人工智能

在人工智能（AI）浪潮席捲全球職場的今天，我們正面臨著自工業革命以來最深刻的工作模式與組織變革。從生成式AI（Generative AI）的興起到AI Agent的概念逐漸成熟，科技以前所未有的速度重塑著企業運作的方式。效率，已不再是企業追求的稀缺資源，而是像水電一樣，成為了「標準配備」。然而，當機器可以做得更快更準時，領導者真正的價值何在？這場以效率為名的數位革命，如何影響了企業與員工之間那層無形的「心理契約」（Psychological Contract）與最核心的「信任感」？ 文：Michael C.S. So ｜ AiX Society 我在推動團隊夥伴使用像釘釘（DingTalk）, Teams 這類 AI 辦公自動化（OA）系統的親身經歷中，深刻體會到這場變革的核心挑戰：這場轉型，技術只佔一小部分，更大部分是如何進行以人為本的「變革管理」（Change Management）。 效率的標準化與信任的動搖 過去，我們將「心理契約」分為兩種：基於薪資與工時的「交易型契約」，以及帶有社會情感連結、注重長期合作與信賴的「關係型契約」。研究顯示，在AI未介入前，關係型契約能顯著提升員工的工作投入和對公司的信任。 但隨著 AI 技術的引入，這種正面的影響卻明顯下降。AI 不僅改變了任務的執行方式，還可能引發一種新型的關係變異——「異化型合約」（Alienational Contract）。當工作被 AI 技術全面管理，人際交流大量削減，員工與公司之間的關係變得浮光掠影，員工可能會因此感到疏離、不安，進而導致生產力下降。 員工的擔憂是真實且多維度的。首先是工作不安感，特別是對較低技術性的工作而言，AI 造成了未來的不確定性。其次是信任關係弱化，當 AI 技術成為主要操控力量，員工對公司的信任關係會大打折扣。我們的調研也證實了這個巨大的信任缺口：有 58% 的員工擔心工作保障（工作崗位被替代），但只有不到三分之一的高管（29%）意識到員工有此擔憂。此外，60% 的員工擔心 AI 可能會增加工作壓力和疲憊感，但僅 37% 的企業領導者認識到此問題。 這種普遍的焦慮和不確定性，使得 AI 導入工作流程時，即使技術本身再優秀，也可能因為*「變革管理不當」而失敗*。麥肯錫（McKinsey）的研究指出，企業擴大 AI 應用規模的最大障礙，並非員工準備不足，而是領導者在推動轉型時的步調過於緩慢，且低估了員工對 AI 的認知與渴望。事實上，大多數員工（95%）認為在工作中應用生成式 AI 將大有裨益。   領導力的重塑：效率靠機器，人味靠你 在 AI 時代，效率已是基本盤。領導者的核心使命，因此從「完成任務」轉變為「凝聚人心」，在人與人之間建立連結、理解與支持。前台灣微軟首席營運長陳慧蓉（Flora）老師提出，領導者必須從「無所不知」（Know-it-all）的心態轉向「無所不學」（Learn-it-all）的心態。領導力的價值，就在於能否提供更貼近人心的情感驅動。 這要求領導者重新定義自己的角色，從傳統的控制者轉變為賦能者與教練。當 AI 能處理流程和數據時，領導者應當運用「教練式領導」（Coaching Leadership）的核心技能：提出對的問題，而非給出標準答案。這種轉變有助於團隊成員探索更多可能性，並更願意分享創新想法。   …

科技與人性的拉鋸戰：AI時代，領導者如何修復職場信任？｜蘇仲成 查看全文 »

這幾年，我不斷在重整不同的業務、開發新方向，發現一個共通的力量正悄悄改變所有行業的底層邏輯——那就是 AI-First 思維。它不僅是工具的升級，而是企業營運邏輯的改寫。當我重新規劃公司結構、產品設計與服務模式時，我常想起一間企業的例子：特斯拉。它不僅是電動車的代名詞，更是一間用人工智能重塑工業與市場規則的公司。Elon Musk 的策略讓我們看到，所謂「AI-First」，不是在產品上加一點AI，而是讓AI滲透整個企業的神經系統，成為決策與創新的起點。 文：Michael C.S. So ｜ AiX Society 從生產線到神經網絡：AI的工業革命 在特斯拉的世界裡，每一輛車不僅是交通工具，更是一個會學習的節點。全球數百萬輛車每天回傳駕駛數據、影像與環境資訊，這些資料經由特斯拉的 Dojo 超級電腦 分析與訓練，成為 FSD（Full Self Driving，全自動駕駛）系統的養分。 Dojo 的設計目標不是提升某個功能，而是讓整個企業具備「自我進化」的能力。它像人類大腦一樣，能在龐大的感知資料中建立模式、預測行為、即時修正決策。換句話說，特斯拉不是在造車，而是在養一個學習中的生命體。這種規模化的智能回饋，讓傳統車廠望塵莫及。豐田和BMW依然依賴外部晶片商如NVIDIA，而特斯拉的硬件與軟件幾乎全部自研。它不是一間汽車公司，而是一個以數據為燃料的AI工業體。 這種模式讓生產邏輯徹底翻轉。在特斯拉的 Gigafactory，機械手臂、感測器與AI模型緊密協作，每個零件、每次焊接都被即時監控與微調。AI讓工廠不再依靠人類經驗，而是憑演算法的演化來優化流程。這不是自動化，而是「自學化」——工廠本身能學會如何更有效率地生產下一代產品。 當我觀察這種轉變，我開始意識到，企業若要在AI時代保持競爭力，就不能再把AI視為附屬功能，而應該讓它滲入企業的中樞神經。AI-First，意味著重新設計整個營運骨架。 AI進化的能源帝國 Musk 的野心並不止於汽車。他以同樣的AI思維重構能源產業。Tesla Energy 與 SolarCity 的太陽能與儲能系統，背後運行著名為 Autobidder 的AI平台。它能自動預測電力需求、調節電池輸出、甚至在電網市場即時交易，達到收益最大化。 能源調度以往需要工程師的人工判斷，如今AI能在毫秒內完成。這意味著，能源從此變得可學習、可預測、可優化——能源也「智能化」了。 Musk 常說：「未來的能源系統將像神經網絡一樣運作。」他真正的意思，是能源流與數據流將合而為一。從太陽能板到電池組，每一度電都被AI計算過最佳流向，這正是AI-First在基礎設施領域的終極形態。 AI滲透太空與物流的邊界 如果說特斯拉改寫了地球上的交通，SpaceX 則改寫了太空的航道。 AI在SpaceX的應用與特斯拉如出一轍：火箭的姿態控制、燃料調整與垂直著陸，全都仰賴AI模型的即時計算。Starlink衛星網絡更進一步利用AI協調數千顆衛星，避免碰撞並優化軌道。這些技術的底層邏輯一致——自動感知、自主決策、自我修正。 Musk其實在做一件事：讓AI成為地球與太空的共通語言，建立一個橫跨能源、交通與通訊的智能生態。 AI改寫市場：從造車者到營運者 真正讓我著迷的，不只是特斯拉如何用AI造車，而是它如何用AI重新定義「市場角色」。 馬斯克從來沒有打算靠賣車維生。當FSD達致完全自動駕駛後，特斯拉將進入下一階段——Robotaxi（無人駕駛的士）網絡。屆時，特斯拉車主可讓自己的車在閒置時自動接單營運，AI負責派單、路線、維護與收益分配。 每一輛特斯拉都將成為一間由AI經營的小公司。這是一個史無前例的模式：產品本身變成平台，使用者變成投資者。 未來的Uber、Lyft，甚至傳統車行，都將面臨被AI-First商業模式顛覆的命運。 而這只是開端。 特斯拉的電動貨車 Semi Truck 即將進入AI自動駕駛階段。當AI能全天候調度車隊、監控能源、規劃路線時，特斯拉將正式踏入物流產業。這意味著它不再只是提供交通工具，而是直接經營運輸業。 這一策略的意義極深：從生產者變成營運者。 當企業不再依賴銷售產品，而是透過AI管理一個不眠不休的系統網絡，它所創造的價值與現金流結構將完全不同。特斯拉未來或許會同時是最大能源公司、最大運輸公司與最大資料公司。AI讓它可以跨界、整合、並自我延伸。 AI-First對企業主的啟示 觀察特斯拉的軌跡，我不禁反思自己與許多亞洲企業的現況。 …

Tesla 特斯拉啟示錄：AI-First 如何重寫產業與策略｜蘇仲成 查看全文 »

近期，美國政府宣佈，每一個未滿18歲且持有效的社會安全號碼美國兒童都能註冊一個「特朗普賬戶」。父母、祖父母、其他家庭成員、僱主等均可為該賬戶注資，慈善機構和巨頭企業也可選擇性地向符合條件的賬戶捐贈。該賬戶將享受多重稅收優惠政策，每位員工每年可通過僱主將2500美元的稅前工資轉入孩子的賬戶，若雙親均參與注資，每個賬戶每年可享有5000美元的免稅額度。 此外，僱主每年還可額外貢獻2500美元，且不計入員工的應稅收入。根據法律規定，賬戶資金只能投資於追蹤美國整體股市的寬基股票指數基金（如標準普爾500指數），禁止使用槓桿且年費率不得超過0.10%。在孩子年滿18歲前，資金不得動用；成年後，賬戶將轉為退休賬戶性質，允許提取部分資金用於大學教育、購房首期或創業成本等支出，只要不在59.5歲前提現，均可享受退休賬戶的稅收優惠。此外，美國財政部還宣佈，將為2025-2028年間（大致對應特朗普第二個任期）出生的新生兒一次性提供1000美元啟動資金，且這筆款項不佔用年度免稅額度。 如果把這一計劃視作一次單純的兒童福利創新，可能會忽視其背後的深層邏輯。實際上，它所反映的是全球主要經濟體正在面臨的共同挑戰：財富的生產機制已經被技術革命悄然重塑。人工智能的大規模應用使生產率提升不再與就業和勞動收入同步增長，而是更大程度地沉澱在資本回報之中。美國最富有的10%的人掌握着93%的全部股市資產；在歐洲，這一比例接近60%；而底部50%的人口僅持有5%的財富。橋水基金創始人達里奧直言，AI時代的財富增量將壓倒性地流向資本所有者，社會不平等將因技術趨勢而呈指數級擴張。如果不提前建立新的財富分配體系，大規模結構性撕裂幾乎不可避免。 2025年12月17日，在美國華盛頓特區的財政部，美國財政部長貝森特（Scott Bessent）與阿拉巴馬州共和黨籍聯邦參議員Katie Britt一同出席記者會，發布官方「Trump Accounts」（特朗普賬戶）網站。（Reuters） 需要指出的是，在技術浪潮面前，傳統的「再分配」政策已顯得力不從心。無論是提高稅率、加強社保支出，還是實施「全民基本收入」，都難以抵消資本複利積累所帶來的結構性差距。財政收入的天花板決定了再分配無法無限擴張，而福利式轉移支付也無法分享科技紅利。因此，許多國家開始探索一種既能撬動資本積累，又能融入國家經濟增長邏輯的制度創新——預分配（pre-distribution）。 所謂預分配，並不是等財富創造後再分配，而是在經濟增長的起點就讓每個人擁有參與資本回報的機會。這一理念的核心觀點可以概括為政府提供基礎啟動金或稅收激勵，家庭與企業持續注資，資金投向代表國家整體生產率的核心資產，通過複利積累形成未來的財富基礎。 除了前述的「特朗普賬戶」以外，英國的兒童信託基金、德國的「起步養老金」，以及澳洲的超級退休金體系，都是預分配理念在現實世界中的實踐。英國的兒童信託基金（UK Child Trust Fund）由貝理雅（Tony Blair）於2003年推出，2011年關閉。在鼓勵儲蓄方面，它是成功的。運行期間共開設了630萬個賬戶。截至2021年4月，這些賬戶的總市值為105億英鎊（138億美元），其中政府僅出資20億英鎊。此外，德國也將於2026年啟動「起步養老金」賬戶，鼓勵儲蓄和在投資中承擔風險。每名兒童從6歲起至18歲，每月將獲得10歐元用於投資於金融市場。 2025年6月2日，英國前首相貝理雅（Tony Blair，譯作布雷爾或布萊爾）在倫敦舉行的一場論壇上發表演講。（Getty） 澳洲的超級退休金體系是預分配體系中運轉最悠久，也是最為成功的案例。從1992年至今，該退休金規模已增至4.2萬億美元，不僅超過澳洲GDP，也成為全球最穩定、最具韌性的長期資本池之一。長期資金推動基礎設施、科技創新、全球資產配置，最終讓澳洲躋身世界人均財富最高的國家行列。事實證明，預分配賬戶並非消耗型的福利制度，而是國家財富治理結構的重大升級。 值得關注的是，預分配制度也可以為中國在未來數十年解決發展所面臨的三大結構性問題提供一種新的解題思路。 首先，隨着科技革命帶動新質生產力發展，人工智能等技術會放大不同行業和職業之間的收入差距。技術驅動的生產率提升通常以資本密集型、數據密集型企業為主要受益者。因此，高技能、高附加值崗位的回報上升，而大量中低技能崗位的報酬增長停滯或下降，這將導致收入來源從「以勞動為主」向「以資本為主」轉移。預分配賬戶在這一環節的作用首先是改變「參與財富創造」的入口權限，通過讓每個公民都持有一定份額的長期資本，使得未來技術紅利不再只由創始團隊或大資本持有者獨享，而以制度化方式部分預先分配給全體國民。如此一來，當AI和新質生產力釋放收益時，這部分收益通過資本回報的形式，能夠被更廣泛的人群以份額形式分享，從根源上緩和因技術分配導致的收入兩極化。 其次，隨着人口老齡化速度加快，養老金體系承壓不斷加劇。繳費基數萎縮、撫養比上升、財政補貼壓力增大等趨勢都對現行養老金體系構成長期挑戰。預分配制度通過提前在個人生命周期內積累資本，能夠成為對現有養老體系的重要補充。一方面，年輕時期開始積累的長期資產通過長期複利能形成可觀的資產收益，在個人進入退休階段時部分替代或減輕繳費式養老金的支付壓力；另一方面，作為一個覆蓋面廣的長期資金池，預分配制度帶來的規模化增量資金可以被用於支持國家層面的長期投資（基礎設施、科技研發、養老服務業等），這些投資既能提高總體經濟增長潛力，也能為養老體系提供更多可持續的收益來源。 美國總統特朗普（Donald Trump）與第一夫人梅拉尼婭（Melania Trump）於2025年12月24日在美國佛羅里達州棕櫚灘的Mar-a-lago俱樂部，參與NORAD聖誕老人追蹤電話。（Reuters） 最後，中國資本市場規模巨大，但長期資金佔比相對不足、居民直接持股比率偏低，導致資本市場的深度和穩定性受限，也不利於將國民財富與國家長期戰略性投資綁定。預分配制度天然就具有「耐心資本」的特質。通過制度化、持續性的資金注入形成規模化的被動長期資金來源，有利於支持股票、基礎設施、創新型企業等權益類資產的長期供給與估值穩定。通過將預分配賬戶的投資框架設定為優先考慮風險分散、成本可控的被動管理（如低費率寬基指數或經監管的混合型長期基金），並通過合規的配置比例鼓勵對基礎研究、科技創新和基礎設施的長期配置，可以把個人財富積累與國家新質生產力建設、產業升級結合起來，並從制度上強化了金融體系的內生穩定性。 綜上所述，預分配制度並非另一項經濟或福利政策，而是面向AI經濟時代的一項治理模式創新。面對即將到來的深度老齡化，中國需要重新設計養老體系的結構性基礎，讓未來的年輕人在進入勞動力市場之前就完成部分資本積累，為其一生的風險抵禦能力奠定基礎。同時，預分配制度中形成的長期資金，將成為支持科技創新、突破關鍵技術、發展新質生產力的重要資本來源，是建設金融強國不可或缺的基礎設施。 這樣的安排不僅有助於提高資本市場韌性，也能推動居民財富結構從「房地產主導」向「權益資產為核心」的方向逐漸轉型。更重要的是，預分配制度可以充當人工智能時代平衡技術擴散與社會穩定之間的政策張力，使科技收益更廣泛地惠及國民，而非集中於少數企業和投資者。 最終分析結論： 作為AI經濟時代的治理模式創新之一，預分配制度具有重構養老體系的基礎結構、彌合收入差距，以及其形成的長期資金助力科技創新和培育新質生產力的重要潛力。這一制度不僅能增強資本市場韌性，推動居民財富從房地產向權益資產轉型，更可平衡AI時代的技術擴散與社會穩定，使科技紅利普惠全民而非集中於少數群體。 本文原載於2025年12月23日的安邦智庫每日經濟欄目 原文網址: AI經濟時代的預分配制度前瞻 | 香港01 資訊來源: https://www.hk01.com/article/60307345?utm_source=01articlecopy&utm_medium=referral

談起AI安全，大家可能會覺得這是一個非常遙遠的問題。其實不然。 本片將跟大家分享三個來自美國AI公司Anthropic有關人工智能大型語言模型（LLM）「目標錯位」（Misalignment）的研究。 「目標錯位」者，即AI模型出現與其人類設計者不一致的目標。最常用來解釋這個概念的是一個「萬字夾製造機」的思考實驗：一間工廠掌握了一個非常強大的人工智能系統，他們給它一個目標，就是要製造出最多的萬字夾，最後這部機器發現只有把人類消滅掉才能生產最多的萬字夾。 上述的三個研究分別顯示出：（一）市面上的大多數AI模型，放在特定的企業環境之下，都有可能產生出勒索、傷害人類的傾向；（二）當AI模型原有的行為準則與人類的新目標不一致時，它們有可能會假裝自己目標與人類一致，來避免自己被新的訓練改造；（三）當AI模型學會「走捷徑」達成目標的時候，它同時會變成一個傾向壞事做盡的「邪惡AI」，甚至自主破壞人類的AI安全研究。 原文網址: 三個AI安全研究：模型已經同人類目標不一致？｜Jack Talk・去片 | 香港01 资訊來源: https://www.hk01.com/article/60303075?utm_source=01articlecopy&utm_medium=referral

AI 不是效率工具，而是企業協作邏輯的重寫——從 OpenAI《The State of Enterprise AI 2025》到香港企業的現場落差 當 ChatGPT 每週服務超過 8 億名使用者，這個數字的意義早已超越「科技普及」本身。它真正構成的，是一個不可逆轉的飛輪效應：當消費者已把 AI 視為日常工具，企業若仍把 AI 當作實驗項目，問題已不在員工是否願意使用，而在於組織本身是否準備好被重塑。 近年，企業紛紛投入人工智能（AI）技術，期望提升效率、優化決策、創造新價值。然而，許多公司犯了一個致命錯誤：把AI的導入視為純粹的資訊科技項目，交由IT部門全權處理。這樣的做法往往導致AI專案變成試點性質的展示項目，無法真正融入日常營運流程，更無法轉化為具體的業務成果。 要避免這種「高科技、低落地」的困境，企業領袖必須正視AI背後最重要的基礎建設之一——本體論（Ontology）。 什麼是AI中的本體論？ 本體論，簡單來說，是一套有系統的知識模型，用來定義特定領域中的概念、屬性與彼此間的關係。它像是一份能被機器理解的知識地圖，幫助AI理解我們的語言、邏輯與決策結構。 以零售業為例，「顧客」、「訂單」、「商品」這些都是核心概念。本體論不只是列出這些名詞，更進一步描述它們的關係（例如：顧客下訂單，訂單包含商品）以及每個概念的屬性（商品有價格、庫存等）。 這不只是資料庫的結構或名詞解釋，更是一種讓AI理解「業務邏輯」的方法。它賦予數據背後的語意，使AI不再只是數據分析器，而是能夠進行推理、理解背景、做出合乎業務脈絡判斷的智能系統。 為何AI需要本體論？ 避免誤解與錯誤判斷：若沒有明確定義，「顧客」可能會被AI誤認為包括測試帳號或非活躍用戶，導致報表失真或行銷策略誤判。 促進資料一致與整合：業務單位、財務部與客服部對「收入」或「有效訂單」的定義可能不同，本體論提供一個統一的標準，讓AI能跨部門理解與整合資料。 增強推理與智能決策能力：AI若理解「高價值顧客」同時與「客服工單」有關，系統就能自動標示這些工單為優先處理，提高服務效率與顧客滿意度。 破除資料孤島，促進跨部門協作：本體論讓不同部門在AI專案中擁有共通語言，不再是IT說他們的、業務聽不懂。 提升AI可解釋性與透明度：當AI的決策邏輯來自於可視化的本體模型，企業更容易追蹤、審計與優化AI行為，降低風險。 把AI交給IT部門處理，會錯過什麼？ 許多企業將AI專案完全交由IT主導，忽略了AI其實牽涉到業務流程再造、人員培訓與組織文化的改變，結果往往是以下幾種情況： 業務不參與，AI無法對症下藥：IT部門不了解營運細節，容易建出「技術正確但業務無用」的模型。 流程未改革，AI難以發揮：若仍用舊有流程與崗位設計接入AI，很多自動化與智能分析功能無法落地，甚至會造成流程混亂。 忽略員工轉型與培訓：AI導入改變了崗位職責，但若未同步進行人力資源重整與員工訓練，最終會導致抗拒、低效與流失。 文化隔閡，導致AI被排斥：若AI由IT主導而缺乏跨部門溝通，其他部門容易視AI為「外來威脅」，缺乏認同與合作。 錯估AI落地成本與時間：單靠IT推動AI容易低估真正導入AI所需的流程重設與人力調整成本，專案時程與效益常會落空。 打造AI營運，企業應該怎麼做？ AI不是IT專案，而是企業營運再造工程。以下是一個實用框架，協助企業建立更具戰略眼光的AI營運模式： 一、建構本體論為AI奠基 與各部門專家合作，共同定義關鍵概念與業務邏輯。 把這些知識轉換為機器可理解的本體模型，成為AI學習與推理的基礎。 定期更新本體論以反映業務變化，保持AI決策的準確性與實用性。 二、重新設計業務流程與職責 不只是「自動化」舊流程，而是思考如何借助AI重新設計更高效、反應更快的新流程。 例如，客服部可將AI用於預測性支援，轉變為主動服務團隊。 銷售團隊可配合AI推薦系統重構客戶接觸流程，提高轉換率。 三、導入人力資源與變革管理策略 建立AI培訓計畫，提升員工AI素養與工具使用能力。 人資部門需重新設計職位、考核機制與員工發展路徑，讓AI成為員工的助力而非競爭對手。 培養跨域人才，如懂AI技術又熟悉營運的「AI策略師」、「資料翻譯師」等角色，加強部門協作與決策速度。 四、建立跨部門AI營運小組 包括IT、業務、營運、人資等部門代表，共同推進AI專案，確保技術與實務接軌。 定期舉辦AI應用工作坊，鼓勵內部創新與AI點子分享，讓前線人員參與AI設計過程。 五、強化AI治理與倫理框架 隨著AI滲透營運，企業應建立AI倫理準則，確保演算法公平、不歧視、具透明度。 …

公司建AI營運時為何學習本體論Ontology：不只IT部門的事｜蘇仲成 查看全文 »