第三代知識管理
第三代知識管理
1999.12.01 |

策略產業(年營業額60億美元)中的管理顧問公司與財經媒體、大學商管學院經常一齊共謀,鑄造新辭以鼓動流行,並藉以創新議題,刺激新業績。
「知識管理」這個詞彙,就是其中一例。
事實上,自有企業以來,知識管理就非新鮮事。
數百年來工藝大師不辭辛苦將技藝(craftsmanship)交給學徒;家族企業業主將產業智慧(industry recipe)傳給子孫依缽傳人;工人在工作現場互相交換技能與想法-這其間都可以追索到「知識管理」實務的軌跡。
如果排除「前現代」時期,第一代「知識管理」典範出現在泰勒(Federick Taylor)的科學管理時代:企業蓄積產業智慧的庫藏地是在策略層峰及中層幕僚(是為「知識工作者」),生產作業核心的人則不與聞問(是為「勞力工作者」),兩種階層的區分是極為嚴格的。Taylor認為產業智慧的開發、蓄積與應用是前一階層的使命,作業核心只負責執行,完全不鼓勵他們隨便更動前者所定下的知識與規範。
第一代「知識管理」典範的覆亡始於六十年代,而於八十年代則形勢明朗化。以日本豐田汽車為首的「精實生產」(lean production)知識管理新典範徹底擊垮了北美科學管理「大量生產」(mass production)舊典範。

**全員皆「將軍」的豐田式生產

**
精實生產型的企業全員均為「知識工作者」,再無兩種勞動階層的劃分。豐田內部不只工程師,連生產線工人都投身於6,800個品管圈活動中,這群高中/高工教育程度的作業核心被訓練成能夠本能地對任何實務現場的工作問題,連問五層為什麼,以魚骨圖/因果鏈綴連現場開發工作知識(working knowledge),並應用這些工作知識,在九十年代平均每年提出2,076,077個改善提案。
換言之,這群高中/高工程度的產業部隊成員平均每人每年向豐田公司提出35.6個工作知識的結晶(每人每月3個),而公司也接受並獎勵了98%的提案。這種全員皆知識工作者,除了將帥校尉,連二等兵也獻身工作知識開發部隊,是既work hard也work smart的動人景象。
豐田仰賴這樣的全員知識開發部隊,提昇品質、降低成本、縮短週期時間,強固了公司更卓越的競爭優勢。
豐田的口號是「卓越思考‧卓越產品」。整個豐田全面上下均形成一個思考型組織、學習型社區(thinking institute & learning community)。工作改善與產品創新的知識在這個社區內像「青春之泉」(spring of knowledge)般永續不斷地噴湧而出,豐田員工的理性之光照映在這知識之泉上,幻化成智慧的彩虹,閃耀在全球汽車產業疆場的上空......
第二代「知識管理」典範徹底擊垮第一代(這場典範之戰的第一役-北美的民生電子工業被日本族誅滅種了﹔第二役DRAM之戰,Intel揮淚退出戰局﹔第三役汽車之戰打到九十年代初,很多人都預言底特律的覆亡指日可待),靠的不只是單一企業內部的全員知識開發,而是生產合作網路的全員知識開發。

**「價值星系」擊敗了「價值鏈」

**
根據哈佛大學企管所Kim Clark所長與東京大學Fujimoto教授的研究,開發新車時所需的新零件,供應商與中央車廠共同協力開發的比重,在北美是15%,在日本是52%。換言之,第二代「知識管理」的典範,所謂學習型社區,知識流通、連結(knowledge flow & linkage)的疆界,是以整個合作生產網路為單位,而不只是侷限於單一企業內部。
第二代「知識管理」擊敗第一代,在於前者的「知識引擎」(發動機)是分散的、鑲嵌組織四處的(distributed & embedded)而非集中的(centralized)。GM所以戰敗,豐田之所以勝利,是因為表面上兩造各為十萬大軍對十萬大軍,其實是GM一萬大軍(中上層知識工作者)對豐田十萬大軍(全員知識工作者),甚至更是GM一萬大軍對豐田二十萬大軍(十萬內部加十萬協力體系)。
兩種典範大戰的結果,在整個八十年代與九十年代初很多人都在說「金陵(北美)紫氣黯然收」,頗有「王氣東來」之嘆。但是風水輪流轉,九十年代中期開始,北美孕育出第三代「知識管理」典範,展現出帝國大反擊的氣勢,竟又使太平洋兩岸風雲變色,戰局大逆轉。
第三代「知識管理」典範(這次是北美領風騷)是創新、價值(與顧客)的共同開發(co-development)、是「價值星系」(value constellation)顛覆了昔日哈佛大學教授波特(Michael Porter)的「價值鏈」(value chain),是互動的「知識流量」(knowledge flow)補強了靜態的「知識庫藏」(knowledge stock),也是使市場從一個價值交換的「場所」(market as value Exchange Place)蛻變成星系各成員對話的「論壇」(market as Dialogue Forum)。
微軟開發Window 2000,至少動員公司外400,000名客戶為其作β-site test(測試版測試),免費為微軟除錯,提供產品改善建議。只要每位工資估1,000美元,微軟就節省了四億美金產品創新投資資金。微軟以「吸星大法」之姿,吸收諸位「買爺」心甘情願貢獻的知識內力後,再集大家內力大成之產品賣給各位「買爺」,大家還快快樂樂一邊排隊一手交現金,一手領回自己貢獻創新知識有份的產品。

**新教科書中的新經濟

**
市場的定義改變了,經濟學教科書要重寫了。
顧客不再單純只是顧客,他也將如同第二代典範中的供應商一樣參與產品創新流程,被整編入知識創造的價值星系中。
市場不再只是買(的採購部門)賣(的業務部門)雙方價值交換的場所,市場更是合作網路各成員(包括顧客、供應商、通路、學研機構)多元交流,知識流通與加值的對話論壇。
這就是第三代「知識管理」典範,而以第三代「知識管理」典範為經營策略主軸的經濟體就稱作「新經濟」。
運用第三代「知識管理」的新經濟是九十年代中期以後北美生產力大躍進,競爭力大勃興背後的秘密,當然也是日本產業一時之間難望項背的困境所在。
第三代「知識管理」也好,「新經濟」也好,均不能與所謂「高科技」畫等號。
「呆伯特」的創造者史考特‧亞當斯(加州大學柏克萊MBA)以十七年上班族生涯體驗創造呆伯特後現代職場荒誕場景與異言堂,在全球四十國、一千五百家報紙登載,每天有一億五千萬讀者爭相閱讀。史考特開設網址SCOTTADAMS@AOL.COM,每天收到全球讀者的評論回饋與心情故事。史考特同樣以吸星大法匯納百川,醞釀加值後再出書賣給原始IDEA貢獻者。
什麼叫做「作者」?什麼叫做「讀者」?
何謂「廠商」?何謂「顧客」?
一切疆界模糊化了。一切知識是共同開發的(co-developed)。一切價值也是共享的(shared)。
「新經濟」萬歲!
第三代「知識管理」萬歲!

往下滑看下一篇文章
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?

AI 正快速改變消費者探索商品、接觸品牌的方式,也為零售業帶來新的成長機會。然而,當 AI 從個人使用工具逐步走向企業營運,台灣零售業的轉型腳步仍有落差。財團法人人工智慧科技基金會《2026 台灣產業 AI 化大調查》顯示,台灣零售業的 AI 應用仍存在明顯差距,資源有限的中小企業尤其面臨挑戰。對照全球已有 62% 的企業開始布局 AI Agent、近五成運用 AI 投入高價值決策,如何將 AI 從單點工具導入,真正成為零售成長的助力,已成為品牌必須面對的課題。

全方位零售整合專家 SHOPLINE 於 9 月舉辦「AI-Verse Day 2026」年度大會,以「Where AI Meets Commerce」為主軸,邀集零售與科技業者,從流量獲取、數據應用到會員經營,探討 AI 落地零售場景的實戰路徑。服務全球累計逾 70 萬品牌的 SHOPLINE,也在會中宣布邁向 AI in Retail,推出官方 MCP(Model Context Protocol),進一步串聯零售數據與 AI 應用,協助品牌掌握新興 AI 流量入口,為下一階段的智慧零售布局做好準備。

SHOPLINE 預告:零售下一個流量入口是 AI

2026 年上半年,SHOPLINE 客戶 GMV 年增 20%,是電商大盤成長率的 2.5 倍。「這代表我們與品牌客戶一起把生意做大!」SHOPLINE 台灣總經理葉力維指出,從全球市場來看,尤其是以北美為主的 SHOPLINE 客戶,來自 AI 渠道的流量 PV 較去年同期成長 15 倍,訂單量更成長 35 倍;相較之下,台灣 AI 渠道流量 PV 約成長 2 倍,顯示 AI 導流的商業潛力正逐步浮現,台灣品牌仍有很大的成長空間。

當品牌越做越複雜,從多通路走向全域經營、數據與規模擴大,如何確保資料品質、打通資訊孤島,並兼顧資安與治理,成為 AI 能否真正落地的關鍵。為此,SHOPLINE 提出四大 AI 佈局方向:首先,建立 AI Ready 數據基礎,整合分散的零售資訊,為 AI 應用做好準備;其次,深化 MCP 布局,讓品牌能依照自身需求,自主選擇並串接不同的 AI Agent;第三,成立 AI 轉型委員會,將 AI 導入內部工作流程,推動服務模式從執行任務進一步升級為洞察客戶需求、提供策略建議;最後,擴大 AI 夥伴生態系,開放第三方開發者串接垂直領域的 AI 應用,讓品牌能更靈活地組合所需工具。

#4 SHOPLINE
圖/ 數位時代

「過去十年,SHOPLINE 陪伴品牌走過每一次通路變革。每一次流量入口的改變,其實都代表著品牌經營方式的改變;而下一個入口,就是 AI。」葉力維表示,當 AI 開始影響消費者探索商品、發現品牌與完成購買的路徑,品牌不能只停留在導入單一工具,更需要提前整備數據、串接應用並建立治理能力。接下來,能否做好 AI Ready 的準備,將成為零售品牌掌握下一波成長機會的關鍵。

SHOPLINE 推官方 MCP,助攻品牌落實 Agent Ready

品牌該如何做好 AI Ready 的準備?SHOPLINE 產品副總賴哲文指出:「人、貨、場的接觸點沒有改變,改變的是誰做決定、誰做執行、誰做判斷。」

當 AI 逐步介入零售場景,消費者、員工與企業的角色也隨之改變:做決定的是消費者,當消費者問 AI「我該買哪個品牌」,品牌能否出現在答案裡是第一個挑戰;執行的是員工,員工則可將部分執行工作交由 AI 處理,將更多精力投入判斷與決策;做判斷的是企業,AI 能否提供可靠的洞察與建議,關鍵仍在於數據品質,以及能否有效運用既有數據資產。

要讓品牌被 AI 理解與推薦,品牌經營也必須從傳統 SEO,進一步走向 AIEO(AI Engine Optimization),讓商品與品牌資訊具備良好的結構與可讀性,才能提高被 AI 採用、推薦及導流的機會。對此,SHOPLINE 提出三層 AI Ready 架構:以「AI Ready Data」整合高品質、可供運算的零售數據;透過「AI Ready Commerce」讓商品資訊與交易流程能被 AI 理解和銜接;再以「AI Ready Agents」串接品牌自主選擇的 AI Agent,逐步將數據基礎延伸至實際應用。同時,SHOPLINE 也透過第一方數據歸因,改善消費者身分碎片化、數據時效性不足與成效歸因不清等問題,讓原始數據能進一步支援 AI 分析與決策。

#3 SHOPLINE
圖/ 數位時代

在工具應用上,SHOPLINE 推出官方 MCP,涵蓋流量轉換、數據分析、商品管理與會員經營等場景。品牌可在 Claude 中透過輸入零售 skills,搭配 MCP Tool 的後台相關能力,進一步產出數據洞察報表與執行建議,讓 AI 從資訊整理延伸至實際的零售工作流程。為兼顧應用效率與資料安全,SHOPLINE 也設下三道防護機制,包括涉及資料寫入時須經人工核准、個人資料須取得授權才能存取,以及依照角色與需求進行權限分級。

「Agent Ready 就是入場券。」賴哲文強調,當 AI Agent 開始參與消費者決策與企業營運,品牌不只要讓 AI 看得懂商品,更要讓數據能被安全地運用、讓不同工具能順利協作。

除了產品之外,SHOPLINE 也致力發展 AI 開放生態圈,邀請各領域夥伴分享引流、口碑、營運與顧客經營的應用方向。此次大會邀請數聚國際、Tagnology、BUNNYWORK、beBit TECH 微拓科技,以及女性高效身體保養品牌 HYPHY,攜手展示 AI 如何串聯流量獲取、行銷轉換到顧客經營等零售場景。

Justar 運用真實發票數據,提升廣告投放效率

廣告投放端同樣面臨轉變。「市場愈來愈大,轉換效益卻愈來愈低。」紅門互動及Justar 數聚國際執行長張元溢分析,投放效率下滑,源於成長結構改變:影響消費者的場域更分散,找人的方式從興趣推測走向真實行為,素材也無法一套打完全場。

對此,Justar 運用 AI 結合電子發票數據,以 AI 廣告投放平台結合全台規模領先的雲端發票消費資料庫,涵蓋超過 20 億筆雲端發票、700 萬名消費者及 3,200 萬項商品。其「AI 廣告受眾推薦引擎」可依商品特性生成受眾輪廓(Persona),比對發票資料庫、找出真實買家作為種子受眾,而非僅依賴瀏覽紀錄或興趣標籤,再由 AI 自動擴充相似受眾、生成並優化素材,並依成效動態調整投放策略與預算配置。

張元溢強調,從真實種子到規模化放大,重點在於找到更多相似的人。同時觸及也須走出社群,延伸至 RMN 聯播網、社區 App 廣告與戶外媒體。他以「三人成虎」形容,藉創作者短影音加上跨場域廣告加深印象,才能為品牌實現「線上找到人,線下讓他記住你」的成效。

#2 SHOPLINE
圖/ 數位時代

BUNNYWORK 推 AI 營運特助,主動預警缺貨與滯銷也發掘成長機會

除了行銷之外,AI 也開始深入零售業的日常營運,協助品牌從事後處理走向事前預測。BUNNYWORK 創辦人周于如指出,電商營運常面臨幾大痛點:商品售罄後客戶問了才發現缺貨、補貨數量仰賴 Excel 與個人經驗判斷,滯銷商品也往往要到季末才浮現。「營運方式不同,留下的利潤差很多。營收決定你做多大,營運才決定你能留下多少利潤。」

針對這些痛點,BUNNYWORK 推出定位為「會思考的電商 AI 特助」的解決方案,目標是讓電商營運進入「自動駕駛」。傳統 ERP 只負責被動紀錄營運數據,BUNNYWORK 則讓 AI 24 小時主動盯盤:根據銷售數據提前發出缺貨預警、產出補貨建議單,並每日掃描商品銷售速度,一旦偵測到滯銷風險,即透過 LINE 推播提醒品牌及早規劃促銷、加速庫存去化與資金回流。除了提前規避風險外,AI 也幫助電商看見潛在機會:偵測到爆款潛力的商品,提醒品牌提早加碼備貨、調整廣告資源,把握成長時機。

至於 AI 為什麼能提供可靠的營運建議?背後仍取決於數據基礎。周于如解釋,ERP 串聯商品、銷售與庫存等不同環節的數據,並即時同步多通路的商品與庫存資訊,讓 AI 掌握完整且即時的營運全貌,同時降低超賣風險。「唯有建立乾淨、即時的資料基礎,AI 才能進一步辨識缺貨與滯銷風險、並發掘銷售成長機會,協助品牌提前應對、做出更精準的決策。」目前品牌平均約 7 天即可完成導入。

#1 SHOPLINE
圖/ 數位時代

精兵團隊導入 AI,解決流程瓶頸再創高成長

從流量獲取到營運效率,AI 的價值最終仍須回到顧客經營與商業成效。大會壓軸的高峰沙龍回到會員經營。beBit TECH 商務長譚學凱指出,OmniSegment CDP(顧客數據平台)能整合分散的顧客資料,建立 360 度顧客輪廓,進一步支援跨渠道的精準經營;旗下導購型 AI Agent「AgentBit」,提供對話式分眾,讓使用者與 AI 對話就能快速打包推播受眾,不再需要手動設定篩選條件;商品興趣預測則以 AI 學習客戶的行為軌跡,自動將高相關商品推送給高潛力買家;AI 智慧分析更只需透過問答,即時分析品牌檔期成效與提供優化建議,並能一鍵調整現有顧客旅程。透過 CDP 與 AI 功能加乘,大幅提升行銷團隊協作效率,並支援逾 2,000 種 OMO 跨通路智慧推播,協助品牌更有效地觸及目標客群。

#0 SHOPLINE
圖/ 數位時代

HYPHY 品牌共同創辦人林又立分享,品牌長期透過 LINE 經營千人會員社群,希望在規模化經營的同時,仍保有一對一對談的親切感與即時回覆的能力。導入 AgentBit 後,團隊能透過 AI 對話快速完成受眾分群,並取得具體的行銷優化建議,降低操作門檻。以單檔活動為例,LINE 發送量僅為原先的 15%,點擊率卻提升 227%,EDM ROAS 更提升至原先的 3.3 倍,展現 AI 協助品牌提升溝通效率與行銷效益的潛力。

對於資源有限、希望嘗試 AI 的品牌,林又立也分享了務實的做法:「不要一開始練跑就想著今天要跑全馬,先踏出第一步,把目標定在到達下一個電線桿就夠了。」與其一開始就追求全面轉型,不如從具體的營運需求出發,逐步找到適合 AI 發揮的場景。

活動尾聲,葉力維也提醒,品牌導入 AI 前,應先盤點內部工作流程,找出真正影響效率與成效的瓶頸,再思考如何運用 AI 改善。「那就是你最該導入 AI 的地方。把 AI 放在流程上,才是關鍵。」與其為了導入 AI 而導入 AI,先解決實際問題,才能讓技術真正轉化為營運成果。

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
一次搞懂工業AI
© 2026 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