麥肯錫揭企業數位轉型痛點：老闆只看績效、朝令夕改，僅16%高管自認成功|數位時代 BusinessNext

麥肯錫顧問公司（McKinsey & Company）2018年發布對全球1200位高管的調查，僅有16%的高管認為數位轉型稱得上成功。今年初爆發新冠肺炎（COVID-19）疫情，上門的顧客少了、商務出差的機會也降低、遠端工作變成新的可能，逼著企業思考解決之道。數位轉型從企業熱切討論的話題，變成逃避不了、必須正面對決的現實。

領導人完全不懂技術，數位轉型難發動

然而，麥肯錫顧問公司全球董事合夥人譚宏指出，少有領導者能明白說出「我們為什麼要數位轉型？」、「公司希望通過數位轉型，達成什麼效益？」

譚宏觀察，問題出在各家老闆對數位技術的認知程度，參差不齊， 「老闆不需要深入技術細節，但至少要瞭解數位技術的意義、能給組織的好處，要達成什麼願景。」

太過重視營運績效，經理人不想賭上前途

而且，創新必須是容錯的文化裡嘗試、學習、成長，但台灣老闆非常在意營運績效和成本率，經理人每每提出重大的轉型，就要拿官位出來賭，失敗了，在組織裡大概就沒有前途了。這樣的文化，降低了經理人推動數位轉型的動機。

再者，數位轉型大多需要補充新的職能跟能力。例如打造敏捷團隊，需要敏捷教練（Agile Coach）、Scrum Master，不是既有員工進修就能補強。企業必須有意識的增補人員。

最常見的資源瓶頸是資訊人員。「科技資源永遠不夠，更不要說數位轉型的需求疊加上去，IT的缺口更難滿足。」這時候就要交給領導者做決定，「數位轉型究竟要帶來哪個成效？優先順序是什麼？」這些決策，都將影響後續的策略發展。

轉型方向朝令夕改，IT 資源難以持續投入

另外，高管間也須取得共識。他曾遇過一家企業的董事長跟總經理想法天差地別，大家檯面上一團和氣，但私下意見不一，10 分力氣，有5分都在高管的角力中損耗殆盡，浪費時間和資源。

假設願景想得不清楚就投入資源，失敗後才想清楚，就算啟動第二次轉型，也不會有人想聽了。除了團隊內的信任感消失，第一次投入的IT資源也會對整體資訊架構產生影響，絕非說「拔掉」就能弭平。

給領導者的建議：了解科技的意義，提出轉型願景

譚宏建議：「熟悉數位科技的領導者」是轉型成功第一要件，只有知識基礎較足的老闆，才不會在數位轉型的途中隨意插手、提出反向意見。

此外，「好的變革故事」，能讓轉型成功率提高 3 倍以上。組織文化是一個緩慢「洗腦」的過程，領導者要像打造劇本一樣，規劃短期的階段性目標，當員工照著腳本走，能快速建立戰果、激勵士氣，為長期的轉型打下良好基礎。

最後，重新界定員工的角色和職能，如需要增補新的職能要安排培訓或是額外招募，轉型成功率可提高2倍。以麥肯錫來說，過去的員工以「顧問」為主，隨著數位轉型成趨勢，公司陸續增加資訊和開發人員、以及擅長使用者介面的設計人員，3 種能力齊備因應數位發展。

給主管的建議：開放思維，廣泛理解數位知識

譚宏認為，在組織內資歷較深的主管，難做到技能大幅移轉。這些有決策權的資深主管，別急著深度專研特定技術，而是要嘗試廣泛理解數位知識，以更開放的思維接受新的技術，設法引進更多數位方法，累積團隊的能力。

譚宏說，許多主管有「新嘗試不如老方法」的心理門檻。以數據分析來說，傳統的統計方法已經達到不錯的預測成效，即便往深度學習、圖像辨識的演算法前進，也不一定出現更好的結果，「但有心接受新方法，後面才有不同的可能。」嘗試一次新方法，組織能獲得新的經驗，員工累積新的能力，之後面對新的挑戰，團隊更有彈性克服。

數位轉型最缺的3種人才：數據分析、敏捷開發、使用者經驗

首先，是數據分析的人才，除了單純的演算能力，還需要具備對產業的領域知識，才知道如何運用數據，發揮最大價值。再來，是資訊科技相關的人，特別是具備敏捷等新型態工作方法的資訊人員，能夠帶領團隊數位轉型。最後則是協助客戶體驗、流程優化的 UI（User Interface，使用者介面）、UX（User Experience，使用者經驗），也是數位轉型之下的必備職能。

領導者可以回過頭來檢視，員工是否具備這3種能力。其中，數據分析是最容易率先累積的技能。

他說，企業總認為數據分析就是要做大數據、小數據，但能把既有財務數據先活用，就已經是好的數據分析了。許多公司為了產出每月績效報表，需進到5個系統、匯出資料，由人工拆分各部門，三天後整理成報表，如果老闆為了決策需要，想評估新的分析維度，又得重頭來過。

當你有心累積數位轉型的能力，別急著蒐集更多數據資料，先嘗試梳理手邊有的數據，或許用 Excel 就能找出一個更便捷看待、分析數字的方法，從中找出經營問題，累積數據分析的能力。

責任編輯：錢玉紘
本文授權轉載自：經理人月刊

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。