精選書單, 觀點 迎接2023疫後經濟 別贏了對手卻輸給時代 如果說2022年是「完美風暴」的一年，各種天災人禍接連發生，那麼2023年就是「面對現實」的一年：無論是經濟衰退、通膨、升息或地緣政治風險，還有全球共同面對的碳邊境稅開徵以及隨之而來的各種法規，在在考驗著企業應變的韌性與創新的動力。
數位轉型, 趨勢 服務業導入AI 數據先行打造核心競爭力 產業導入人工智慧，2017年後蔚為風潮，其中智慧醫療與智慧製造被視為台灣最有優勢的應用場域。至於為數眾多的服務業，除了金融以及大型連鎖加盟業之外，似乎較無法創造出新的應用模式。不過，星醫美學集團從「醫療服務」角度切入，數據先行，以醫美做為核心業務，結合網路KOL行銷管理系統與實體店面客戶體驗優化系統，發展出獨特經營模式。2022年更積極深化人工智慧技術，期待進一步掌握市場先機。
人物訪談, 觀點 缺工時代，科技產業如何培養具「系統思維」人才？ 近年來，全球產業轉型浪潮衝擊求職市場，台灣半導體製造業受疫情下的斷鏈及美中科技戰影響，加上歐美等國將半導體視為重要的戰略產業，以及日趨重要的地緣政治影響，除了產業龍頭台積電年初招募的政治人才，產業將會需要哪些人才以因應未來變動的局勢？
新創, 資料科學, 人工智慧, 趨勢 從生態圈概念出發，打造「達爾文之海」協助AI新創 2017年台灣產業界掀起人工智慧熱潮，然而當時有經驗的AI人才據估計不到1000人；2019年中，第一本從台灣產業角度出發的專書《人工智慧在台灣》正式出版，產業AI化、AI產業化成為大家耳熟能詳的詞彙；智慧製造、智慧醫療、智慧農業、智慧零售……雖然橫跨各種不同領域，但不需解釋，大家都知道「智慧」指的就是人工智慧。
趨勢, 人工智慧, 資料科學 全球大數據專家麥爾荀柏格：資料並非AI時代的石油 對於人工智慧發展略有概念的人或許都曾聽過，在2016、2017年時產業界經常將資料比喻為「新時代的石油」，但在全球知名大數據專家麥爾荀柏格（Viktor Mayer-Schonberger）與知名科技新聞記者蘭姆格（Thomas Ramge）合寫的《資料煉金術》書中直言，這樣的比喻是不對的，因為在數位經濟中，價值創造的方式跟過去完全不同，而也正因為這種不算正確的類比，使得很多傳統企業的數位轉型往往以失敗收場。
人工智慧, 趨勢 當AI開始繪畫後，將如何影響創意產業？ 全球權威財經雜誌《經濟學人》（Economist）在6月以「AI新境界」（AI’s New Frontier）做為封面故事，而封面主視覺也首次由AI進行設計。究竟AI是如何設計出這個封面？《經濟學人》在電子報中有詳細解釋。
人物訪談, 觀點 《知勢》跨域對談──科技與行銷傳播 (1) 跳脫現在，才能穿越亂局看清未來 2021年的台灣，供應鏈問題、晶片缺貨和疫苗吸引了絕大多數的注意力，但是企業數位轉型同樣在這段時間有了相當大的進展。根據麥肯錫的資料顯示，因疫情影響，全球企業在過去要五年才能完成的數位化進程，壓縮到八週內完成。而根據台經院調查，從2020年到2021年，台灣金融、零售以及服務業都認為數位轉型是企業營運的關鍵議題，如何善用數據、行銷科技（Martech），以及品牌傳播等技術應用與策略，為企業轉型並加值，已是當務之急。
觀點, 總體經濟, 社畜看天下 2022 經濟展望：「美中不足」， 消費成長動能可期 雖然Omicron病毒從2021年11月起再次造成全世界的經濟動盪，美國確診人數大幅增加、歐洲再成疫情重災區，中國西安一千多萬人的大城市也在12月底一夕封鎖。幸好截至目前為止，儘管確診人數不斷攀新高，但是死亡人數並沒有跟上來，死亡率較低，因此稍微沖淡了大家對這次新冠變異病毒的恐慌程度。
人工智慧, 資訊安全, 趨勢 德國提出「AI標準化藍圖」 展現了哪些企圖？ AI在不同產業、不同領域的應用愈來愈普及，在媒體上也不時能夠看到智慧醫療、智慧製造、智慧金融等技術應用的突破，也可以看到許多研討會、課程如百花齊放。不過，如果從台灣產業宏觀角度來看，AI的下一步應該往哪個方向發展？應該要加強哪方面的專業能力？恐怕還沒有明確的答案。
