEADERSHIP
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。
