舊手機、舊筆電只能躺在抽屜！ Google盤點「斷捨離」5大阻礙、有哪些迷思？|數位時代 BusinessNext

舊手機、舊筆電只能躺在抽屜！ Google盤點「斷捨離」5大阻礙、有哪些迷思？

Google已經許下永續承諾，要用回收材質打造產品，卻發現2019年只有17%的廢棄電子用品被回收處理，他們研究盤點了五大阻礙，希望消費者打破迷思。

一、意識的阻礙

消費者可能沒有意識到自己有很多選擇，即使人們耳熟能詳的大型電子品牌，其實都有提供回收服務，但通常都沒有廣為宣傳，或是列出清楚的資訊，即使在網路上快速搜尋可以獲得部分答案，但同時也會產生更多的問題，包括哪些裝置版本符合回收條件、各種費用項目，以及有哪些值得信賴的回收服務可選擇。

二、價值觀的阻礙

一部二手智慧型手機「好像」還能用來當備用機、還堪用的二手筆電「好像」還有點價值，總是因為這樣一點的可能性，當大家發現自己的電子產品，回收後的價值比想像中還要低的時候，就會產生失望，並且失去將產品回收處理的動力。

加上可能還殘留著情感價值，比如一台筆電可能代表著大學的回憶、一台隨身聽能喚起快樂的回憶等等。這些都是「真實」的價值，並讓回收看起來成為另一種浪費。

三、資料轉移的阻礙

很多人擁有自己不想要也不需要的電子產品，但裡頭仍然存放著自己的資料。也許硬體並不值錢，不過裡面的文件、照片和影片是無價的。常常想著要把資料轉移到新的裝置，卻因為不是迫切需要，就擱置一旁，存放資料的裝置越老舊，就越難正確連接或設定，想尋求專業服務又要價不菲，導致無限期延宕。

四、安全性的阻礙

就算不需要轉移資料，很多人都會想要在回收或捐贈裝置前，將所有資料清除以確保隱私安全。但這是一項技術性的任務，不同的裝置和產品須採取不同的資料清除步驟，機型越老舊就越難完成設定。即使相關的教學資源都找得到，但對於如此低優先順序的任務，要付出任何時間或精力都感覺太「浪費」了。

五、退稅方便性的阻礙

回收舊電子產品前，還有一件必須要做的事是「申請退稅」。在美國，目前已經有相關服務較之前方便「一點點」了，但各種下載、填寫文件資料，比回收設備本身還要更麻煩，導致回收門檻變更高。

David Bourne 表示，也許在回收時只有其中一兩項阻礙，但加起來就會變成難以跨越的麻煩，他建議消費者，搜尋大部分品牌的線上技術支援文章，都可協助找到正確方法移轉或清除資料，而參考 R2、e-Stewards 或 WEELABEX 的認證標章，能夠初步確保回收據點是可靠的。

Google和其他公司，也都針對如何正確回收老舊二手電器提供資源，希望能讓回收老舊電器這項環保選擇，對大家來說更加容易達成，消費者需要做到的就是「跨出詢問、查詢的第一步」，才能讓電器回收永續的理念有機會實現。

責任編輯：錢玉紘

「過去我們教育教導學生如何從數據中找出標準答案，但在生成式AI的時代，標準答案往往是最廉價的。」臺大EiMBA執行長李家岩一語道破了這波商業典範轉移的核心。他認為，當資訊獲取邊際成本趨近於零，企業的競爭優勢已不再是單純的「掌握資訊」，而是「如何設計讓 AI 與人共同創造價值的流程」。這不只是一句口號，而是一場正在被驅動的轉型。從課程設計的邏輯重組，到學生創業專題的實戰演練，臺大EiMBA正將校園打造成一個允許失敗、快速驗證的「人機共創實驗場」。

告別標準答案，當教授變成「學習架構師」

「我們不再只是教導知識，而是設計學習。」李家岩指出，臺大EiMBA的課程正在經歷結構性的轉變。現在的教授角色更像是一位「學習架構師（Learning Architect）」，他們的任務不是單向輸出，而是設計出高強度的挑戰與情境，讓學生在解決問題的過程中，自然地將 AI 納入決策迴路。

以今年新開設的「雙軸轉型與人工智慧」課程為例，這並非傳統的技術概論課，而是場關於商業邏輯的壓力測試。學生不再只是繳交一份靜態的商業計畫書，反而被要求運用生成式 AI 輔助設計商業模式畫布（Business Model Canvas），甚至利用Vibe Coding技術讓不懂程式語言的商管學生，也能透過自然語言與提示工程，快速生成互動式的原型與操作介面來模擬市場反應。這項技術打破了傳統「文組企劃、理組執行」的藩籬，讓創意能即時轉化為可執行的程式碼。在這個過程中，AI 扮演的角色並非代筆的秘書，而是將概念具現化的加速器，以及最嚴厲的邏輯質疑者。

「這是我在課程中學到最深刻的一課，」臺大EiMBA二年級生、寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕分享道。身處近200人新創組織的高階主管，她坦言最初員工對 AI 充滿敬畏，甚至恐懼被取代。但在 EiMBA 的課堂上，她發現 AI 真正的價值在於「攻防」與「鏡像」。「老師設計了一種『沙漏式』的提問邏輯，迫使我們把策略餵給AI後，必須面對它無情的反問。」鐘紫瀕回憶，「這個市場假設有數據支持嗎？」、「你的競爭壁壘在哪裡？」這種高強度的追問，都是AI在對學員提出的挑戰，迫使她必須思考得比AI更深、更遠。「以前我們忙著找答案，現在我們學會如何設計出『連 AI 都沒想過的好問題』。AI就像一面鏡子，映照出我們思考邏輯上的盲點。」

數位孿生實戰，將「感覺」轉化為「數據決策」

除了策略層面的思維激盪，AI 在營運端的落地應用，更是讓許多直覺型創業者經歷了一場痛苦卻必要的轉型。臺大EiMBA一年級生、赤赤子設計師林宏諭對此感觸良多。

身處傳統服裝產業，過去他的經營模式多仰賴美感與經驗，「以前做決策就是憑感覺，甚至忙不過來時，連縫扣子這種小事我都自己跳下去做。」但在李家岩講授的「雙軸轉型與人工智慧」課堂上，他被迫面對冰冷的數據與流程，而這正是李家岩強調的「數位孿生（Digital Twin）」素養。

在虛擬世界中建立一個與真實工廠或商業流程一模一樣的模型，利用AI進行模擬與預測，是現代智慧製造的核心。對林宏諭而言這意味著必須將腦中抽象的「職人經驗」轉化為AI讀得懂的 SOP。「那段過程就像是被老師架著刀子往前走，非常痛苦，」林宏諭形容，為了讓 AI 能協助優化流程，他必須把每一個步驟定義清楚，無法再用「大概」、「憑感覺」含糊帶過。

雖然煎熬但成果是豐碩的。當感性的創意被裝進理性的數據框架後，林宏諭發現自己的決策不再是賭博，而是可被驗證的科學。「現在AI不僅幫我理清思緒，更像是團隊的外掛大腦。我開始能鼓勵員工使用AI釋放重複性勞動，讓大家能準時下班，去做更有價值的事。」這正是課程希望帶給學員的轉變，從「事必躬親的管理者」進化為「善用工具的跨域系統設計者」。

跨域共創，打破同溫層的「破壁效應」

如果說AI是另一位虛擬組團員那麼課堂上原本的同學們，就是來自多重宇宙的戰友。這裡匯聚了醫師、網紅、工程師、律師與傳產二代，如此多元的背景在AI的催化下，產生奇妙的化學反應。

李家岩特別提到了榮獲霍特獎（Hult Prize）肯定的「RiiVERSE」團隊。這個由臺大管院 EiMBA 與 GMBA 學生組成的團隊，成員涵蓋了時尚、行銷與創新創業等不同領域。他們利用舊衣回收再製技術，打造出循環經濟的生態圈。「這就是我們強調的跨域共創。」李家岩解釋，在過去，不同領域的專業人士溝通成本極高，但現在，AI成為了通用的翻譯機與黏著劑。

「AI不僅降低了技術門檻，讓文組生也能做Prototype，更讓理組生也能懂得商業敘事。」在這樣的環境下，創新不再是單打獨鬥，而是像RiiVERSE團隊一樣，結合理性與感性，共同回應全球永續（ESG）的艱鉅挑戰。

為了內心的狂熱，動手去做

然而，隨著AI涉入決策越來越深，一個核心問題浮現：在演算法能預測趨勢、生成文案甚至編寫程式的時代，人類領導者的價值還剩下什麼？「我們教的不是被AI取代，而是擴增智慧。」李家岩眼神堅定地說。他強調，未來的領導者必須具備三項關鍵特質：AI素養、跨域系統設計能力，以及科技人文的反思力。

其中最關鍵的，是懂得界定「自主邊界（Autonomous Boundary）」。領導者必須清楚判斷：哪些決策該放手讓 AI 自動化？哪些時刻必須保留人類的溫度與價值判斷？「例如在智慧工廠中，AI 可以預測機台何時需要維修保養，但『什麼樣的風險可以接受』、『我們要解決什麼社會問題』，這些涉及價值觀的決策，永遠需要人類來定奪。」李家岩補充道。

在李家岩眼中，真正的創新往往不是來自同類型人才的討論，而是從不同背景、不同世界觀的碰撞中誕生。「一個人能看到的只是片段，跨域合作才能讓問題完整。」他再次提到。對他而言，EiMBA 想培養的不是知道最多的人，而是能讓「各種智慧」一起工作的人。在AI與人類智慧並存的年代，領導者最重要的能力，不是掌握所有答案，而是打造一個能讓答案自然生成的組織環境。「未來需要的領導者是能整合技術與人、懂得跨域系統思考、也能『擇人(含機器人)而任勢』的人。」李家岩說，而這群充滿創業創新的管理者也將在未來商業戰場上奏出人機協作的新樂章。