【書摘】Local Motors打造汽車業的維基型組織|數位時代 BusinessNext

剛從伊拉克戰爭中退役的海軍陸戰隊員傑伊．羅傑斯（Jay Rogers）最近重返戰場，不過這一回，他的使命不是進入他國領土，也不必穿上軍裝。這一次，他要挑戰的是總令人失望、靠著大筆納稅人的紓困金才得以存活的工業時代汽車業僵化科層體制。

在羅傑斯看來，底特律汽車製造業者沒有能力從耗用汽油的汽車製造商，轉變為世界一流的環保運輸工具製造者，正是他和同袍必須上戰場以取得伊拉克沙漠油源的原因之一。所以，他立志創設一家革命性的汽車製造公司「Local Motors」，使命就是矯正這個問題。

協力創新邁入新境界

當羅傑斯在沙漠上冒著生命危險時，底特律的汽車業正瀕臨瓦解。然而，這些汽車製造公司的執行長似乎對此不以為意，仍然搭乘私人飛機飛來飛去，繼續領取巨額分紅和福利津貼。他們的傲慢過分到令羅傑斯相信，美國該打的仗應該在國內，而非在伊拉克；美國腐蝕衰敗的製造業根基，以及自大蕭條以來最嚴重的經濟衰退，已經導致數百萬美國人陷入貧窮。

羅傑斯認為，徹底改革汽車業可以減輕美國對外國石油的依賴，為美國衰退中的製造業創造就業機會。於是，他在軍中申請哈佛商學院的入學許可，希望得以累積人脈，學習執行他的計劃所需要的本領。兩年後的二○○七年，羅傑斯以名列前茅的成績畢業，旋即創立採用全新經營模式的汽車公司Local Motors。若你想要知道這是怎樣的一家汽車公司，不妨把它想像成和通用（GM）或克萊斯勒（Chrysler）極端相反的經營模式。

羅傑斯沒有招募設計工程師團隊，也沒有設立自家的研發部門。與眾不同的是，他擁有一個來自一百二十一個國家、近五千名設計者的線上社群，這些人參與競賽，並且集體設計新一代的汽車。那麼，汽車零組件呢？除了打造最新型的合成框架，羅傑斯不打算自行製造任何零組件，而是向福特、BMW、賓士等能夠以合理價格供應合適零組件的廠商購買。不同於大型汽車製造商，Local Motors沒有佔地三百萬平方公尺的製造廠，也沒有傳統的供應鏈；羅傑斯建立了一個由三十五家小工廠（位於世界各地）構成的網路，每家工廠僱用當地人，打造針對當地特殊地理環境而設計的汽車。

Local Motors 甚至沒有經銷商，而是由打造汽車的小工廠直接銷售。「我們除掉一切無用的東西，簡化到只剩下基本的必要部分：打造汽車的人和使用汽車的人，」羅傑斯說。因為不需沿著供應鏈一再分割大餅，Local Motors 得以分得汽車售價的更大部分，羅傑斯表示，多出的利潤遠足以支應相對較高的生產成本。底特律的汽車製造商只讓購買者扮演最有限的角色，反觀Local Motors 的顧客則是整個過程中的要角；他們在當地的小工廠參與汽車的設計、銷售、維修和回收，極度熱中者甚至還可以在週末花幾小時幫助組裝汽車。

靠著這種地方分權化的集體協作模式，羅傑斯得以用不到三個月的時間設計出一款新車（底特律的汽車製造商通常得花兩年）。傳統的汽車製造商一般的生產週期是六年，反觀Local Motors 只花十四個月和大約兩百萬美元，就從網站上世界各地設計師的數萬件投稿中，挑選出一款名為「RallyFighter」的設計生產，這是一款可以在泥濘中高速奔馳的越野車。誰會買這款車呢？羅傑斯瞄準參加耐力賽（例如在墨西哥舉行的國際拉力賽）的賽車隊，以及美國西部願意花五萬美元購買一輛輕型、可合法上路的賽車的瘋子。若能賣出兩百五十輛「Rally Fighter」﹂，就能損益平衡，Local Motors 很有信心能夠達到這個數字，因此打算生產兩千輛。社群成員陸續設計出的車款，還包括專為在城市狹窄街道流暢行駛而設計的「Boston Bullet」，以及為都市跑車熱愛者設計的「Miami Roadster」。這些車款將使用電池引擎和替代能源引擎。

有效驅動成長的新工具

當然，由於只專注於利基市場，Local Motors 無法獨力讓汽車產業徹底發生革命。不過，試圖利用底特律的弱點而發財的全新思維創業家，並非只有羅傑斯。有許多新創的汽車公司，如特斯拉汽車（Tesla Motors）、菲斯克汽車（Fisker Automotive）、V汽車（V-Vehicle）和科達汽車（CodaAutomotive），正積極推出電動汽車、汽電混合車和其他類型的創新汽車。位於加州的特斯拉已經售出超過一千輛的全電動敞篷車，並且計劃提高產量，進軍澳洲和一些亞洲國家。這些新創企業一方面填補了工業時代巨人如通用和克萊斯勒等留下的空間，一方面也創造新模式，邀請顧客參與設計與打造流程，和供應商建立真正的夥伴關係，並為整個流程注入迫切需要的創新。

Local Motors 只不過是許多強而有力的創新模式之一。一般人常想到的例子大概是推特、臉書和維基百科，但如同Local Motors的例子所示，協力創新遠非僅於此，它是人們在所選擇的同儕社群中社交、娛樂和交易的新方式，也為個人參與的經濟活動開啟了令人振奮的新機會。

書名：打造維基型組織：集體協作的威力

出版社：天下雜誌

作者簡介

唐．泰普史考特　Don Tapscott

全球著名的新經濟學家和商業策略大師，被譽為「數位經濟之父」，現任「nGenera Insight」智庫董事會主席。他也是世界最受歡迎的商業演講人之一，《財星》五百大企業中超過半數的CEO們，曾聆聽過他的演講，包括許多重要人物，如美國前總統柯林頓、Google公司執行長施密特等。

安東尼．威廉斯　Anthony D. Williams

現任里斯本智庫（Lisbon Council）資深研究員，並為政府、國際機構與《財星》五百大企業的策略顧問。

買書去

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。