在10月號的《Fast Company》上看到吉姆‧柯林斯(《基業長青》與《從A到A+》的作者)一篇文章,解析這個現象為「The built-to-flip economy」,中文我姑且稱之「落跑經濟學」。
台灣有沒有類似的事呢?剛好,最近也是一缸子騙局。柯林斯認為,美國這10年榮景導致這種「一輩子海削一票」的機會主義者,產生「一切向股價看」的經營手法──著眼資本市場牟利、反推企業發展模式。
這是柯林斯所謂的「向下盤旋」路徑:光隨著外在環境起舞,忽視專注基本能力的創造──一種由外而內(outside-in)的方式,而「向上盤旋」的發展正好相反,是由內而外(inside-out)、從建立內部創造力開始。
要怎麼辨別一家企業是否值得信賴?答案是,看看這家公司的CEO,究竟是個Creator(創造者)還是個Reactor(反應者)。
「專注組織能力的創造」,台灣企業該做些什麼?許多CEO也正在焦慮中,但面對中國這個龐大的世界工廠,答案其實也很清楚,低價量產拼不過,別無他途,只能提升價值。
提升價值,價值由誰決定?消費者。如何提升價值?宏碁集團董事長施振榮的「微笑曲線」兩端的高附加價值區,一端是服務,另一端是設計。這兩部分,全都是直接面對消費者的介面,而消費者看重的又是什麼?當不同的產品間、機能愈來愈近似,決定的關鍵就在「感受」。
這個極抽象但關鍵的新市場行為,我們稱之「靈魂經濟學」。《數位時代》從製作「數位美學」欄目開始,近來的「認同感經濟」、「幸福感企業」到這一次「設計」的專題,都是「靈魂經濟學」中的重要課題。
當我們看到BMW以設計能力快速超越賓士,三星靠設計在手機市場打敗SONY,見識到這種小資本、無污染的創造力,帶來的價值有多大。
代工台灣有沒有發展設計的DNA?如果從捷安特開發8000美金的腳踏車,浩漢設計摩托羅拉的PDA手機,華碩剛上市全世界最輕巧的筆記型電腦,答案其實非常明確。
培養有設計力的組織,要如何開始?請看實踐大學設計學院院長官政能的報導。一個專業的設計人,起點是志氣,最終將得到尊嚴。毫無疑問地,他是Creator。
隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。
Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。
企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運
模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。
高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。
AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。
政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。
OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題
今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。
面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。
上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。
「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。
金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。
從六種產業場景,看 AI 如何走進真實流程
真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。
下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。
| 產業場景 | 議程規劃與關鍵課題 |
|---|---|
| 智慧支付 | 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷 |
| 製造 | 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料 |
| 媒體科技 | 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰 |
| 零售製造 | 零售製造轉型;把技術接進實際營運與使用者體驗 |
這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。
現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。
10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。
「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名
