*IMF(國際貨幣基金會)看壞歐美經濟 受到市場供需失衡、氣候異常、人為炒作以及國際政治不確定等影響,原本回穩的油價於年初再度飆漲,對歐美日主要國家造成不利影響,因此IMF調降今年的經濟成長率預估,由4.4%降至4.3%。 IMF認為,美國的零售數字、失業率等經濟數據都不樂觀,GDP保守估計只有3.5%;歐元地區則是經濟復甦力道微弱,消費者物價指數成長率僅有1.75%,GDP恐怕只有1.8%;而日本由於內需消費增加、就業機會回升,後勢看好,GDP將從去年的0.8%,躍升為2.0% 。
*高盛 亞洲經濟持續成長 今年的投資主軸將放在亞太地區股市,尤其是中國與印度,因為這兩個地區的資金最活躍,但是風險也頗高。受到中國、日本經濟持續成長,尤其內需轉強,亞洲各國的貿易不再依賴美國消費市場,將正式蛻變為獨立的經濟體。
*瑞銀 新興市場債券值得關注 全球GDP成長趨緩,整體儲蓄率與企業獲利展望都持續成長,投資資金並沒有緊縮,預料在股市、債市表現都將有所斬獲。其中,受惠最大的將是新興市場債券,由於新興國家的外債比例大幅降低,今年將深具投資潛力。
*摩根士丹利 樂觀中仍有潛藏風險 摩根士丹利亞太區首席經濟學家謝國忠指出,供應面帶動生產力提升,全球經濟年增長率將連續五年都超過3.5%,今年成長率為4.1%。美國或亞洲房產價格崩跌、日圓匯率大幅波動,是今年必須留意的潛在風險。
*美林 持有美股的信心增強 美林證券在去年12月針對全球295名基金經理人進行調查,12%的基金經理人在未來12個月內減少美股投資,26%的基金經理人將增加日本股票。但是和11月的調查相比,顯示拋售美股、增加日股的趨勢逐漸在逆轉。
1973 年,良興從台北光華商場一間 50 坪的電子零件行起家,半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過,伴隨規模擴張帶來的不只是成長,還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆,加上跨部門協作頻繁,行政耗損與知識傳承的缺口,成為這家老字號邁向下一階段的隱形天花板。
良興總經理賴志達回顧,從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營,作為 3C 零售業者,良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能,就是良興第五波轉型的核心命題。」
AI 自動化,從行政細節釋放組織戰力
轉型需要夥伴,而賴志達評估合作夥伴的標準很明確:技術能力是基本,產業知識(Domain Know-how)的深度是關鍵,回饋速度更是最終決定因素。2025 年的未來商務展上,良興選擇攜手 Data-DI,看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。
很快的,良興與 Data-DI 合作的第一個專案,就落在最耗費人力、卻最常被忽視的環節:會議記錄。「會議如果沒有產值、沒有效果,對企業很傷!」賴志達說,他每天參加許多會議,但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理,常出現人名誤植、決策遺漏、行動項目無人追蹤,讓會議效果大打折扣。
為了解決會議記錄的痛點,Data-DI 業務副總包威棣指出,在導入工具以前,團隊須先釐清三件事:場景是否具備落地價值、哪些流程節點適合 AI 介入,以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問,都決定 AI 能否精準落地。
確認方向後,良興與 Data-DI 成功導入 AI 會議記錄自動化系統,透過模糊比對技術校正語音辨識誤差,並將生成的雙版本報告直接回存至既有資料庫,不僅將行政人員從重複性作業中釋放,也為後續的 AI 應用奠定扎實的系統整合基礎。
賴志達分享,現在他去外部開會也會用這個工具,運用 AI 把錄音轉文字、再整理成簡報,很快就能完成,更令外部夥伴驚艷。「我認為這是很成功的案子!也提醒想做 AI 的老闆們,與其急著搞大架構,不如先從小工具讓公司嘗試 AI,建立理解和認同。」
AI 把資深員工大腦轉化為資產
補完行政效率的缺口後,良興接著切入更深層的營運核心:知識傳承。過去,頂尖銷售經驗長期鎖在少數資深員工身上,新人培訓耗時三個月,員工離職即帶走知識資本。與此同時,網路資訊發達,消費者進店前早已掌握基本規格,3C 通路門市人員要如何發揮更多價值?「我要門市的人不是死背規格,而是面對客人時,能用客人能理解的方式對話。」賴志達說。
為此,Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡,串接教材生成、審核上架、AI 銷售對練與成績回報,主管僅需在核心節點審核;員工透過手機語音對練,系統依口吻、專業度、回應力等維度自動評分。賴志達表示,目標是將新人培訓期縮短至一個月,讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。
然而,要讓這套系統真正運作,得先解決兩個根本問題:資料從哪裡來?以及訓練如何更準確?
「以前大數據時代,講的是資料要大、全、細、實;現在 AI 要做到的是準(準確)、合(合乎場景)。」包威棣說。良興不同廠商提供的素材品質參差不齊,Data-DI 除了整合內部資料,也補充加入外部市場評測內容以填補空缺,再透過人員審核機制過濾雜訊,搭配 agent 架構的多層步驟與知識限定,確保系統能精準提煉對應品類的訓練素材。
賴志達則看得更遠:「這些教育訓練的內容,也將成為公司未來訓練機器人很好的原料。」
Data-DI 陪跑型顧問,帶領企業 AI 轉型
良興與 Data-DI 合作的兩個專案中,雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步,賴志達表示,公司各部門很早就建置 Power BI 報表,但數據豐富不等於決策清晰。「數據是土壤,如果沒有梳理,就沒有用了。」因此,他的下一個目標是活化數據資本、推動行銷自動流,以精實的人力持續驅動成長。
包威棣則從顧問視角歸納兩個觀察:AI 導入需要高層認同、由上而下推進,像賴志達這樣持續引領良興走在業界前端的決策者,就是不可或缺的推手;而單點工具的價值,終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構,人員訓練改變了知識傳承的方式。從點狀應用走向企業變革,這種決策思路才是 AI 真正深入落地產生價值的關鍵。」
最後,對於仍在觀望AI應用的企業,他則建議:「未來 AI 導致的落差只會愈來愈大,人會變成超級工作者,企業會變成超級企業。開始做就對了,先做一個三個月的小任務,降低落差、再急起追上。」從痛點切入、小步快跑,讓組織在實作中累積對 AI 的理解與信任,這正是 Data-DI 的陪跑哲學。
有關更多 Data-DI 相關資訊,請查詢網站:https://www.data-di.com/
