即使疫情結束，全球供應鏈收到的影響仍未完全恢復，尤其是企業從「及時庫存管理」（just-in-time inventory management）轉向「以防萬一庫存管理」（just-in-case inventory management），導致市場波動。領導者在進行供應鏈管理時，可考慮利用科技來建立更靈活、動態的連結和現代化平台，以應對不確定性和提高效率。
AI不僅改變了我們的工作，也重新定義了工作，企業在人才管理上也必須做出因應，才能恰當地進行人才管理，從而取得商業成功。LinkedIn執行長指出，我們可以聚焦在3大轉變上：將工作重新定義為技能與任務的組合、重視技能與員工學習、接納AI並專注在人的合作。
生成式AI的崛起，逐漸讓許多新企業的營運建立在相同的技術基礎之上，這導致差異化難以實現。我們分析未來可預見的3個趨勢，並及早提出對應之策：企業將仰賴商業模式來取得成功、主流產品的同質性將變得更高、運用AI的工作者將有高流動率。
從2022到2023年，數據外洩事件增加了20％。麻省理工史隆管理學院資訊科技講座教授史都華．麥尼克（Stuart Madnick）專攻網路安全，他研究之後發現，數據外洩激增的原因有三：雲端組態錯誤（misconfiguration）、新型勒索軟體攻擊、利用供應商系統的漏洞；並提出相應的解決之道。
企業為了改善營運而部署機器學習，但往往遭遇挫折。究其原因，在於企業關注科技遠多於關注如何部署科技。本文建議把焦點移回部署，並提出一套bizML方法，以6大步驟引導企業一步步規畫，為改善營運做出最好的準備。
不論是車廠或機器設備製造廠，直到最近才意識到光是製造實體產品不足以取得競爭優勢。它們必須制定一套融合策略，將實體產品與數位科技合而為一，從數據與見解獲取最大價值。本文說明融合策略的4大類型，並以實例介紹具體的執行方法。
大部分的知識型工作者都面臨「數位債務」：被高速流入的數位資訊和隨時在線的通訊所淹沒，工作中積壓未處理的資訊在不斷增加。生成式AI可以協助我們改善這個問題，尤其是對於知識型工作者來說，生成式AI特別可以在3個方面發揮助益：減輕認知負荷、提振認知能力、改善學習。
人工智慧很有可能顛覆我們現有的經濟。公司的董事會當然必須審慎加以因應。一個比較好的做法是，董事會透過仔細研究各種可能情境，來預測未來並制定適當的策略。
