AI 人才不只是技術人才，需要理解的知識領域遠較過去的想像更多。所以，《知勢》電子報積極邀請不同產業的AI專家，從他們的實作經驗與跨國觀察出發，分享更宏觀更完整的人工智慧知識架構。本週就由法律學者與知名國際安全驗證專家介紹，為什麼歐盟人工智慧法對於台灣產業的影響可能高過 CBAM？

最近同事們接到一些企業的諮詢電話，表明已經上過很多AI工具課程，「但是主管覺得都不好用。」所以想問問是否有更多工具可以學，或許能夠找到好用的。同事回答，要不要試試從掌握技術原理著手？這樣比較容易理解不同工具的底層邏輯，就能掌握好用與不好用的原因，找出最合適的工具。不過，電話那頭還是強調只想學一套好用的工具就好，「比較方便也比較快。」

台灣 AI 轉型的對手，到底是誰？輸贏又該如何評估？而且國外已經有商管學者研究發現，生成式 AI 並不能創造新的永續優勢，只是放大企業既有的優勢。原因是什麼？這樣的研究結果對我們又有哪些啟發？本週電子報與各位分享。

換個不同的眼光，只要將維度從兩度空間調整為三度空間，定位點從平面移到空中俯瞰，有沒有可能，牆並沒有我們原先想的那麼高、那麼長、那麼難以跨越？有沒有可能很容易找到繞道而行的捷徑？ 本週的電子報邀請基金會的顧問群提供不同的新眼光，分別從語言學、建築還有中國古籍《三十六計》出發，結合人工智慧與數位轉型，與你共同分享一次「發現之旅」。

我們都知道 AI 影響所及，將產生巨大的結構轉變，因此希望儘快找到解決方法。但無論數位轉型或 AI 導入都不是單純的線性過程，當中需要不斷試誤、調整和適應，隨時準備調整策略將成為企業常態。因此，這絕不只是技術應用問題，還牽涉到組織結構、流程和市場定位的改變。

上週參加《哈佛商業評論繁體中文版》年會，知名未來學者 Amy Webb 談到曾提醒她所輔導的企業：你需要擬定的，不只是一到五年的短期策略規畫，而是更長期的未來；如果領導團隊持續以精確、短期的戰術解決方案來處理長期風險，這個過程不僅會反而引發混亂，長期以往甚至會耗盡組織的資源。

在這份《台灣企業AI準備度調查報告》中，就針對這些疑惑提供可能的答案，《企業如何導入 AI ？策略、人才、運算資源盤點與規劃》一文從導入 AI 的起步開始，試圖解答如何快速建立團隊信心、如何與公司營運目標結合、是不是能夠讓AI帶動公司變革等重要問題，希望提供一個檢視AI導入的方向與框架，與你共同分享。

這週的電子報文章看似主題不同，但希望和你一起把眼光放遠，包括媒體在 AI 時代的未來、影響至關重大的人工智慧基本法草案，以及 AI 大型模型的瓶頸與可能發展。畢竟，未來極可能比我們所想像的更快到達。

領導力是天生的個人魅力嗎？還是一種心態？而女性領導力跟男性領導力又有什麼不同？應該如何找出具體的定義和指標？ 更重要的是，無論人工智慧或 ESG 推動，任何的轉型或創新，最終決定成果的關鍵都在於組織文化。這不只是書本上的理論，以台灣目前產業 AI 化的成功案例來看，也是如此。