數位轉型打地基，AI 轉型展翅飛
每一次的企業轉型都是一場蛻變 企業轉型之路無盡頭，每一次轉型涵蓋躍進機會以外的意義，屬於為下一次轉型打下根基的準備。 企業投入 AI 轉型的資源逐年攀升，但多數專案卡在試點階段，遲遲無法規模化。 多個案例研究顯示，決定 AI 轉型成敗的環節，發生在 AI 模型本身之外——像是資料是否先被整理乾淨、員工是否願意使用、基礎架構撐不撐得住規模化部署，以及責任分工是否在出事之前就已經釐清等項目。 生技製藥公司 Moderna 技術長 Brad Miller 曾在 2023 年 11 月該公司數位投資人活動上公布：儘管高達九成的科技主管相信AI 是下一場科技革命的核心，但到最後只有 10% 的 AI 專案進入量產。 同樣投入資源、同樣相信 AI 的潛力，最終卻只有 10% 走到量產階段——歸咎其中的差異，發生在企業投入 AI「之前」先做了哪些準備。Brad Miller 說明：「我們除了改變這個現象，還要以身作則」，並提出具體數字 六項前置工程決定 AI 能否從試點走向規模化 同樣是投入資源做 AI 轉型，最後能走到量產階段的關鍵在哪裡？ 決定的環節也許發生在 AI 模型之外。以下項目可以逐一檢視： 1.投入的時間有多長 2.員工願不願意用 3.資料本身的結構化程度 4.基礎架構是否撐得住規模化 5.供應商佈局的決定方式 6.責任分工是否明確 這六個項目我們都找到一些案例做輔證。 1. 投入的時間有多長 在特化化學業，印度企業 Jubilant Ingrevia 在導入 AI 之前，先讓 McKinsey 旗下 QuantumBlack 的數據科學家跟廠區操作員並肩工作四個月，重建對製程與各分廠作業成熟度的理解，這個案例被 McKinsey 發表在 2025 年 11 月； 在金融業，DBS Bank 於 2024 年受訪時，向 ComputerWeekly 說明，DBS 過去七年持續投入資料基礎建設，早在「Big Data」成為流行詞彙之前就已經開始。這段前置投入不會出現在 AI 專案的成果報告裡，卻決定了後面的模型有沒有東西可學，能否發揮最大成效。 2. 員工願不願意用 這個環節容易被基礎架構跟資料治理的討論蓋過去，但 Moderna 2023 年 11 月的投資人活動逐字稿提供了目前查證到最具體的做法。 當時 Moderna 負責生成式 AI 產品策略的副...
