讀書心得-領導者的數位轉型
Competing in the Age of AI: Strategy and Leadership When Algorithms and Networks Run the World
作者： 馬可．顏西提(Marco Iansiti)、卡林．拉哈尼(Karin R. Lakhani)
出版社：天下文化
出版日期：2021/05/10
馬可．顏西提 Marco Iansiti: 哈佛大學商學院教授、哈佛創新科學實驗室（Laboratory for Innovation Science at Harvard）聯合主任。同時也是Model N及楔石策略公司（Keystone Strategy LLC）聯合創辦人，為臉書、亞馬遜、微軟、英特爾等全球前一千大公司提供顧問服務。
卡林．拉哈尼 Karin R. Lakhani : 哈佛商學院教授，同時擔任美國全國經濟研究所（National Bureau of Economic Research）研究員等職；也是謀智公司（Mozilla Corporation）董事會成員，以及數家人工智慧新創公司顧問。他進哈佛商學院任教前，曾任職於奇異醫療（GE Healthcare）及波士頓顧問公司（Boston Consulting Group）
本書兩位作者為哈佛商學院教授，他們將長年專研「數位轉型」與「創新管理」領域的研究與觀察寫成本書，向新時代企業領導者傳達一項重要的觀念：公司的性質正在改變，由資料、分析及人工智慧驅動的「數位型公司」誕生了。這些數位型公司重新定義公司的商業模式(創造價值及獲取價值)及營運模式(遞送價值)，透過人工智慧工廠，改造營運架構，推動數位轉型。這些數位型公司衝撞顛覆了很多傳統大型產業，作者也同時提出新時代的策略性網路分析、數位型營運模式的倫理課題及維持永續的數位型公司領導者的新使命挑戰。 本書透析「數位轉型」的企業實戰案例，例如仰賴「AI工廠」迅速從研發到製造的莫德納（Moderna）疫苗、宜家家居（IKEA）的數位化零售轉型、英國線上購物平台奧凱多（Ocado）、健康科技公司派樂騰（Peloton）等，詳盡說明當傳統型組織面對層出不窮、無法預測的指數型危機威脅時，如何布局未來動能、深化敏捷與彈性、有效提升數位時代中的組織競爭力。本書的兩位作者向所有組織領導者大聲疾呼：「還有什麼是比新冠肺炎疫情更好的證據？」不論你的組織型態是新或舊，即使「病毒」沒有找上你，競爭者終究也會找上你。我們已經沒有拖延的藉口，每個組織都必須致力於組織流程、營運系統與競爭能力的變革！
「人工智慧時代」定義
為因應數位網路、數據分析與人工智慧所共同形塑的商業環境變化，企業轉型成為嶄新的組織型態。這種組織型態的主要特徵是採取一種橫向連結的營運架構，從而實現規模(Scale)、範疇(Scope)與學習式(Learning)的指數型成長(可稱為SSL模式)。人工智慧驅動的數位流程，比傳統流程更容易擴大「規模」，它們含括更大的「範疇」，因為它們更加容易和其他數位化事業相連結，他們也可以創造強大的「學習」與改進機會。運用弱人工智慧就足以改變公司的本質及營運方式。
弱人工智慧(Weak AI): 一套可以執行傳統上人類執行的任務的系統。
強人工智慧(Strong AI): 像人類一樣獨立思考，足以取代人類智慧的系統。
衝撞就是這樣發生的
在人工智慧時代中，各種產業呈現出的相同競爭模式：數位型公司（digital firms）衝撞傳統型公司。像是螞蟻科技集團衝撞傳統銀行業、YouTube及網飛（Netflix）衝撞傳統娛樂業、Airbnb衝撞傳統旅館業，這不過是其中的三個案例。在這些衝撞的過程中，我們可以看到當一個指數型系統發展至飽和狀態時（也就是即將觸動快速發展的臨界點）將會發生什麼事情。一旦指數型公司跨越臨界點後，成長速度就會爆發出來，使傳統型公司難以招架。從安卓系統（Android）與諾基亞、亞馬遜與邦諾書店（Barnes & Noble）、YouTube與維亞康姆（Viacom）、到螞蟻集團與匯豐銀行，都一再上演著相同的戲碼。
忽視一個指數型成長系統、任憑它跨越臨界點，就是這場災難的根源。正如同我們在傳統型與數位型公司的衝撞中看到的那樣，唯一的救命策略是清楚認知威脅、立即做出反應，並擬定周延的長期轉型計畫。如果我們能及早意識到指數型威脅，就能在威脅來襲前用拖延戰術來控制它，或是盡其所能的增強防禦措施。除了基本的準備外，應付指數型威脅最有效的方法就是建立一個相應的運作架構，用迅速敏捷的指數型反應來面對挑戰。我們在檢視那些能夠有效因應疫情的組織時，發現這些組織（不論是傳統型或數位型組織）都能夠以深度且整合的數據為基礎，在軟體、分析工具與人工智慧技術的幫助下做出強力且有效的營運決策。
數位化的巨大驅動力量
當我們讓某種活動進行數位化(例如一幅畫的筆觸被轉化為像素)，深層的改變將隨之而來。
1. 易於規模化，用趨近於零的邊際成本，擴大於世界任何地方的無限地使用者。
2. 易於連結，可以趨近於零邊際成本和各種互補活動與他人相互連結，從而大幅擴大應用範圍。
3. 可以內建處理指令、人工智慧演算法形塑行為，促成各種可能的路徑與反應，這種邏輯可以在處理資料時學習，持續訓練與改進內建的演算法，去自我學習與進步。
公司的價值取決
1. 商業模式(Business model): 公司承諾創造價值和獲取價值的方式。關係到公司策略，也就是如何透過供應獨特的產品或服務，形塑與競爭者的區隔並提升獲利。
2. 營運模式(Operating model): 公司為其顧客遞送價值的方式。關係到公司校顧客遞送產品或服務的系統、流程及能力，也就是運用公司人力及資源每天實際在做的那些事情。營運模式的總體目標為: 將傳遞的價值規模化、達到範疇效率、有足夠的學習以因應變化。
Note: N*E*M = (the number of users) * (user engagement) * (monetization)
作者舉例如網商銀行的新營運模式特色是處理流程的「3–1–0制度」: 顧客花3分鐘申請一筆貸款，審核是否通過只花1秒鐘，這個過程涉及的人際互動為0。
「人工智慧工廠」
讓資料整合、分析與軟體，成為事業的新核心(Data integration, analytics and software are new core of business)。
「人工智慧工廠」: 將公司的資料、分析及人工智慧方法予以工業化。
人工智慧工廠透過更多的資料、更好的演算法、更好的服務、更高的使用量，形成一個不斷的循環，驅動公司的指數型成長，如下圖所示。
人工智慧工廠的組件包括:
1. 資料匯流(Data pipeline): 以有系統、可持續、可規模化的方式，收集、輸入、清理、整合、處理與保全資料。
2. 開發演算法(Algorithms development): 以演算法產生有關於事業未來的狀態或行動預測，是數位型公司的心臟，驅動一家公司最重要的營運活動。
3. 實驗平台(Experimentation platform): 透過實驗平台機制，以檢驗有關預測及決策的各種假設，以確定演算法建議的改變方案。
4. 軟體基礎設施(Software infrastructure): 把資料匯流嵌入一個模組化的軟體運算基礎設施裡，並視需要及適切性，把它連結至內部及外部使用者。
演算法
是指機器處理資料時所遵循的一套規則，用以做出決策、產生預測或解決特定問題。人工智慧的演算法，大都用下列三種方法開發統計模型，來增進準確預測能力:
1. 監督式學習(supervised learning)
目標為讓預測結果儘可能接近人類專家(或被公認的事實源頭)。首先建立標註資料集，然後將資料集區分為「訓練資料集」和「驗證資料集」，讓完成訓練的模型對驗證資料進行預測並比對模型預測結果和專家預測結果。
2. 非監督式學習(unsupervised learning)
在沒有任何假設情況下，從資料中獲取洞見。嘗試從未經標註的資料中找出自然結果，以發現到那些觀察者沒有查覺到的隱形結構。通常可區方分三大類: (1) 群集(cluster)演算法 (2) 關聯規則探勘(association rule mining) (3) 異常偵測(anomaly detection)。
3. 強化學習(reinforcement learning)
只需要一個起點和一個執行功能。從起點開始探索周遭的空間，但「探索」(exploration)與「利用」(exploitation)之間需要取捨。
改造營運架構
電腦科學家康威(Melvin Conway)在1967年指出: 一個組織的系統設計，會反映出組織的溝通結構。科威定律(Conway’s law): 一個整合性的技術若要設計得宜。其設計者必須經常溝通。這種觀點總結被稱為「鏡像假說(mirroring hypothesis」: 「專案、公司或內部單位間的組織連結…會與正在運行中的技術系統彼此呼應。」這意味著不只是軟體設計任務，就連組織架構也會和目前採行的技術系統相互影響。這些相互強化的關聯性可能是公司的一項資產，但也可能對組織造成束縛。 哈佛學者韓德森(Rebecca Henderson)和克拉克(Kim Clark)1990年發表的論文指出，需要改變技術員艦之間架構的架構創新(architecture innovation)，對既有公司構成一種特別威脅。
1. 架構慣性(architectural inertia): 抗拒調適現象。組織變得擅長以特定方式做某件事，它們就發展出相互強化的固定程序及制度系統，變得難以用不同的方式做事。架構慣性導致難以做到需要以新方式組織工作的轉型。
2. 封閉塔式結構(siloed organizational units): 傳統的營運限制。
3. 「兩個披薩」敏捷團隊: 為了減少不必要會議，Amazon貝佐斯命令團隊規模不能太大，不能超過兩個Piza可以餵飽的規模。
4. 人工智慧型公司的架構
建立一個以程式為基礎的組織。一個數位系統(或稱數位代理人)可以零邊際成本合幾乎無限量、執行相似工作、位於世界任何地方的其他數位代理人溝通，也可以很輕易地連結至許多其他代理人的互補性活動，提供大量的潛在組合。數位代理人在處理資料時，可以內建處理指令，不僅能夠執行邏輯，也能夠學習和自我改進的演算法。
最後，這新型的組織改變了管理的角色。管理終於不再是監督，尤其是監督那些固定程序工作的員工。在一個人工智慧驅動的營運模式中，經理人是設計師，形塑、改善及控管那些去察覺顧客需求、並做出反應、傳遞價值的數位系統。經理人是創新者，他們設想這些數位系統將如何與時進化。經理人是整合者，它們致力於連結不同的數位系統，辨識公司的營運模式和其服務的顧客之間的新連結。經理人是監護人，他們致力於維持他們控管的數位系統的品質、可靠性、安全性及責任。
轉型五原則(Five Principles for Transformation)
數位轉型不只是要導入相關技術，關鍵更在於能否成功兌變為一家不同型態的數位型公司，有效轉型成為數位型公司的五項原則如下:
1. 整合策略(One Strategy): 須有一個徹底轉型的明確目標及陳述各部門團結合作推動轉型之策略。
2. 釐清架構(Architectural Clarity): 避免資訊長及IT部門的抗拒。傳統的IT部門工作章程並不包括創新與轉型。推動以資料為中心的新架構，需要在IT部門的章程、結構、文化及能力等方面作出重要改變。
3. 聚焦在產品的敏捷組織(Agile, Product-Focused Organization): 將流程嵌入軟體和演算法中，轉型後的核心服務的實際產品就是由人工智慧驅動的流程。
4. 能力基石(Capability Foundations): 開發軟體、資料科學與深度進階分析等為人工智慧型公司的能力基石。資料分析師、產品分析師益形重要。
5. 多專業治理(Clear, Multidisciplinary Governance): 數位治理應該是跨專業及部門的通力合作，這是法務及公司事務部門的角色更為活躍。除了內部治理流程外，也應該顧及夥伴及顧客生態系及周邊社群活動。
數位型公司的新時代策略
過去數十年，產業分析主導策略發展。但我們相信，網路分析將愈來愈形塑未來的策略思考。網路分析意圖了解跨公司間的開放、分散式連結，每家公司連結至各種產業的大量網路，會及各種資料流時，公司就聚積了網路效應和學習效應。
N可以表示用戶數量、獲取的資料量、互補產品或服務數量。
創造價值的動力
(1) 網路效應(Network Effects): 一個產品或服務的價值或效用，隨者使用此產品或服務的用戶數量增加而升高。需要更進一步分析網路效應的強或弱、直接或間接、價值高或低等。
(2) 學習效應(Learning Effects): 流經相同網路中的資料量增加，價值也會隨之增加。資料量可以被用來讓人工智慧學習及改善用戶體驗。
(3) 群聚(Clusters): 網路的結構也會影響網路的價值如何隨著其規模而增加。群聚現象不會總是地理性質，例如在許多醫療網路中，病患圍繞著疾病種類而群聚。另外如Uber全球上百萬司機的整體規模並不怎麼影響在地方上的遞送價值，因為一個網路浴室分裂成地方群去，規模及網路效應影響性愈小，挑戰者愈容易進入市場。
獲取價值的動力
(1) 多歸屬(Multihoming): 一個網路中的用戶或服務供應商，可以同時和多個平台或樞紐公司(所謂的宿主)建立關係的情況
(2) 去中介(Disintermediation): 一個網路中的節點可以輕易繞過平台或樞紐公司，直接彼此連結。遏制去中介的方法包括，提高用戶透過樞紐進行交易的價值如提供保險、支付託管、監督交易、化解爭議等。降低交易費用或提供補充性服務等亦有類似效果。
(3) 網路橋接(Network Bridging): 在原本不相連的經濟網路之間建立新連結，利用更有利的競爭動態及不同的付費意願達到雙贏。當網路餐與者連結至多個網路後，就可以創造綜效。
研擬策略時思考的問題(Strategic Questions):
1. What is the core service delivered? (遞送甚麼核心服務?)
2. What networks are key to providing that service, and what are their characteristics? Do they have strong learning or network effects? Are they clustered? (提供服務的重要網路是什麼? 有何特性? 具有強大的學習或網路效應? 有群聚現象嗎?)
3. If network and learning effects are weak, how do you strengthen them over time? How do you increase the value delivered? (若網路及學習效應弱，如何強化它們? 如何提高遞送價值?)
4. If the network effects are strong and there is very little value delivered until critical mass, how do you get there? (若具強網路效應，如何達到臨界數量?)
5. What are the most important secondary networks? Can they enable additional network or learning effects? (次要網路有哪些? 能否促成更多網路及學習效應?)
6. Do we have challenges with network clustering? Multihoming? Disintermediation? (是否面臨群聚、多歸屬、去中介的挑戰?)
7. What are the best value capture opportunities? (最佳價值獲取機會是什麼?)
8. Are there network bridging opportunities? Considering the data you can accumulate from your core network, is it of value to another network? (有網路橋接機會嗎? 從核心網路收集到的資料，是否對別的網路有價值?)
策略型衝撞的案例
(1) 智慧型手機: Nokia vs. iPhone
(2) 電腦運算: 大型主機/迷你電腦 vs. PC/雲端運算(AWS、Azure)
(3) 零售業: 傳統零售業 vs. Amazon/JD.com/Alibaba
(4) 娛樂業: DVD租售業 vs. Youtube/Netflix/Disney+
(5) 旅館業: 傳統旅館產業 vs. Airbnb/hotel.com
(6) 汽車業: 傳統汽車產業 vs. Telsa/Waymo
新一代的數位型營運模式，改變了經濟與遞送服務的性質，軟體及以資料與人工智慧為中心的架構，移除了傳統的營運限制，促成了新一代跨產業的商業模式。伴隨整個經濟體系出現更多衝撞現象，各種產業愈來愈透過新的、無所不在的數位結構來彼此連結，整個經濟開始變得像一個圍繞幾個數位超級強權而高度連結的龐大網路。
數位型營運模式倫理課題的五大挑戰
數位型營運模式引發新的倫理考量，成為經理人必須面對的課題。雖然一般認為企業領導人總是考慮到組織對顧客、員工、股東、合作夥伴及營運所在地區的責任。但是，數位型事業可能傷害到利害關係人的倫理課題，無時無刻考驗著傳統企業倫理框架與指導方針的局限。這些五大挑戰包括:
1. 數位擴增力(Digital Amplification): 傳統型媒體無法做到零邊際成本，和志同道合者分享內容的那種活要用戶互動。數位規模、範疇及學習，可以擴大偏見的影響程度，包括同溫層及回聲式效應，縱使是沒有系統性的意圖去危害或支配觀點，也可能在無意間產生這種擴大效應。
2. 演算法偏誤(Algorithmic Bias): 輸入資料的品質，以及建造一演算法時做出的假設，將決定產生演算法預測的品質。選擇性偏誤(selection bias)、標記偏見(labeled bias)是常見的演算法嵌入內在偏見的偏誤實例。雖然不可能完全消除偏誤，但我們必須了解偏誤的普遍存在，致力於減輕偏誤，經理人必須了解這種現象，支持重要的消除偏誤措施，包括模型的選擇、慎選用來訓練演算法的資料集、資料集源頭透明等。
3. 網路安全性(Cybersecurity): 包括入侵、挾持等威脅挑戰，這些威脅始於傳統的入侵盜取隱私資訊，在擴展至有系統、愈來愈精進複雜、瞄準社會與政治制度基礎的操縱活動。必須指出的重要一點是，必非所有的有害事件都能容易辨識，甚至，有害也未必違法。在精煉嫻熟的網路攻擊和第三方獲得授權且透明的使用顧客資料，這兩者之間存在灰色地帶，這些灰色地帶通常是由許多介面創造出來的，者些居中介面連結各種數位型營運模式，以建立數位經濟必須仰賴的商業網路。
4. 平台控管(Platform Control): 數位平台能促成創新者生態系開發出令人想像不到的發明，這種力量同時也是平台的脆弱性。平台愈開放，風險愈大。平台型公司如何在管控太多及太少之間保持適當平衡呢? 如涉及分享跟第三方有關的資產(如消費者資料)，問題就夠複雜了。這些疑問有引發牴觸言論自由保障的疑慮，控管與策展可能被質疑近似審查制度。公司主管及利害關係人將愈來愈常面臨私人行為者治理公眾行為所引發的疑問與課題。平台管控的挑戰將日益嚴峻。
5. 公平與公正性(Fairness and Equity): 平台或樞紐公司可能憑恃強大的市場力量，導致明顯的市場集中化，左右競爭態勢。雖然可以透過多歸屬和網路群聚之類的現象，實質回擊主導市場行為，但市場力量的集中化已經是事實。當這些平台型公司的經營出現問題(例如臉書遭遇的隱私挑戰)，需要的是一個反應靈敏的監管架構，且社群應該伸出援手扮演積極角色。
資訊受託人(Information fiduciary)概念
由法律學者巴爾金(Jack Balkin)及齊特林(Jonathan Zittrain)提出。
法律上，受託人是基於信賴關係，為委託人之利益而行事的自然人或法人。醫生、律師與會計師則屬於「資訊受託人」，亦即一個人或企業受託處理的不是財產，而是資訊。醫生及律師有義務為受託人保守秘密，他們不能利用所收集到與受託人有關的資訊，從事有損受託人利益的事情。現在，我們有機會透過受託人責任概念，開啟新一輪的協商，讓公肩負起「資訊受託人」的責任:
它們將同意一套公平的資訊實務，包括安全性與隱私性的保障，揭露受侵害事件。
它們將承諾不利用個人資料去做不公平的歧視，或濫用終端使用者的信賴。
它們將拒絕銷售或傳播消費者個人資訊，除非資訊取得者同意遵守相同規範。
數位經濟樞紐公司已經對無數公司及數十億消費者的經濟健全性，擁有龐大影響力，這些數位型公司應共同採取有效行動，以促進數位經濟的長期可持續性。
新賽局的五項新規則
人工智慧時代為我們所有人改變了賽局，但這個賽局不是機器人能像人類般的行為，而是新型公司的崛起，它們使用人工智慧來打破存在已久的營運模式限制。賽局規則已經改變。
1. 變化不再是局部性，而是系統性 (Rule 1: Change Is No Longer Localized; It Is Systemic)。
2. 組織能力愈來愈跨水平(產業)且通用 (Rule 2: Capabilities Are Increasingly Horizontal and Universal)。
3. 傳統產業分界逐漸消失，重組當道 (Rule 3: Traditional Industry Boundaries Are Disappearing; Recombination Is Now the Rule)。
4. 從受限的營運模式到無摩擦系統帶來之影響 (Rule 4: From Constrained Operations to Frictionless Impact)。
5. 集中化與不均等問題可能更加惡化 (Rule 5: Concentration and Inequality Will Likely Get Worse)。
發揮領導者使命的四個關鍵領域
人工智慧時代來臨，我們必須找到更明智的方法去領導日益數位化的公司，而發揮數位型公司領導者使命的四關鍵領域下:
1. 轉型的挑戰(Transformation): 轉型必須由組織最高層開始，激勵並培養領到幹部共同投入艱苦的組織轉型工作。「一個領導人若只有深厚的技術知識、專長以及旺盛的創業企圖心，卻沒那麼嫻熟領導的人性面，以及其對於人員、組織與制度的影響，那麼就可能跟一位不了解數位營運模式或人工智慧的傳統經理人一樣，雖然是個優秀人才，卻無法勝任這份工作。」
2. 創業(Entrepreneurship): 係指商業模式之創新。除轉型外，AI時代之創新及創業，將提供一條重要的活路。
3. 監管(Regulation)創新: 努力促進數位型公司的審查與當責，包括反托拉斯、侵犯隱私、演算法偏見等，激勵這些公司做出必要改革，提出可能解決方法，共同驅動重要的監管創新。
4. 社群(Community): 在制衡數位型公司方面，社群將成為愈來愈重要的輔助監管力量。思考對樞紐公司的監管制衡及考慮新政策與監管規範時，都應將社群納入考量。
公司的性質正在改變，由資料、分析及人工智慧驅動的「數位型公司」誕生了，他運用數位網路的廣大力量，甚至定義了這個新時代的經濟。這些公司以不同方式去完成操做性的工作，去除百年來的限制規模、範疇及學習上的瓶頸。
參考資料
1. 「健身界Netflix」販賣幸福：Peloton希望打造偉大的消費產品，https://www.contenthacker.today/2019/11/peloton-sells-happiness.html
2. https://www.onepeloton.com/。看到Peloton的崛起，可能很多人會感到羨慕，但你知道嗎？該公司賴以揚名立萬的運動健身器材，背後的代工製造者卻是來自臺中的力山工業。力山原本只專注研發傳統工具機，近年積極投入健身器材產業，如今終於嘗到成功的果實。
3. 人工智慧＋3D列印 繪出「林布蘭」新作，https://www.cw.com.tw/article/5075635。
4. 盧德運動: 盧德主義者（英語：Luddite）是19世紀英國民間對抗工業革命、反對紡織工業化的社會運動者。在該運動中，常常發生毀壞紡織機的事件。這是因為工業革命運用機器大量取代人力勞作，使許多手工工人失業。後世也將反對任何新科技的人稱做盧德主義者。1779年英國萊斯特一帶一名名叫內德‧盧德的織布工曾怒砸兩台織布機，後人以訛傳訛成所謂盧德將軍或盧德王領導反抗工業化的運動，遂得此名。https://zh.wikipedia.org/wiki/%E7%9B%A7%E5%BE%B7%E9%81%8B%E5%8B%95