觀點 - 知勢 - 提供AI新知與觀點的媒體

「個人化」將是 AI 部署策略關鍵

根據麻省理工學院史隆管理學院（MIT Sloan）最新研究，若希望提升組織內部對人工智慧（AI）的使用率，決策者必須同時考量 AI 的技術能力與「個人化」的需求。這項研究也許將重新定義企業的 AI 部署策略。

中美關係再次進入到一個轉折性的歷史時刻。從富蘭克林．羅斯福總統致力於推動國共建立「聯合政府」，到國民黨丟掉大陸、共產黨建立全國政權，美國成為中國的頭號敵人。

當市場邏輯滲透一切，政府監管卻步步受限，個人與群體、效率與公平之間的矛盾愈發尖銳。面對氣候變遷、財富集中、數位平台壟斷等當代難題，我們需要怎樣的制度來重新分配風險與責任？

人工智慧不是雨露均霑的甘霖，而是一場可能極度撕裂美國經濟地圖的風暴。如果政府再不採取作為，未來美國將被撕裂成兩個世界──極少數的「超級城市」收割所有AI機會，而絕大多數的地方，甚至連進場門票都沒有。

然而，這些模型對資料的結構性與穩定性有高度要求，只要發生制度變化（如美國的對等關稅）、消費者行為劇變（如疫情期間）、或變數之間的關係改變，預測便可能大幅失準。而AI的大量普及應用，對於經濟、政治，甚至教育、文化層面都將產生大幅翻轉，即將形成經濟預測上的極大挑戰。

隨開源模型成熟、資料隱私需求提升，以及企業內部數據與流程的專屬性等原因， AI 將逐步從雲端逐漸走向地端（Edge）。因此，協助企業實現「模型主權化」、「流程整合」與「成本可控」是重要目標。

自 2022 年底 ChatGPT 問世以來，人們獲取知識的方式正經歷一場劇變。《經濟學人》的分析指出，人工智慧（AI）不僅顛覆了我們的上網習慣，更在重塑網路世界的核心經濟模式，迫使內容創作者不得不重新審視其商業策略。

因此，從制度設計開始，就必須注意要滿足三個關鍵需求：首先是延續與員工協作的思維，賦權員工，讓員工能夠積極參與塑造自己的新職能。其次，領導階層也必須重新安排流程、分配任務，為企業增加的價值。最後，將科技變革視為必須持續管理的動力，保持足夠的彈性與應變力。

在製造業與半導體產業中，無論是電路設計、布料裁切、產品選型到機台參數調整，都潛藏著關鍵的「最佳化問題」，也就是如何在多重限制條件下，找出最適組合，以達成效能最大化與成本最小化。這些問題看似技術性的數學題，實則是現場工程師每天面對的實務挑戰。