數位經濟 vs. 數位壟斷企業
數位經濟 vs. 數位壟斷企業
2019.12.03 | Facebook

參加了《天下》雜誌與玉山金控合作舉辦的2019國際大師論壇,由Roger Martin(註1)分享的「決策的兩難(The Opposable Mind)」論壇中,他提到目前所有成功大公司的老闆們,最擔心的就是:某一天有兩個在車庫中工作的年輕小伙子,發明了一個全新的解決方案,而在一夕之中,將取代他們公司多年的努力。 您真正的競爭者,將是從意想不到的地方出現。不信的話,可以問問廣告業者,做夢都不會想到他們的行業在短短幾年,已被Google及Facebook所獨占。

任何一個新創公司的終極目標,都是希望在一個領域中有獨占甚至壟斷的成功。而在企業經營中,每天都在思考如何建立護城河(moat)或增加競爭者進入的障礙(entry barrier)。其主要目的就是要「獨占、壟斷」市場。這是一個名正言順,任何經營者都需要不斷創新,並拉開與競爭者的距離,直到無人可以跟你競爭為止。

打散數位壟斷企業,改變自由競爭的資本主義

大家都知道,數位經濟因為有網路效應(network effect),特別容易有大者恆大、贏者全拿的特色,因此數位壟斷的情形愈來愈嚴重。 尤其因為全世界的財富累積不均,造成貧富差距加深,使得年輕人看不到希望,社會流動(social mobility)變成不可能,甚至是一觸即發的社會動亂;也愈來愈多人發現,現在的自由競爭資本主義需要修正。更多的政治人物以去除財富不公平(wealth inequality)為主要政見,而如何打破壟斷企業,對富人加稅也成為一種顯學。美國民主黨總統候選人之一Elizabeth Warren更提出一整套如何打散壟斷科技公司的政策(註2)。因此,為了鼓勵增加競爭,必須打散(break up)過去為了防止潛在競爭而合併的公司。 主要是針對Facebook,因為Instagram及WhatsApp都是Facebook的潛在競爭者,因此當初的合併是不應該許可的,因此Instagram跟WhatsApp應該從Facebook獨立出來,而Google也要讓DoubleClick獨立出來,Amazon的Whole Foods也應該獨立出來。

僅供報導用途_shutterstock_181358375_facebook_instagram_w
美國民主黨總統候選人Elizabeth Warren認為,為鼓勵增加競爭,必須「打散」過去防止潛在競爭而合併的公司,例如當年的Facebook合併Instagram與WhatsApp就是一例。
圖/ Gil C via shutterstock

另外,更不容許平台業者在網站上賣自己的產品,因為會產生不公平的競爭。例如Amazon不能賣自有品牌產品(Amazon Basics)。當然要打散這些巨獸不是件簡單的事,如何估值就已經是件困難的事,而且一切都需立法及受到司法訴訟的挑戰。

不可否認的,當打散這些壟斷公司後,可能會造成一些反作用,如消費者會增加負擔,不易使用未能整合的數位科技工具、公司間會增加彼此競爭力,讓公司利潤降低,不能做更創新之事。

雖然數據顯示,一般將大公司打散成小公司,最後的總值會大於現有的總值,但仍是有許多變數。可能因為大公司被打散後,少了network effect而失去競爭力,沒有人願意投資,公司估值也會大降。目前看起來Facebook因為隱私的保護不夠,以及獲利來源主要是仰賴廣告收入,而廣告就是靠隱私的運算,最容易被政府打散。

如果您是Facebook,您現在要做什麼準備?讓政府更難打散,還是改變靠廣告營利的模式?並接受Facebook就是一個公用事業平台(platform utilities),改變成使用者付費的全新模式。雖然Elizabeth Warren未必能當選總統,即便當選,也未必能完全執行她的政策,但她的競選政策將一定會改變美國式自由競爭的資本主義。

數位經濟與法律兼衡,企業需永續發展

我曾說過,在數位經濟下,因為network effect的關係,大者恆大的壟斷現象遲早會被挑戰,政府是唯一可以用法律制衡的方式,來打散壟斷性公司。而Facebook及Google這兩個就是最標準的例子。現在大家都了解到壟斷帶來許多好的影響,但也會帶來壞的結果。從歷史的角度來看,打散壟斷是一個必然的結果;從現在的全球政治及社會發展來看,財富集中更是貧富不均的原因。要防止自己被視為壟斷的公司,可能才是一個更聰明的策略。

在未來,一個能成功永續經營的公司,在同一個市場中,需要保留一至兩個競爭者,不可通吃獨大,更不要購併潛在競爭者。而開發多元的營利模式,分散在各種不同的領域中,更是一定要做的事。

就像Roger Martin所說的,讓政府反托拉斯(Antitrust)的人認為您的公司看似成功,但絕非壟斷。因為您的公司隨時會被兩個在車庫中工作的年輕人,在一夕之中,就用創造性破壞(creative destruction)或破壞式創新(disruptive innovation)顛覆市場,取代您公司數十年的領先;也因此,保留競爭者可能是防止被政府打散的最好策略。

責任編輯:陳建鈞

《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。)

關鍵字: #反壟斷
往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
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」(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。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

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。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

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。

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Vibe Coding
© 2025 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