訂閱電子報 追求完美藍圖不如實際執行：AI 落地的第一堂課是「開始」 面對 AI 對產業大環境的衝擊，沒有人知道哪條路是正確的，而且變化遠遠快於過去我們所習慣的速度，更加難以捉摸。不過正如《泡麵之王》裡引用愛迪生的話：我們不是失敗，而是發現了許多不能成功的方法（大意如此）。換一個觀看的視角，失敗就有了不同的意義；對信念的堅持，也更有價值。
主權AI, 可信任AI, 資料治理, AI治理, AI治理框架, 人工智慧, 趨勢 從中央指引到地方落地（一）：AI 治理的多重挑戰，情境與用途是關鍵 隨著《人工智慧基本法》今年1月正式施行，數位發展部已依法在7月公布《人工智慧風險分類框架》，資料治理相關指引則仍在研擬階段，台灣的AI治理架構正逐步成形。然而，當AI浪潮席捲公部門，地方政府與第一線實務單位在推動治理落地時，卻正經歷著轉型陣痛。從跨局處的資料盤點、AI與既有工作流程的整合，以及時程與預算壓力之外，更要面臨專業人力不足、權責劃分不清等現實考驗，政策落地的真正挑戰才正要開始。
產業案例, 人力資源, 數位轉型, 觀點 零售業AI轉型輕策略 讓個人生產力成為組織競爭力 只要問對幾個關鍵問題，幾乎每個部門都能篩選出屬於自己的AI專案，無論是個人、部門或公司層級都適用。但真正的挑戰在於下一步：當個人成為成功的AI使用者後，主管該如何把這份能力，轉化為整個部門、乃至整間公司都能複製的組織能力？
產業案例, 數位轉型, 觀點 一年帶動來客數4倍成長：詠鑠生活的零售業 AI 轉型案例 面對市場上五花八門的AI神話，多數中小企業主心中浮現的第一個問題，往往不是「該不該做」，而是「我們有錢、有人、有時間做這件事嗎？」在資源有限的現實下，AI轉型聽起來像是大企業的專利。然而，一家不到20人、深耕餐飲原物料供應鏈的B2B企業，卻用一年時間證明了另一種可能：轉型不需要龐大預算，也不需要等到萬事俱備才出發。
訂閱電子報 技術狂奔之後，直面人類社會的現實考驗 這星期的電子報分享了很多「風險」，表面上看來都是大家很長時間的疑慮：如果 AI 繼續按照目前的路徑發展，到底會發生哪些可能的風險？AI 擔任企業面試第一關篩選履歷時，是否會有偏見？
生成式AI, 人力資源, 技術解析, 技術 下指令叫 AI 公平篩選履歷表？無效！ 過去，企業導入人工智慧篩選履歷卻引發歧視爭議的事件仍歷歷在目。如今，在生成式 AI 盛行的時代，企業無不希望藉由大語言模型（LLM）與自動化決策演算法，實現從海量履歷篩選到跨國資源配置的高效管理。然而，大型語言模型除了可能讓企業的決策趨向一致外，也可能創造出更多偏見。
AI治理, 人工智慧, 趨勢 MIT公布五大AI風險，恐釀百萬人死亡級災難 麻省理工學院未來科技實驗室（MIT FutureTech）與昆士蘭大學（University of Queensland）共同發布《人工智慧風險優先排序》研究報告，報告指出，未來五年內最可能造成嚴重損害的五大風險依序為：危險能力、競爭壓力、武器與網路攻擊、權力集中，以及虛假資訊。報告也指出，資訊與金融產業對此尤為脆弱；而最容易受到這些風險衝擊的個人與組織，往往缺乏足夠的應對能力。
訂閱電子報 模型愈來愈強，但人類的思考卻愈來愈平庸？ 本週電子報的書摘《點擊成長》正是在探討這件事情背後真正的關鍵：工具會演進，但原則恆久遠。就行銷領域來說，無論是簡訊、電子報或社群媒體廣告，載具跟通路可能會變，但終究是在做行銷，背後的底層邏輯是不會變的。
生成式AI, 人工智慧, 趨勢 小心，AI的產出可能讓企業決策變得千篇一律 目前多數的大型語言模型（LLM）都陷入了某種窠臼。它們的回答比你想像的更容易預測，而且缺乏創意。這對於寫程式或研究等任務來說沒什麼大礙，但當你在進行腦力激盪或規劃下一次度假時，這種「群體思維（Groupthink）」就會成為一個問題。
