【AI時代的領導力】1:重塑競爭邏輯!生成式AI問世三年,企業面臨的深層挑戰與機遇

|
articlecover-孫憶明-AI時代的領導力1
本篇,我嘗試在生成式AI問世三年之際,為大家勾勒出一張「現況全景圖」,探究企業進入AI時代真正面臨的關鍵挑戰是什麼?又有哪些被低估、但極具策略價值的機遇?這些理解將成為後續幾篇深入討論領導模式轉移的重要背景。
文章導覽

🖌️文章出處:關鍵評論 – 孫憶明 (Jim)

AI時代的企業挑戰:不只是科技問題

多數企業在談AI時,往往先看到「技術門檻」,但真正困難的經常不在技術本身,而在組織如何應對由AI放大後的不確定性與複雜度。這些挑戰,大致可分為外部與內部兩個層次:

外部挑戰:競爭環境正在被重新洗牌

  1. 市場需求快速變化,客戶期待不斷升高AI讓即時回應、個人化體驗成為「基本配備」,企業若仍以過去的節奏運作,很快就會被視為反應遲鈍。
  2. 全球競爭加劇,新創企業的顛覆速度更快AI大幅降低企業進入門檻,許多新創公司一開始就具備技術優勢,能以極低成本挑戰既有市場結構。
  3. 供應鏈的複雜性與韌性壓力同步升高
地緣政治、氣候風險與市場需求波動,使得「穩定供應」越來越成為一項競爭力。
  4. 資安與資料治理風險顯著放大AI的價值來自資料,風險也源自資料。資安不再只是 IT 問題,而是企業治理與信任基礎的一部分。
  5. 永續與碳足跡要求,從道德訴求轉為經營現實
ESG與碳管理,正在直接影響資金成本、客戶選擇與供應鏈資格。

內部挑戰:轉型真正的阻力來自組織內部

  1. 關鍵人才與技能落差,限制了創新速度
企業不只是缺AI專才,更缺能「把AI轉化為商業價值」的跨領域人才。
  2. 高層未能形成清楚的AI轉型方向與決心
若AI只停留在部門實驗,而非企業層級的策略議題,成果往往難以擴散。
  3. 資料分散、系統老舊,導致整合成本過高
許多企業轉型的真正的瓶頸,常常不在技術或模型,而是在資料品質與流程斷裂/僵化。
  4. 人與機器如何分工,角色界線仍不清楚
哪些工作該交給 AI?哪些必須由人來執行?這些問題若沒有共識,將引發組織焦慮和改變遲緩。
  5. 倫理、責任與決策歸屬仍模糊
當AI參與判斷與建議,最終責任由誰承擔?這是領導者無法迴避的新課題。

儘管挑戰巨大,但領先企業已經看到AI帶來的不僅是單點效率提升,更是整體經營能力的升級,包括:

  • 跨部門、跨組織更即時、更透明的協作
  • 智慧製造與流程自動化,兼顧效率與品質
  • 以數據驅動的敏捷預測和決策能力
  • 產品與服務的智慧化與差異化
  • 客戶體驗從「分眾」走向「個人化、即時化」
  • 商業模式與各種生態系的創新和多元化
  • 永續轉型與碳管理的智慧化與可量化

這些機會,正在重新定義「什麼才是企業未來的核心競爭力」。

以製造業為例,AI對企業競爭力的重塑,至少體現在以下幾個關鍵面向:

  • 研發與設計週期大幅縮短
  • 生產效率與良率同步提升
  • 品質控制從事後檢測轉為即時預測
  • 供應鏈決策由經驗導向轉為情境模擬
  • 工廠營運與設備管理邁向數位孿生與即時優化

這裡介紹幾個「生成式 AI」的製造業應用範例,它們已快速在全球企業的各個場景中運用,並逐步擴大規模:

生成式產品設計與開發:工程師透過演算法,可設定材料/性能/製造方式/成本等參數,自動生成許多種設計方案。

  • Autodesk的Fusion 360軟體提供生成式設計功能,幫助GM/Airbus等汽車/航天工業設備製造商來設計更輕、更堅固、更高效的零件。

智慧品質控制與缺陷檢測:學習大量合格和缺陷產品的圖像或感測器數據,生成「完美」產品的基準模型。

  • Samsung半導體部門利用AI進行晶圓缺陷檢測,生成式AI可用於創建更全面的缺陷模式數據集,以提高檢測系統的學習能力。

供應鏈優化與風險管理:分析歷史數據/市場趨勢/天氣/地緣政治等複雜因素,生成更精準的需求預測和模擬情境。

  • AWS的Bedrock服務幫助製造商優化採購流程,自動草擬採購訂單、分析供應商數據、建議談判策略,從而提升供應鏈效率和降低成本。

智慧模擬與數位孿生:創建高度逼真的數位孿生模型,模擬工廠/生產線/單一機器等運作的不同情境。

  • NVIDIA的Omniverse平台幫助製造商(如BMW)創建數位孿生工廠,利用模擬技術來優化生產線佈局、機器人協作和各種物流狀況。

來自麥肯錫的觀察:哪些企業真正跑在前面?

根據2025年11月最新的麥肯錫《全球AI採用報告》(105個國家的1993份有效問卷):

  • 88%的企業已在至少一個職能中定期使用AI(一年前為78%)
  • 約1/3的企業,真正開始擴大AI專案的規模

  • 39%的企業已嘗試部署AI Agent(代理),多集中於IT服務與知識管理方面的應用

  • AI對整體獲利(EBIT)的影響仍有限,但在創新能力、客戶滿意度與競爭優勢的提升上已有明顯效果


同時,導入AI表現比較好的企業中,往往具備以下幾個共通點:

  • 以「轉型計畫」而非零散專案推動AI
  • 聚焦成長與價值創造,而不只是省成本或提高效率
  • 重設流程與工作方式,而非只疊加工具
  • 高層主管的清楚承諾與實際投入

真正的關鍵,不在技術,而在領導

我們仍處在AI應用浪潮的早期。大膽嘗試、快速學習固然重要,但更重要的是:理解AI將如何改變組織的運作邏輯、決策方式與領導角色。

在接下來的兩篇文章中,我將整理五個關鍵的經營與領導模式轉移,協助企業領導者,為這場不可逆的變革,做好更有高度的準備。

📍特別感謝 孫憶明老師 授權轉載本文

延伸閱讀 《【AI時代的領導力】2:比起技術細節,你更該看懂「生態系」與「商業模式」》

更多相關文章

AI 數位轉型
AI 能力虛胖症:63% 員工裝會 AI,你的團隊在演還是在用?
AI 數位轉型
會用 AI 的人變多了,會查 AI 的人沒有變多
AI 數位轉型
工作變化加速,員工學習如何跟上?緯育雲端培訓平台以 AI 提升知識運用效率
AI 數位轉型
【AI時代的領導力】5:「智慧轉型」五大關鍵,你必須扮演好哪幾種角色?
AI 數位轉型
【AI時代的領導力】6:打造VISTA領導作業系統,在不確定中建立決策優勢
AI 數位轉型
【AI時代的領導力】7:人機協作新範式,打造心理安全與共創的學習型組織