台灣位處全球科技供應鏈的核心，然而，即使是技術最先進的企業，也和全球其他公司有著同樣的疑問：我們要如何將人工智慧（AI）轉化為實質的競爭優勢？我最近在由我同事撰寫的《麥肯錫教企業這樣用AI數位轉型 》找到了令人信服的答案。
由管理層、業務單位主導轉型，人類角色移往價值鏈上游
作者群分析了數百個大規模技術與 AI 轉型的案例，我將他們的洞見彙整如下：
1. 持久的能力才是關鍵： 運用 AI 致勝的第一波贏家，和傳統的領先企業是同一批公司：這類組織能有效運用任何技術的基本能力。用什麼技術不那麼重要，關鍵在於組織是否有能力妥善部署，並持續跟進。
2. 鎖定關鍵槓桿（economic leverage points）: 每個商業模式都有幾個領域AI能產生顯著成效。以汽車業為例，供應鏈整合即為關鍵槓桿。成功的企業會識別這些領域並集中資源投入，而非將精力分散，深度比廣度來得重要。
4. 若無法推動業務成長，就是錯： 書中研究的領先企業，透過 AI 驅動轉型平均實現了20% 的 EBITDA 提升，每投入 1 元可獲得 3 元的回報。他們把重心放在 1～3 個核心業務領域徹底改造。試點如果無法大規模推廣，就不能視為策略。
5. 資深業務主管主導： 沒有一個成功案例是由 IT 部門主導轉型的。相反地，是由業務主管（通常是CEO以下1～3個職級的主管）負責 AI 議程：包括設定方向、引導解決方案開發，並對結果負責。提升這些領導人的技術與 AI 素養，如今已是當務之急。
平台與數據都是策略資產，必須易用、易得、易規模化
6. 技術轉型就是人才轉型： 領先企業紛紛轉向內部培養人才，重視人員的「創建性」而非「協調性」能力。隨著 AI 代理接手日常任務，人類的角色將移往價值鏈的上端：工程師負責系統設計與架構，業務領導人負責設定策略與權衡取捨。
7. 速度是決定性的優勢： 優勝企業將人才內化到業務單位、重複使用平台資源，並縮短從分析動見到決策、再到行動的時間。組織的「代謝率」（metabolic rate）即公司從察覺到變化、做出決定再到採取行動的速度，本身就是一種競爭優勢。缺乏速度，大規模的 AI 應用便不可能實現。
8. 平台是策略資產： 技術平台決定了執行速度、資源重用率，並能確保 AI 在負責任的前提下實現規模化。領先企業管理平台的方式與管理業務部門相同：配備專門團隊、發展藍圖、預算，並由明確的使用者需求來決定平台的發展。
9. 讓數據易於使用： 數據仍是最大的瓶頸，解決之道是將數據「產品化」，也就是讓數據找得到、拿得到、且用得到，並隨時間不斷擴充優化，以維持 AI 的性能。數據是業務部門擁有的績效資產，而不是 IT 問題。
10. 為易於採用而設計，為規模化而建造： AI 唯有被實際使用並推廣至各個市場、工廠與產品線，才能創造價值。即使AI能預測設備故障，若維修排程不回應這個用例便毫無意義。
11. 沒有信任，就沒有部署的權利： 數位信任必須透過數據保護、網路安全、透明的 AI 實務以及負責任的部署才建立得起來。隨著代理式 AI 的擴張，相關風險變得更為複雜。
12. 掌握代理式 AI 技術： 代理式 AI 正在重塑軟體開發領域，且很快也將改變其他領域。領先企業也開始建立自己的作法：收集非結構化數據、為平台擴增代理能力，並自動化各項控制機制。
13. 持續學習，從高層做起： 技能的半衰期正在縮短。帶領領導團隊系統性學習 AI，讓他們真心相信 AI 帶來的機會與轉型路徑，是CEO效益最高的行動之一。當每位 C級主管不僅了解 AI 能做什麼，還清楚自己應扮演的角色時，轉型才會真正加速。
書中強調， AI 轉型並非一個有起訖日期的IT專案，而是一場「能力建設」的持久戰。當各項能力相互疊加，領先者與落後者之間的差距將呈指數級擴大。這正是為什麼許多組織即便已加速，仍感到落後的原因：因為基準點本身正在移動。台灣企業在摸索著AI承諾的遠景與帶來的壓力，我們是要建立能產生加乘效應的持久能力，還是仍在觀望情勢發展？已經脫穎而出的公司，從不等待。
