Blitzscaling真的在台灣有效嗎?
Blitzscaling真的在台灣有效嗎?
2018.12.19 | Facebook

時間真的變得越來越快,仍記得2018年是要做許多創新有意義的事。一下子就又到12月年底了,總覺得自己有一個新的專長-找藉口。

很喜歡數位時代11月的專刊內容「與巨人共舞」。我過去一年中也寫了幾篇有關大麻煩、大者恆大、Winner-takes-most及我們必須找出方法制衡這些數位經濟體系中的巨獸。而好友簡立峰的「人才購併是台灣新創出路」及鄭博仁的「B2B創業是更好的選擇」都是精簡扼要的專業洞見。

我在1995年創立以Java為平台的肯心時,就對數位經濟有興趣,而對數位時代雜誌一直有一種革命情感。從1999年創刊時就參與當時素蘭、偉雄、志仁舉辦的「讀者小聚」,一直到2018 Meet Taipei Forum的創新創業嘉年華。整個數位時代雜誌的演化就是台灣數位科技經濟發展的縮影。

最近除了IBM買了Red Hat的大消息引起大家的討論外,許多數位創業人都在分享一本新書。2018年10月9日出版的「Blitzscaling: The Lightning-Fast Path to Building Massively Valuable Companies(註一)」(Blitz本身就有一個特定意義,自己Google)。我對這本書有興趣最主要是因為作者Reid Hoffman,從Pay Pal 到 LinkedIn,Greylock Discovery Fund風險天使投資,可以說是一個目前大者恆大的數位經濟傳道師。

在不確定的數位經濟體系中以速度代替效率

基本上,Blitzscaling 就是改變傳統經營企業的方法,提倡在一個不確定的數位經濟體系中以速度代替效率。

從0到1創立公司很簡單,真正困難的是如何用do-or-die的態度,快速提昇您的能力來面對成長的挑戰,一定要不計代價的達到關鍵規模(Critical Scale)。書名很炫,雖然99.99%的人不可能做得到,但這些數位巨獸的成功故事的確迷人。

Reid Hoffman甚至在Stanford大學有一個課程就叫Blitzscaling(註二)。可以看得出Reid Hoffman的影響力也造成年輕數位科技創業人把Blitzscaling當成聖經。我很難不同意Reid Hoffman在Stanford的教授內容,太精采了,一定要看。但我也很早就提出大多數人都不可能按照Blitzscaling的方式成功,尤其是在台灣。最近在CNN的訪談中,Reid Hoffman也同意Blitzscaling可能僅適合在大市場的國家,如美國及大陸。尤其中國大陸最適合。

我因為沒有經營任何數位科技公司(肯心在2001年就由員工購買而退出),反而因為有一點距離而看得到更大的森林及趨勢。

任何生意都有一個模式。從僅是說一個「偉大的故事」,延伸到「最樂觀的可能」再到「誇張的想像」。最後數據會說話,讓這一切的可能及想像幻滅掉。泡沫破了,就一定要開始收斂節制。今年八月開始,這些數位巨獸的股價開始跌跌不休,大家又懷疑是不是在20年中又一次數位科技泡沫化的開始。但因為這八個數位巨獸(Alphabet、Amazon、Apple、Facebook、Microsoft、Netflix、Alibaba、Tencert)實在太大了,任何泡沫化的影響將巨大無比,因此我們必須深入了解。

學習與巨人共舞

基本上,我們看到三件事情:
1.成長減速。(主要為分母太大)
2.預估利潤降低。尤其Facebook對內容的管制及Netflix的超高額內容投資都會降低他們的預估利潤。
3.資本投資報酬減少。不但為了成長而亂投資一些平庸公司,更因為互相介入彼此的市場,競爭的結果就是投資報酬率下降。

好消息是,基本上這八家公司僅Netflix仍需增資,其他公司都有超出三千五佰億美金的現金。再加上公司創辦人仍完全掌控公司,不會太在乎短期股價及利潤。但減少投資及控制開支是一定會有的。這都對未來經濟成長有巨大的影響,數位巨獸已跟我們的整體經濟結合在一起了。

大家都想學Blitzscaling,但沒有人想到Blitzscaling的風險。我仍記得在1990年代,當時的AltaVista是最有名的搜索引擎,但被投資公司買下後,就用Blitzscaling的原則大肆擴充,結果沒有把最重要的搜尋引擎技術弄好,讓Google有機會因專注搜尋引擎而變大。這就是一個典型的用Blitzscaling策略反而被Google用最傳統的策略:產品品質給打敗。

但Elon Musk的Blitzscaling卻又是極為成功的例子。我也非常喜歡這本書談到的如何才能擁有更多顧客、公司大小跟組織策略的關係及公司領導方式。因為非常少的人能真正執行Blitzscaling,我僅是對這些數位巨獸的成功故事非常吸引人。但我更想知道更多有關用Blitzscaling失敗的例子。

總結,有些人覺得公司就是要不計代價(反正是VC的錢)用Blitzscaling的方式壟斷市場。但正如 Reid Hoffman承認的,這種方式僅在大市場國家有效,台灣的數位科技創業人必須認清這點:學習與巨人共舞,或挖一個很深的小井。

家庭作業

  1. 不怕英文的人請訂閱Stratechery這是我最近訂閱的高水準數位科技專業分析報告,Ben Thompson是作者,訂閱後,讓我知道您的看法。
  2. 註一:https://hbr.org/2016/04/blitzscaling
  3. 註二:https://www.youtube.com/watch?v=s3RrVmv5WwA (一定要看)
往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

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
台達電全解讀
© 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