維基經濟下的台灣危機
維基經濟下的台灣危機
2007.08.01 |

今年六月三日龍應台基金會主辦的思沙龍座談會上,台積電董事長張忠謀認為,台灣企業首要命題是創新商業模式,而非兩岸開放。大家都知道,台灣的成功經驗起自於代工,久而久之,台灣在國際經濟上也就自我限定於此一角色。當這種角色所帶來的利潤愈來愈低的時候,台灣並沒有尋求轉型,而是在一樣的商業模型運作之下,變本加厲。最後產業利潤愈來愈低,員工工時卻愈來愈長。

當中國崛起,台灣承續傳統的思維,看到的是夕陽產業的脫困之機。但英特爾(Intel)在大連設廠卻有著明顯的遠見。如果我們了解英特爾始終掌握開放式創新策略,不僅是一家生產工廠,也是價值中心的話,就可以非常清楚,它這一步棋,絕對不是著眼於節省成本,而是搶著占領一塊開放式創新的處女地。中國有的不僅是廉價勞工、大學知識份子,更重要的是「未來」。現在大家可以同意,關係或關聯的建立,包括顧客、供應商、員工,在維持競爭力上,比創新更為根本,也更為長久。而根據佐格比民調機構(Zogby International)的調查,美國有四分之一的人認為,未來十年,中國將成為創新發明的世界領袖。

然而,要讓台灣的眼光從短視的「兩岸開放」轉變成創新商業模型,卻又是臨淵羨魚。首先,我們習慣線性合作,只有上下游的連接,或同業之間的扶持,缺乏創造與拓寬價值的廣度。在生產上的創新是游刃有餘,但對於產品、甚至組織的整體規劃卻一籌莫展,但這些才是讓企業在當前國際商業環境中存續的關鍵。品牌管理就是一例。品牌所蘊含的是整體的組織文化,因此也絕對不可能以購併得來。
**
善於要求員工卻吝於分享**

中國人有所謂「海納百川,有容乃大;壁立千仞,無欲則剛」。照理說,這種分享的胸襟,和將全球視為研發的平台、研發人員不必一定為我所控管的開放創新,不謀而合。然而,華人企業的經營模式卻往往反其道而行:對分享興趣缺缺,但充分運用中國人勤奮努力的個性,極度開發(exploitation)人力資源,卻成了保持競爭優勢的唯一方法。

事實上,台灣產業居於科技產業鏈當中風險最高、報酬最少的位置,也有其苦衷。單打獨鬥、激烈的競爭,使得企業不得不現實功利、求速效而失遠利。這使企業不欣賞任何一項離開目標的研究。而台灣企業往往離不開降低成本、銷售業績,這些短期、量化、與遠景無關的目標。狹窄思維積重難改,結果就是企業無法推動革命性的研發或商業模型的改良,只能就在最低水平享受微薄但可能量大的利潤。

這種欠缺創新的企業文化,當前遇到了一個更為嚴峻的難關,就是創新的周期愈來愈短,創新者與非創新者的差距將會愈來愈大。過去一家創新公司要能夠達到在國際上呼風喚雨的地步,沒有幾個十年是不行的。例如一八七六年貝爾發明電話,但電話真正成為全民的工具,發揮具體的商業效能,恐怕是二次世界大戰之後的事了。然而,現在科技要達到那樣的程度,所需的周期明顯縮小。用經濟學的術語來說,就是創新的時間邊際效益比以往更大。

沒有創新的傳統難以劇變

不但如此,創新的風險比以往更低。例如一八八○年代美國出現前所未有的鐵路熱潮,但一八九○年代卻是美國歷史上公司破產最多的時期,因為鐵路的投資太高,一旦挹注資金,就無法轉型。但現在不同,透過開放式商業模型,公司可以迅速調整經營方針,歷史包袱不再成為新組織的負擔。受惠於這種邊際成本遞減的效益,使得創新更為值得嘗試。然而,如果企業長久以來沒有形成創新的文化,驟然創新,談何容易?

今天Web 2.0、甚至過去的Web 1.0之所以為人樂道,就是因為它們在既有體制之外創造了生機,但如果它們永遠處於商業的邊陲,無法成為現有企業致勝的手段,就會很快失去動能。Web 2.0尤其重要,因為創造力在Web 2.0的回饋比起以往更大。不管是合作對象還是顧客來源,都透過Web 2.0向全球無限延伸。

大家也許知道摩爾定律:每十八個月,CPU的運算能力加倍。如果摩爾發現這個定律,但他所創立的公司並不是設計以適應它,那麼英特爾就不過是另外一家普通的科技公司罷了。但摩爾看到了此一趨勢,而英特爾的開放式創新設計,就是以靈活變化為特色的新商業模型,用以配合他對計算機能力的預測。

所以Web 2.0固然帶給我們很多驚喜,但這機會是給全球的。當我們正準備運用Web 2.0出奇致勝,全球也一樣看到了這個機會。根據網路效果,誰能夠快速轉型,首先行動,誰就脫穎而出。台灣企業的僵化體制、在適應變化上較歐美公司為弱,讓我們為台灣的未來擔憂。 

往下滑看下一篇文章
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?

走進蔬果加工廠,同樣是100公斤高麗菜,最後能做出多少成品?答案不見得相同。氣候、產地與品質影響原料條件,客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言,這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例,即使機械手臂已經訓練好辨識特徵,面對形狀各異的蔬菜,仍難以判斷該從哪裡抓取。農產品的天然變數,卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作,成為宜展投入數位轉型的起點。

從紙本、LINE到數據,先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶,業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察,農產加工的關鍵經驗往往掌握在資深員工手中:該買多少菜、原料損耗多少、訂單增加又該安排多少人力,都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單,現場靠人工整理訂單、對照不同客戶的加工規格;如今宜展利用AI辨識訂單內容並匯入ERP,再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量,逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談,了解採購、派工與品管的作業方式,再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正,才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物,宜展正與技術夥伴規劃導入AI影像辨識,輔助產線末端檢查。林佑澤表示,每批農產品品質不同,比起單看良率,他更重視客訴是否減少。隨著訂單與製程資訊逐步累積,宜展也希望進一步建立需求預測、採購建議與生產排程模型,減少營運對資深員工個人經驗的依賴。

不只把菜切好,乾燥加工尋找第二成長曲線

除了改善截切本業,宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動,生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限,開拓附加價值更高的加工業務。

不過,乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間,不夠乾就反向調整。每批原料的水分與成熟度不同,反覆試做不僅增加成本,也難以維持品質一致。「品質目標沒有設定的話,前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工:先決定產品希望達到的口感、含水率與水活性,再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備,並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備,最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數,希望未來透過AI找出適合不同原料的乾燥曲線,減少反覆試做。

「我們主要還是要做代工,想要做一個功能性的原料平台。」林佑澤說,果乾目前更像是展示技術能力的產品,未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業,乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力,宜展便有機會從既有蔬果供應鏈,切入附加價值更高的食品原料市場。

從彰化走向桃園,驗證營運方法能否跨區複製

隨著加工流程逐步數位化,宜展也開始思考,這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園+後,宜展擴大與桃園產業生態系的連結。林佑澤提到,天際線協助邀集不同局處了解團隊需求,並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作,增加北部原料來源。這項合作不只拓展了供應來源,更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶,先前中南部連日降雨,蔬菜供應受到影響,宜展便從北部調度蔬菜,以不同產區互相支援,降低天候對供貨的衝擊。此外,團隊也透過天際線資源,獲得參與日本國際伴手禮設計競賽的輔導,並成功榮獲金賞獎肯定,除了展現產品的創新與設計實力,也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步,宜展規劃以桃園大溪作為第二個驗證場域,將彰化累積的資料、SOP與加工管理經驗,轉化為可複製、可優化的營運管理模式,帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出,未來若要跨區域擴張,不可能每到一個新地方,就把原有團隊整批搬過去。因此,宜展希望將資深員工的實務經驗,轉化為標準化流程與數據模型,結合AI進行生產排程、資源配置及營運決策,讓新場域能依據當地條件快速調整,降低對特定人員經驗的依賴。

從彰化到桃園,宜展接下來要驗證的,是這套從傳統農產加工現場整理出來的管理方法,是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。 長期目標是降低新場域的建置成本與管理複雜度,提升擴張效率,讓傳統農產加工業具備規模化發展的能力。

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