詮釋的能耐
詮釋的能耐
2005.09.01 |

對美國在新經濟表現良好的原因有兩種不同的解讀,這二種解讀本質上是矛盾的。一是強調「市場競爭」的充分展開,讓創業家積極的角色得以發揮,且充裕的創投基金有利於創業,尤其是新興科技公司人力市場的流動性,整個社會對成功的獎勵與對失敗的退出機制都十分有效。
第二種觀點則聚焦在大公司與其對1970、80年代失利競爭的反應,經過激烈的組織變革及管理實務,美國的大公司不再自滿僵化,變得更機敏、更有彈性,能夠清楚地認識公司的核心使命與能耐,整頓不適合的功能,在生產「模組化」後,將非核心業務及活動委外,這些企業善於使用資訊科技及資本市場來從事上述的組織變革,使美國在新經濟表現良好。

從90年代的成功找答案

這二種觀點都有其一般性及解釋力,但也不難找到例外。例如電信業的產業鏈為了競爭就不斷地在進行整合重組,平面媒體與電子媒體,內容與通路的界線都在模糊中。這些現象正好和上述「市場競爭的擴張」或「企業的聚焦與瘦身」的觀點相反。因此,若無法從過去的成功找到正確的意涵,可能會影響未來的走向,而再次失去其競爭力。這是MIT教授烈思特(Lester)與皮歐瑞(Piore)在去年新書《創新》(Innovation, the missing dimension)中的提問,他們認為這中間的矛盾與失落的環結必須從90年間大量的創新來觀察。
手機、電子商務及生物科技在1990年代初期,對大部分的人來說都是陌生的,但在今天卻已成為經濟的主流。這些創新的出現是因為市場競爭的擴張?如商品正確的定位、定價,對創業家的鼓勵,適當的財務誘因導致個人與組織的績效?還是因為公司學到聚焦在核心能耐,將非核心業務交付給那些比他們做得更有效率的廠商,在設計及生產都採用了模組化的方式?
問題是這二者需要的「技能」完全不同,合作工作的方式也不同,管理控制的方式也不同,對經濟的思維也不同。二位作者認為美國企業應強化其「詮釋的能耐」,詮釋(interpretation)指的是針對顧客新需求的洞察、對產品的新概念、新的生產及遞送方式、新的顧客服務介面設計的理解、論述、溝通及提案。

詮釋將是創新引擎的燃料

烈思特與皮歐瑞認為詮釋能耐與分析能耐必須並駕其驅,廠商方可持續有顯著性的創新。要維持創新能耐,企業必須持續地「尋找」,同時與不同的對象進行探索性、詮釋性的對話,這樣或許稍可以平衡對分析能耐的過分倚重,重新將經營策略導到詮釋的方向。
政府政策的層次也需要調整,在全球化、科技變遷與法規鬆綁所交織累積起來的壓力,使得在經濟政策的領域中,「詮釋性對話」不太容易有空間。這樣的空間在市場經濟中不會自然產生,他們需要被創造出來,並細心加以培養、更新及豐富化。目前美國的經濟政策仍偏重在市場的擴展,目標是強化市場機制與激勵制度。除非在分析式的政策之外,也能將較多的注意力放在詮釋的方法上,美國的創新引擎可能就會熄火。
真正創新的來源是跨組織、跨知識及跨文化疆界的整合,勇於嘗試與實驗的精神,以及容許極端模糊曖昧的情況,面對不確定還能往前進的思考習慣。台灣的組織有多少已具有詮釋能耐的人才與組織氛圍?

往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓