【數位書介】《盒內思考》：不必等待靈感，也能發想出創意思維的簡單法則|數位時代 BusinessNext

沒有清洗劑的洗衣劑，能夠在市場上大賣嗎？不能錄音的錄放音機，你會買嗎？不能撥號的手機，誰會需要呢？這些看似矛盾的產品，卻都是市場上大賣特賣的產品。很多時候，我們在思索創新時，往往陷入創新的迷思，認為一定要漫無目的、跳脫框架、有時候只是反轉思維就能夠創造出更適合的產品。自嬌生公司退休的行銷創新老將德魯‧博依（Drew Boyd）與哥倫比亞大學行銷學教授傑科布‧高登柏格（Jacob Goldenberg）聯合推出了一本簡單又有效訓練創新思維的新書《盒內思考》。

在這本書中，作者提出五大創新思維的原則：簡化、分割、加乘、任務統整、屬性相依。你可以把這本書視為在發想創新時的工具書，這五大原則也是作者歸納了數百個產品研發專案而體會出的五種模板（template），讓新手輕鬆照著做就能產出具有創意的思維。

以書中的第一個模板「簡化」來說，作者指出，「創新的產品與服務通常是移除某些東西的成果，而且移除的東西經常被認為是產品與服務的核心。」例如，廉假航空取消機上服務、衣物清新劑裡沒有清洗劑等。

也許很多人會認為，去除了核心，這項產品到底還有什麼價值？作者認為，「簡化能否產生新價值？如果未能改善產品或服務，簡化就沒有任何意義。」其實，生活周遭很多產品與服務，去除了必要元素，看似簡化技術走回頭路的過程裡，卻為顧客創造更多驚人的價值，有史以來最知名的產品iPod就是一例。

作者觀察以iPod的簡單功能來看，很難想像它不是市場上最早出現的Mp3播放器。iPod其實是市場上第8個Mp3播放器。在它前面其實已經有7個公司推出可攜式媒體播放器，包括：Creative Technologies、Rio、Archos等。但試問這些公司的名字，你記得幾個？iPod的功能恐怕都不及上述廠商推出的多功，但是推出五年後全球共賣出近七千萬台，且至今為止仍是美國市佔率最高的Mp3音樂播放器。

再舉一個簡化的例子，推特（Twitter）這個全球有數億人在使用的微網誌系統，發文限縮在140字元的長度，這和當時正火紅的部落格網誌走著相反的路，於是推出市場時大家都懷疑這麼少的發文字數，怎麼夠網友使用？但後來證明推特不但沒有被市場遺棄，反而大量增加網友的參與度。

除了科技產品之外，日常生活用品裡也有簡化產品的例子，像是維特科就推出沒有清洗劑的洗衣劑，稱之為「衣物清新劑」。這是一款針對不一定因衣服髒才要洗衣服的使用者所推出的全新概念產品。在市場調查裡，他們發現有些人只是因為衣物穿過短暫的時間，想讓衣物變得清新而洗衣。但是，重覆洗滌中所使用的洗衣劑會對衣物造成損傷。為了這群想讓衣物清新的使用者，維特科刻意把清洗劑的成分刪去，推出沒有強力洗淨力的產品。不過，聯合利華當時並不看好這項創新產品，而停止開發計畫，但四年後競爭對手寶橋卻推出相同概念的產品，造成市場大賣，衣物清新劑每年的全球銷額更高達10億美元。

簡化原則只是這本書提出第一個創意思維的模板，其他四個模板也有許多非常精采的案例提供讀者思考。不過，也許你會認為創意怎麼能夠模板來進行？會不會讓所有事情變得更機械化？而限制了創意？作者強調毫無章法的胡思亂想很少能發揮創造力，相反的這本書希望透過你現在相信的框架來思考，其實這也是一種方法論稱之為「系統性創新思考」，作者將它取個更簡單的名稱：「盒內思考法」。透過一些簡單原則，讓使用者不用等待靈感就可以透過模板來思考。

(作者Jasmine,曾擔任科技媒體記者，現為Readmoo特約作者。)

《盒內思考》 from Readmoo電子書

AI 智慧代理人時代來臨！三大導入階段， AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」。

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」（Agentic AI），在最少人為干預的情況下，自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾，而是需要對AI有正確認識，並制訂循序漸進的導入流程，才能真正發揮AI功效。在2025台灣人工智慧年會中，cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段，深入剖析企業如何從概念驗證（PoC）階段，逐步推進到實際上線（Production），並分享實務經驗與觀察。

延伸閱讀：生成式AI可以怎麼用？cacaFly現身說法，助企業應用GCP服務智慧轉型

解鎖 Agentic AI，企業邁向多任務智慧代理

「很多公司會問，One AI 要做什麼事？但實際上，若要讓 AI 回答公司內部政策或新法條的相關問題，僅靠基礎模型並不足夠。」吳振和指出，要讓 AI 真正成為能「做事」的智慧代理人，前提是它必須理解企業內部的脈絡與知識，並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符，這意味著系統必須具備持續爬取與解析最新資料的能力。為此，企業必須先截取與整理內容，再建構成專屬的知識庫（Knowledge Base），確保資料品質達到可用標準後，再透過檢索增強生成（Retrieval-Augmented Generation, RAG）技術，使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀：從資料清洗到 RAG，大型語言模型的必需品，做出專屬企業的 AI 知識庫！

吳振和強調，這是一個動態循環的過程：從資料蒐集、品質控管、知識庫建構到生成應用，每一環節都息息相關，任何一處鬆動都會影響最終產出的準確性與可信度。

破除「一次到位」迷思，從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望，因此常將 PoC 視為年度計畫的重點，希望能「一次到位」做出具體成果。但吳振和提醒，若缺乏清楚的系統工程思維，PoC 容易淪為「概念展示」，難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程，分為三個關鍵階段：

1.第一階段：可行性評估（Feasibility Study）
企業必須在投入資源前，先明確界定「最需要被 AI 解決的關鍵問題」是什麼，並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性，更要從商業目標出發，釐清導入 AI 的具體使用情境、預期成效與風險邊界，如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段：系統設計與驗證（Design & PoC）
在確定導入方向後，必須規劃清楚資料蒐集與整理流程，確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調，這個階段不能只追求展示效果，而應以「產品化思維」來構築 PoC，使其具備可擴充性、可維護性及安全性，才能為後續上線打下基礎。

3.第三階段：產品化與營運（Production & Operation）
當 PoC 驗證完成後，進入正式上線階段，挑戰也隨之而來。除了需要整合企業內部系統與流程，還必須建立持續監控與維運機制，確保模型表現隨時間演進不會劣化，並能快速回應法規變動或資料更新的需求。吳振和指出，這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

建立模型優化根基，打造高品質的黃金資料集

吳振和特別強調，要讓 Agentic 系統工程真正發揮效益，企業必須先建立一套高品質的「黃金資料集」（Golden Dataset），作為模型評估與優化根基。他指出，黃金資料集的價值在於能為模型選擇與前測提供客觀依據，讓團隊能針對不同任務挑選最適合的模型，避免導入初期就誤踩方向。

同時，黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點，進而快速回應「模型飄移」（Model Drift）的風險。吳振和說明，所謂模型飄移，指的是即使模型本身未經改版，效能也可能隨著環境與資料變動而突然下降，導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果，團隊才能即時察覺效能衰退，並進行迭代更新，確保系統長期穩定運作。

從小規模應用起步，漸進擴展至核心業務

吳振和分享，在實際輔導企業導入 AI 的經驗中，最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證（PoC）階段即可呈現完整的產品原型，然而實際情況顯示，若企業未能建立完善的資料架構與流程基礎設施，即使短期內展現亮眼成效，也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時，應採取漸進式策略，從小規模應用場景著手，逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節，而非獨立的一次性專案。

AI 的導入不僅是一場技術升級，更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局，才能確保 AI 能在企業內部真正「落地生根」，創造長期商業價值，成為真正的智慧代理人。