生成式AI浪潮來襲後，台灣企業領導者無不急著尋找導入方法，深怕錯失這波被視為第四次工業革命的先機。然而，許多企業砸重金買算力、接模型，投資回報卻低迷，問題其實不在技術，而是沒想清楚要解決什麼問題。

三步驟導入AI
確認想創造的價值最優先

瑞士洛桑國際管理發展學院（IMD）策略與數位轉型教授莫漢．薩布拉曼尼亞（Mohan Subramaniam）接受商周專訪時形容，生成式AI就像「電力」，打開開關就能取得。但多數企業布滿老舊線路與設備，若不重拉線路、驅動關鍵設備，再強的電力也只是徒勞。

薩布拉曼尼亞被視為數位轉型的權威導師，擁有為戴爾等《財星》五百大企業諮詢的實戰經驗，其著作《數位競爭策略》更被譽為傳統企業轉型的「換腦」指南。

「你絕對不能將數位轉型與AI分開看待，AI一直以來都只是一項工具。」薩布拉曼尼亞強調，決戰點在問題意識。

他的意思是：AI技術每天都在汰舊換新，企業不該盲目追逐最熱門的模型，而是必須先精準定義出痛點，並捨棄內部只為單一流程設計的僵化系統，才可能跨越傳統邊界，躍升成產業鏈中不可或缺的要角。

為突破此盲點，薩布拉曼尼亞提出一套由上而下的「價值—資料—介面」框架。

他認為，企業不能盲目的從技術出發，應該先想清楚「想創造什麼新價值」，再推導所須的資料架構，最後用AI設計新介面。

問對問題本身就是一門學問。

他指出，對傳統企業而言，轉型時最關鍵的起點是思考「如何讓現有客戶變成數位客戶」，讓客戶與產品的每一次互動，都能留下顧客真實的使用軌跡，變成長期累積的數據資產。這會決定後續所有資料架構與技術。

然而，在台灣企業的實務現場，往往在起點就走偏。波士頓顧問公司（BCG）董事總經理暨全球資深合夥人徐瑞廷觀察，許多公司推動AI轉型的第一步，就是大張旗鼓的動員IT部門，展開全公司的數據大盤點，試圖把所有能收的資料全數集中。

「大家最大的問題，就是一開始根本沒想清楚要收什麼數據。」徐瑞廷直言，「很多公司跑去搞資料治理，把設備跟報表全部暴力盤點、集中，但我們不建議這麼做，因為你根本不知道收這些資料要幹嘛！」

癥結往往在於組織內部的溝通斷層。IT什麼數據都有，但業務單位真要跑模型時，才發現IT是把現有數字全部存起來，但分類細節根本不符合業務端的實際需求，導致資料根本無從使用。

徐瑞廷建議決策者將思考邏輯徹底反過來，直指營運核心去問業務端：公司現在最大卡點是什麼，到底想解決什麼問題？找到問題後，解法也未必是AI。

「有些時候是你的流程設計有問題，有些時候是組織的隔閡沒有打破，」他建議要先把問題釐清，再定義需要什麼資料、哪些地方要用到AI。

梳理數據本質
互動式資料決定競爭力

有了問題意識，下一步是重新釐清手中掌握的數據本質。薩布拉曼尼亞將企業手上的數據分為兩種類型。

以床墊產業為例。傳統床墊商每賣出一張床，能拿到的數據只有日期、型號、售價，這就是典型的「片段式資料」。這類數據能留下紀錄，卻完全無法告訴你消費者睡得好不好，更無從預測他何時產生下一個需求。

但若在床墊中內建感測器，品牌就能持續接收睡眠時長、翻身次數等數據，這就是「互動式資料」，即時傳輸、持續累積。有了這些數據，品牌能在消費者腰痠加劇前主動推送保養提醒，甚至發展成「睡眠健康訂閱服務」，從賣一張床變成伴隨用戶整個睡眠生命週期的夥伴。

片段式資料優化的是內部流程效率，互動式資料打開的是預測性服務與訂閱制商業模式，這正是決定企業競爭力天花板的關鍵分水嶺。

不過，占據台灣產業大宗的B2B硬體製造商，他們常覺得「資料都在客戶手上」，而且客戶也未必願意分享，很難真正轉型成一家資料導向的企業。

薩布拉曼尼亞認為，此時，邁向更高層級的破局之道，是跨出傳統買賣的上下游框架，也就是「超越自身價值鏈」，讓自己成為客戶運作時不可缺少的基礎設施。

他舉例，輝達賣的是晶片，但開發者真正依賴的是CUDA，這套軟體讓開發者能更便利的開發AI應用。只要工程師習慣在這套架構上寫程式、跑模型，要換掉輝達的成本就極高，輝達因此從硬體賣家變成了AI生態圈的基礎建設。

台積電也有類似例子，該公司透過開放製程應用程式介面（API），也就是建立一條讓雙方電腦系統能自動對話的數位通道，讓客戶的晶片設計與它的生產流程深度整合，既給客戶方便，也加深客戶的轉換成本。

轉向數據生意
透過三條路徑突破阻礙

薩布拉曼尼亞認為，真正值得台灣企業領導者思考的是：你的產品或服務，能否從一開始就自帶數據蒐集及分析的能力，讓它不只是被動交付的硬體，而是變成客戶日常營運時的資料節點，深度賦能客戶的決策與運作。當企業不再只是供應商，而是成為客戶服務中的關鍵節點，就有機會開創出新的護城河。

不過，「超越價值鏈」的願景雖然聽起來美好，但為什麼做起來總是很難？

「大家都希望能上下游全部打通，但為什麼這個烏托邦不會實現？因為大家都有自己的算盤，」徐瑞廷指出，商戰中，原廠不想讓下游知道真實產能，通路端也不輕易分享即時銷售數據。要克服阻礙，他點出三條路徑。

第一，尋找替代數據，例如國外有零售商拿不到銷售紀錄，便用衛星空拍圖觀測停車場滿車率來預估銷量。第二，數據共享必須建立在讓利的共贏模式上，對方看見具體利益，生態系才得以成形。第三，推動數據商品化，「他不是只賣你設備，而是告訴你『這台設備裡有一大堆你看不到的底層運作日誌（Log），你如果加錢，我才願意分享給你』。」數據本身，就是一門生意。

其實不管今天是不是AI時代，決定勝負的，從來不是工具多厲害、多聰明，而是誰能洞悉真實的商業問題。

薩布拉曼尼亞給領導者們一句箴言：「重新想像你要創造什麼價值，並重新想像你的資料架構。」