Enron改寫New Economy破產紀錄|數位時代 BusinessNext

2001年深冬，又一家著名的新經濟公司倒下，而且它的破產金額寫下美國史上最高紀錄──510億美元。它的名字是安隆（Enron）。一家以石油、天然氣起家，以旗下世界最大期貨商品交易網站Enron Online而知名的能源公司。
1985年成立的安隆，2000年營業額曾超越1000億美元，在美國500大企業排行榜中名列第七，擁有北美地區天然氣等能源市場將近25%佔有率，特別是能源產業網路交易市集Enron Online，被視為極具開創性的企業典範，因為它不僅能買賣石油和電力，還可以兜售DRAM、頻寬及紙漿、自來水等──任何有固定需求，但價格波動極大的大宗商品。
今年7月，世界老牌的英國《經濟學人》雜誌才將它列為世界7家卓越.com公司，股票巔峰期創下600億美元市值，為什麼突然就倒地不起？
原因在它複雜、黑箱的財務操作，騙倒了華爾街和老財經記者，但騙不了景氣！為了大舉擴張業務，安隆在全世界購併和成立許多新事業，介入當地水利和電力的買賣，包括英國的Wessex水公司、印度的Dabhol電廠、巴西的聖保羅電力公司，還花了12億美元建立全美光纖網路。這些總計超過100億美元的投資都是安隆透過它的策略夥伴公司出面成立，使得業務的真實盈虧數字不會出現在安隆的財務報表上；而資金則由安隆提供它的股票作擔保，由夥伴向銀行借錢。
在執行長史基林（Jeffrey Skilling）、財務長法斯托（Andrew Fastow）的大力鼓吹下，安隆化身新經濟代表，股價扶搖直上，2000年8月最高來到90美元一股。高漲的股價使安隆很容易就借到錢，但蕭條的景氣、投機倒把的經理人（法斯托就被控將3000萬美元中飽私囊），卻使安隆事業沒一個賺錢。2001年，當安隆股價逐步下跌超過當初借款時的擔保價格，銀行要求安隆還錢；這家全美最大能源公司一下子出現「現金流量」危機，3個月前，知名債信評等機構標準普爾公司（S&P）把安隆的信用評等降為「垃圾債券」等級，成為安隆破產前的最後一根稻草──它再也借不到錢，卻必須在2個月內立即還出160億美元的債務。原本安隆的對手交易商動能公司（Dynegy），要以230億美元收購安隆，但因它的會計師「實在看不懂」安隆的財務報表，宣告作罷。安隆股價由天價90.56美元，跌至2001年11月底的26美分，連公司的搖錢樹Enron Online也被宣布無限期停止交易，在全美各地的交易螢幕上消失蹤影。
安隆留下什麼啟示呢？
在各種創新商業模式出現的全球化社會中，沒人能真正了解技術與新事業的內涵；任何一個投資者要做投資判斷，一定要看經營者的過往事業記錄。美國《財星》雜誌說得好：「始於傲慢，繼之以貪婪，而後又在財務上企圖欺騙掩飾」的公司，你最好離它遠點。
在台灣股市大反彈的資金狂潮中，你可得小心這樣的公司！

1973 年，良興從台北光華商場一間 50 坪的電子零件行起家，半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過，伴隨規模擴張帶來的不只是成長，還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆，加上跨部門協作頻繁，行政耗損與知識傳承的缺口，成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧，從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營，作為 3C 零售業者，良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能，就是良興第五波轉型的核心命題。」

AI 自動化，從行政細節釋放組織戰力

轉型需要夥伴，而賴志達評估合作夥伴的標準很明確：技術能力是基本，產業知識（Domain Know-how）的深度是關鍵，回饋速度更是最終決定因素。2025 年的未來商務展上，良興選擇攜手 Data-DI，看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的，良興與 Data-DI 合作的第一個專案，就落在最耗費人力、卻最常被忽視的環節：會議記錄。「會議如果沒有產值、沒有效果，對企業很傷！」賴志達說，他每天參加許多會議，但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理，常出現人名誤植、決策遺漏、行動項目無人追蹤，讓會議效果大打折扣。

為了解決會議記錄的痛點，Data-DI 業務副總包威棣指出，在導入工具以前，團隊須先釐清三件事：場景是否具備落地價值、哪些流程節點適合 AI 介入，以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問，都決定 AI 能否精準落地。

確認方向後，良興與 Data-DI 成功導入 AI 會議記錄自動化系統，透過模糊比對技術校正語音辨識誤差，並將生成的雙版本報告直接回存至既有資料庫，不僅將行政人員從重複性作業中釋放，也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享，現在他去外部開會也會用這個工具，運用 AI 把錄音轉文字、再整理成簡報，很快就能完成，更令外部夥伴驚艷。「我認為這是很成功的案子！也提醒想做 AI 的老闆們，與其急著搞大架構，不如先從小工具讓公司嘗試 AI，建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後，良興接著切入更深層的營運核心：知識傳承。過去，頂尖銷售經驗長期鎖在少數資深員工身上，新人培訓耗時三個月，員工離職即帶走知識資本。與此同時，網路資訊發達，消費者進店前早已掌握基本規格，3C 通路門市人員要如何發揮更多價值？「我要門市的人不是死背規格，而是面對客人時，能用客人能理解的方式對話。」賴志達說。

為此，Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡，串接教材生成、審核上架、AI 銷售對練與成績回報，主管僅需在核心節點審核；員工透過手機語音對練，系統依口吻、專業度、回應力等維度自動評分。賴志達表示，目標是將新人培訓期縮短至一個月，讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而，要讓這套系統真正運作，得先解決兩個根本問題：資料從哪裡來？以及訓練如何更準確？

「以前大數據時代，講的是資料要大、全、細、實；現在 AI 要做到的是準（準確）、合（合乎場景）。」包威棣說。良興不同廠商提供的素材品質參差不齊，Data-DI 除了整合內部資料，也補充加入外部市場評測內容以填補空缺，再透過人員審核機制過濾雜訊，搭配 agent 架構的多層步驟與知識限定，確保系統能精準提煉對應品類的訓練素材。

賴志達則看得更遠：「這些教育訓練的內容，也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問，帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中，雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步，賴志達表示，公司各部門很早就建置 Power BI 報表，但數據豐富不等於決策清晰。「數據是土壤，如果沒有梳理，就沒有用了。」因此，他的下一個目標是活化數據資本、推動行銷自動流，以精實的人力持續驅動成長。

包威棣則從顧問視角歸納兩個觀察：AI 導入需要高層認同、由上而下推進，像賴志達這樣持續引領良興走在業界前端的決策者，就是不可或缺的推手；而單點工具的價值，終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構，人員訓練改變了知識傳承的方式。從點狀應用走向企業變革，這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後，對於仍在觀望AI應用的企業，他則建議：「未來 AI 導致的落差只會愈來愈大，人會變成超級工作者，企業會變成超級企業。開始做就對了，先做一個三個月的小任務，降低落差、再急起追上。」從痛點切入、小步快跑，讓組織在實作中累積對 AI 的理解與信任，這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊，請查詢網站：https://www.data-di.com/