[AI創業]AI新創能學Google與FB擁技術自重嗎?
[AI創業]AI新創能學Google與FB擁技術自重嗎?

剛剛結束的台灣人工智慧年會把台灣AI風潮帶到最頂點,Google董事總經理簡立峰曾經分享,「Google若進行5000項AI專案,最後證實有用的不到10項,論文演算法講得頭頭是道,但實作後好像不是這回事,許多參數調不出來。」這段話道破了AI創新和創業的本質。

首先,創新跟創業一樣,無論什麼題材,整體就是成功率極低,不會因為你搭上了某輛技術列車,成功率就會大大提高,頂多就是搭著市場當下關注的題材,在一段時間內較容易從市場取得資本。

而AI創業實在沒有理由是個例外。

先射箭再畫靶行得通嗎?

許多AI創業公司會先以擁技術自重,然後再尋找這項AI技術可以應用在什麼市場的需求上,這其實是一種「先射箭再畫靶」的作法。

先不說新創公司通常手上沒什麼資料拿來做AI訓練素材,與公開資料集大家都拿得到等,這幾個既成事情;最關鍵的是AI創新本質是數位創新,經營邏輯和框架不會跳脫數位經濟的本質。

數位創新要能規模化,重點不在你有多強的技術,而在於你是否能想出辦法掌握市場的需求方經濟。

或許有人會問:Google和 Facebook不就是一直靠著技術突破,不斷創造巨大的商業價值嗎?這個看法只說對了三分之一。

在技術之外的網路外部性與邊際效益遞增

這些全球科技強權之所以能不斷創造巨大價值,讓股價衝天、讓員工捨不得離開,在技術之外,靠的是網路外部性(network externality,又稱網路效應 network effect)和邊際收益遞增(increasing marginal revenue)兩種經濟效應。

「網路外部性」在數位經濟興起之後,已經被業界充分理解,簡單來說,幾家科技公司掌握了用戶規模和服務的入口,除了越多人使用服務會讓服務本身越有價值、形成正向循環外,也表示一點點服務的改善,就可以產生出巨大的新商業價值,彼得·泰爾(Peter Thiel)也在他的經典書籍《從零到一》中特別提到網路外部性的重要,這個效應是數位產品的本質。

試想,Google在電腦視覺技術上面改善1%的辨識率,背後代表的可能是10億美元甚至是百元美金以上的廣告新產值。

但是同樣的改善率放在一般的新創公司呢?可能對公司增加的產值寥寥可數到可以忽略的程度,頂多發發論文和一些公關稿就沒了。

因為巨量廣告的基礎和需求方規模經濟本來就是掌握在科技巨頭身上,而不是一般新創公司。

「邊際效益遞增」則是知識經濟當中的本質現象,講的是在知識依賴型經濟中,隨著知識與技術要素的投入增加,產出會越多,而生產者的收益會呈現遞增的趨勢。

傳統的農業經濟和工業經濟均是物質資源依賴型經濟,物質資源具有明顯的排它性特徵:其使用價值在某一時刻只能被一個使用者所占有和使用。同時物質資源是稀缺的,使用時必須消耗它,隨著其使用量的增加,成本越來越高。

最終導致生產者收益的遞減。知識性資源具有共用性,同一知識可以被多個人同時占有和使用。並且在使用過程中不會消耗它,只是利用它,在使用過程中還會產生新的知識。信息資源和知識資源在使用時還是一種積累和開發的過程,在重覆使用過程中成本遞減。從而會帶來遞增的收益(註1)。

科技巨頭們為什麼不斷把最尖端的技術不斷開源、毫不藏私呢?

因為這些開源的程式碼不是這些公司的核心競爭優勢,「網路效應」和「邊際效應遞增」才是真正的競爭優勢。

開放這些程式碼是為了更加利用既有的網路外部性,形成更大的用戶規模,一家新創公司如果發展出TensorFlow這種了不起的框架,或許會小心翼翼地當做智慧財產權保護、視為公司的核心資產、甚至於想要從中直接收費盈利;但對於Google來說,TensorFlow就跟其他所有產品一樣,是了不起的技術創新沒錯,但其核心目的是擴大其他產品的網路效應,這兩種商業經營邏輯在本質上完全不同。

兩個效應加在一起,形成數位經濟當中「大者橫大」的極化現象,所以 Google、Facebook 與Amazon等幾家公司,可以不斷吸引到最頂尖的知識型人才,不斷投入新技術和新知識型產品的生產,而且每年還可以不斷成長,最近哈佛商學院的學者也把這些經濟現象用一個更潛顯的名詞來概括:Hub economy(樞紐經濟),只要掌握了用戶和服務的入口,你想幹麻都可以。

結語

回歸到AI創新這件事情,其本質也是數位技術,因此在市場上要能切出一道破口,立刻會面臨科技巨頭籠罩的網路效應。

明年開始,當大家開始發現AI創新的本質其實和之前並沒有任何不同,也是數位經濟的一部分的時候,就可能會出現AI創業的一波泡沫化。

面對這樣的狀況,一種經營策略是利用AI人才稀缺的現狀,運用高薪加上資本市場的操作,想辦法在短時間內快速圈住AI人才,尋求被大公司人才併購出場,快速賺一波資本財,但這種作法是否真正為市場創造出新價值,則是一個問號。

回歸到辨識市場需求,先找靶再射箭,出發點一定是想著為市場解決新舊問題和滿足新需求,這還是創業最重要的出發點,AI創新和創業也絕對不例外。

註1:邊際效益遞增文字,引述自MBA智庫百科。

本文由程世嘉授權轉載自其Facebook。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

往下滑看下一篇文章
免費下載「會議紀錄整理師」!逐字稿丟給AI,自動抓決議跟待辦,支援ChatGPT與Claude
免費下載「會議紀錄整理師」!逐字稿丟給AI,自動抓決議跟待辦,支援ChatGPT與Claude

在某個大雨滂沱的晚上,超級感謝有 7 位一天一 AI 的讀者來體驗我做的「會議紀錄整理師」AI 工作流。現在,我要把它免費開放給你用了!

今天來跟你分享,一天一AI PRO 設計出的 AI 工作流,到底可以幹嘛,並且讓你試用看看。

首發就是「會議紀錄整理師」,這是我自己最常用的工作流之一。有了它,會議上我都可以集中精神發表意見,之後 AI 再幫我統整即可!

除了省時省力、釐清待辦,我還多做了一點巧思:區分出討論項目與決議。那些會議上討論過的,但根本沒結論的事情,我請 AI 幫忙抓出來。

這個工作流可以到一天一AI PRO 的官網下載,裝進你的 ChatGPT 和 Claude。具體怎麼做?往下看圖卡吧。

還想看哪些內容?歡迎點此連結跟我分享~

AI會議紀錄怎麼做?「會議紀錄整理師」自動整理逐字稿

會議紀錄整理師是什麼?

每次會議我會取得同意後錄音,一結束就把逐字稿丟給 AI,呼叫「會議紀錄整理師」技能來做紀錄。逐字稿的錯字多、內容散亂、缺乏說話者資訊,通通沒關係,這個技能可以通過一串設計好的流程,區分是哪種會議(進度追蹤、規劃討論、解題決策)來決定紀錄的重點,最後產出會議紀錄通知信+留存版的完整紀錄文件。

AI整理會議紀錄最大亮點:自動區分討論、決議與待辦

最有感的亮點:區分出討論項目與決議

看完「會議紀錄整理師」整理的紀錄,第一印象一定是「很清楚、有結構」。但細看會發現,它除了幫你列清楚待辦事項,也會提醒你會議缺失的資訊,例如沒指定負責人、沒確定截止日期、哪些是拍板的決定、哪些決議沒討論完、哪些人的意見有衝突。

同件事反覆討論怎麼整理?AI只抓最後拍板結論

結論回掃:同件事來回討論,AI 只認最後的拍板

開會常常一個議題反覆討論,前面說「先用 A 方案」,後面又改口「還是 B 好」。一般 AI 整理會把兩個都列出來,會搞不清楚到底選了哪個。「會議紀錄整理師」有「結論回掃」機制:以最後一次明確確認為準,早期被推翻的版本會被歸類到「否決了什麼」,不會讓過時的決策混淆你。

與會者有誰?例行會議可以沿用團隊設定

與會者有誰?例行會議可以沿用設定

第一次使用,直接貼逐字稿就能跑。AI 遇到不認識的人名或職稱,會在結尾列出來問你:「這位是誰、負責什麼?要不要記下來?」你回覆後,它就建立你的團隊記憶檔。下次再開相同主題的會議會自動沿用,提高會議紀錄裡名字、職稱、待辦事項隸屬的正確性。

ChatGPT、Claude怎麼安裝「會議紀錄整理師」?

下載後怎麼用?

註冊登入一天一AI PRO 官方網站,找到「會議紀錄整理師」的立即下載按鈕,下載 zip 檔。Claude 網頁版的用戶,從Setting→Skills→右上方Add選擇→Upload skill→上傳 zip 檔。ChatGPT 網頁版的用戶要是付費版:開一個新對話→選擇「工作」標籤→在對話框上傳 zip 檔→輸入「幫我安裝到個人雲端技能」。完成設定後,重整頁面、開新對話,在對話框輸入「/」或是「@」輸入「會議紀錄整理師」就能把技能呼叫出來,再把會議逐字稿貼給它就行了。

AI會議紀錄還能怎麼用?散會前確認、累積成專案進度報告

散會前就做紀錄、同專案紀錄能做成進度報告

我在每個會議結束前,都會速跑紀錄,現場確認與會者的理解都一致。同一個專案的會議紀錄累積起來,還可以變成專案進度簡報給主管看:這個月做了哪些決策、還有哪些待辦沒完成、風險有沒有被處理掉。

訂閱《一天一AI》日報,每天跟你分享超實用的AI小技巧!

延伸閱讀:
一天一AI PRO上線!6組專家工作流,讓ChatGPT、Claude不再每次從頭教

AI又唱反調?每月10分鐘做記憶健檢,4招讓ChatGPT、Claude認得現在的你

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