2026年4月19日 星期日

工作者的AI共智模式

工作者的AI共智模式
讓AI成為第二專長,加速專業升級,重塑競爭優勢
CH3-高效協作:應用AI的四個底層邏輯
人類天生傾向於維持現狀;就算改變可能有好處,人類還是會忍不住避免改變。
如果要克服這種「維持現狀的偏誤」(status quo bias),可以思考會因為沒行動而失去什麼。

CH4-掌握邊界:精準定位AI的強項與弱點
▷有一個常見的誤解容易讓人很難理解AI:
我們以為既然AI是軟體構成的,其表現也應該會像其他的軟體。
這有點像是說,人類是由生化系統組成,理應有如其他生化系統。
LLM雖然是驚人的軟體工程成就,AI卻極不擅長做到像傳統軟體那樣。
傳統軟體的特性包括可預測、可靠,遵守一套嚴格的規則,只要經過妥善的組建與除錯,每次都能產出相同的結果。AI則很難用相同的形容詞來描述。AI能想出意想不到的新穎解決方案,但也會突然忘掉自己會什麼、生成唬人的錯誤答案。正是因為如此不可預期又不盡可靠,AI才能引人入勝的互動。
▷AI擅長執行非常有人味的任務,可以寫作、 分析、寫程式與聊天。
AI能變扮演行銷人員或顧問的角色,把日常事務交給它能增加生產力。
不過,機器一般擅長的事,AI卻很難做到,例如用一致的方式重複流程,或是在沒人協助的情況下執行複雜的計算。

CH5-創意自動化:利用AI突破思考慣性
LLM的原理是依據訓練資料中的統計模型,按照你給的提示詞,預測接下來最可能出現的子句。
LLM不在乎那些字句講的事情是不事真的、有沒有意義或原創性,只想要生成貌似合理的連貫本文,讓你開心就好。
AI創造力的矛盾之處就在這:導致LLM不可靠、有風險、不適合執行與事實有關的任務性質,正好能讓LLM發會創意。因此我們真正訪問的是如何讓AI揚長避短。
▷由於自動化過去的歷史,許多人預測AI率先擅長的事,將是無聊、重複性高與分析性的任務。
然而,這次的情形卻不是如此。LLM擅長寫作,但背後的Transformer技術也是關鍵,帶來一整套全新的應用,包括能創作藝術、音樂與影片的AI。研究人員因此主張,最容易被新的AI浪潮影響的工作,反而是有最多創意任務的工作,而不是重複性最高的那類。
▷這點容易讓我們感到不安:畢竟AI是機器,怎麼能生成有創意的新東西?
問題出在我們經常誤把新奇當成具有原創性。新點子不會憑空出現,而是以既有的概念為基礎。
研究創新的學者很早就指出,透過重新組合來想出的點子的重要性。突破通常發生在人們串起看似風馬牛不相及的事物。
LLM是連結機器。有的token讓人類感到沒關聯,卻代表著某種更深層的意義,而LLM接受的訓練正是產生token之間的關係。再加上AI的產出帶有隨機性,你就有了強大的創新工具。
不論前面的字有多麼莫名其妙,AI仍會找到下一個可能的token,嘗試生成序列中的下一個字,也難怪AI能輕鬆想出新鮮的概念。

CH6-第二專長:領域專業X AI專業=最強競爭力
一份工作(job)由多種任務(task)組成,而工作又隸屬於體系(system)之下。
如果沒考慮體系與任務的概念,就無法真正了解AI對工作產生的影響。
▷交出部分的任務,不代表整份工作消失,道理如同電動工具沒讓木匠失業,反而提升他們的效率。
電子試算表讓會計人員更快完成工作,但會計人員並沒有因此消失。
AI有可能讓日常事務自動化,讓我們有更多時間從事有獨特人類特質的事物,例如發揮創意與批判性思考,或是我們大概會變成管理、安排AI的創意輸出。
▷我們需要從任務的角度,思考哪些事AI做得好、哪些做不好。不過,我們也需要考慮自己哪些事做得好、哪些任務必須繼續交給人類:也就是「非我莫屬的任務」(Just Me Tasks)。
組織試圖回應新技術的常見方法,全都不適合AI。那些方法都度過中央集權,速度太慢。
IT部門無法輕鬆在內部打造AI模型,也很難拚得過前沿模型。
顧問與系統整合商不具備特殊知識,無法替公司客製化AI,甚至不清楚整體而言最佳AI使用法。
組織內部的創新小組與策略委員會可以指定策略,但任何組織的企業領袖都不是神仙,沒有辦法知道AI能如何協助特定員工完成特定的任務。事實上,領袖八成很不擅長找出AI的最佳使用案例。
唯有實際執行工作的員工,才會明顯感受到工作遇上哪些問題,並實驗各種方法,想辦法解決。
個人工作者更可能找到有效的特定用法。
▷假設早期的研究說對了,各種高價值的專業任務生產力的確會因為AI提升2~8成,恐怕許多管理者的自然反應是「砍人省成本」。然而,事情不必這樣發展。基於許多原因,公司不該因為效率增加,趁機減少雇用人數或砍成本。
當其他同業只想縮減人力,讓AI出現後的產出水準等同於AI出現之前,公司如果能找出方法運用新獲得的高生產力勞動力,將能打敗這些同業。
你把工作最糟的部分交給AI,就能專注於有趣的部分。

2026年4月18日 星期六

MIT麻省理工資料變現入門課

 MIT麻省理工資料變現入門課

▷組織想要從資料資產獲得財務回報,可以投資的三種提案類型:
  1. 改善工作內容
  2. 用資料導向的功能和體驗來包裝產品
  3. 銷售資訊解決方案
第一章:資料變現
▷組織在「從資料創造價值」這方面已經擁有許多收穫,但最重要的收穫是:
若享用資料創造價值,個人或系統必須採取原本不會採取的行動。
資料需要被用來改變做某事的方法或創新事務。創造新價值的是更好的流程和產品,而非資料本身。
這個概念是資料價值創造過程的核心,通常被稱為「資料-洞見-行動」(data-insight-action)。
▷在這個過程中,人(或著系統)用資料得出洞見,而洞見指引行動,行動則帶來有價值的結果。
▷組織從資料資產獲得的收益,應該超出產出和管理資料資產的投資:這是基本的商業原則。

第二章:資料變現能力
▷五種資料變現能力的進階狀態:
  1. 資料管理(data management):精通資料>>整合資料>>策畫資料
  2. 資料平台(data platform):先進技術>>內部存取>>外部存取
  3. 資料科學(data science):報表>>統計學>>機器學習
  4. 客戶理解力(customer understanding):意義建構>>共同創造>>實驗
  5. 妥當的資料運用(acceptable data use):內部監督>>外部監督>>自動化
▷只有在得到運用的時候,在開始利用企業級能力之前,組織不該花太多時間或精力發展這些能力,未被使用的企業級能力只是沉默成本
改善、包裝和銷售這三種資料變現策略仰賴不同的能力配置
  • 專注於改善業務流程的組織需要有聚焦內部的能力,如可供搜尋的共享資料術語和定義的目錄,讓員工能找到可用來分析營運成效的資料資產。
  • 專注於包裝提供物或以全新方式服務新客戶的組織,則要著重在關於客戶如何使用客戶資料資產的治理政策和流程。

第三章:用資料來改善
▷從改善提案中創造和實現價值的成果如何?
改善策略中,價值創造的過程是由組織掌控(不像包裝和銷售手段會涉及客戶)。
這代表-至少在理論上-組織能直接主動管控自身所需的調整,以確保能夠創造並實現價值。
工作流程或項目的改善,範圍包含預測設備故障、預測乘客需求,以及辨別實驗室圖片的異常等。
▷所有的改善都聚焦在啟動創造價值流程的三個步驟之一:
  1. 提供資料(資料改善)
  2. 提供洞見(洞見改善)
  3. 採取某些創造價值的行動(行動改善)
▷這些名稱點出改善的影響範圍:
  • 只會提供資料的資料改善,得仰賴接收者對資料重要程度的理解,以及他們如何根據理解採取行動並創造價值。
  • 洞見改善為任務提供指引,對接收者必須根據指引才取行動以創造價值。
  • 透過行動改善,組織會因提案有採取(或幾乎採取)行動前確保能創造出預期的價值。
▲改善的種類:
一、用提供資料來改善
  • 但更常見的情況是,組織要做的不只是向聰明的決策者提供高品質的資料,還必須積極確保人們能夠並願意使用這些資料。訓練不足的使用者無法參與(資料素養計畫和分析能力培訓是解決這種技能障礙的絕佳方法。)此外,當使用者信任不足或滿足或過於忙碌時,也不會參與。
二、用提供洞見來改善
  • 改善提案提供洞見的方式包含基準分數、異常報告、通知,以及各種視覺化的形式和警示。雖然提供洞見並不保證會被使用,但至少是往價值創造邁進一步。
  • 採購人員和設計師開始運用關於暢銷式樣、區域需求和有效銷售手法的洞見,他們省下過去浪費在解讀有著難懂商品編號的表格報表上的時間,因為每個人都對關鍵產品的銷售趨勢「擁有共識」。靠著這些容易取得和理解的洞見,他們將時間集中在開發和展開新的銷售、管理需求和銷售策略(即採取創造價值的行動)。
  • 如果洞見能夠傳遞給負責行動的人,就最有可能促發行動並創造價值。
三、用觸發或促使行動來改善
  • 以美國最大的醫療服務系統之一的三一健康為例,一項協助護理人員更快反應並降低病患跌到風險的作法。在傳送自動化警示之前,團隊必須完成許多工作:明確制定出要發給哪些人、以哪向順序和在哪種狀態要發出警示的日常作業規範;清除病患資料並為跌倒風險準備評分;重新設計護理人員巡房流程;教育員工遵守新的流程和程序;以及創造誘因使員工認同新的策略和程序。
四、用改善來創造價值
  • 在眾多可能的改善成果中,組織必須先釐清其最希望從提案中產出哪些價值。提案團隊有時候會不確定是否真能創造出想要的價值種類和規模,在這種情況,他們得大量仰賴先導試驗和實驗,他們可以利用小規模或在可控條件中研究改善的成果以確認提案所擁有的價值潛力。
  • 用改善策略創造價值的最大風險是無法付諸行動。
五、用改善來實現價值
  • 以奇異公司為例,AI改善提案省去專業人員在辦公室審閱文件的時間,讓他們能專注投入在更高價值的工作上,像是到現場尋找和解決工安問題。

第四章:用資料來包裝
▷運用公司資料強化客戶體驗的企業,將能降低替代性產品的威脅,因而創造永續的利潤。
▷當你使用資料為產品創造新功能或體驗,且帶有取悅客戶的目的時,就是在使用包裝策略。
你並非產出獨立的資訊解決方案,而是強化既有提供物的價值。
▷組織從聆聽客戶意見的過程中,可能會發現它們的提供務不容易購買、笨重且難以使用,或是很難退貨。包裝提案前來救援!包裝提案能在客戶旅程的任何階段提供協助。
有助解決提供物相關問題的包裝提案,能增加提供物對客戶的價值。
實用且吸引人的包裝具有四個特徵
  1. 預料(anticipate),代表包裝能事先理解客戶的需求
  2. 適應(adapt),代表包裝能量身訂做以滿足客戶需求
  3. 建議(advise),代表包裝能支持基於證據的決策模式
  4. 行動(action),代表包裝能採取對客戶有利的行動
▷資料包裝的本質,就是會高度仰賴客製化的功能。
資料包裝會運用客戶限定的資料,產出為既有客戶量身訂造的資訊,在「4A」的得分越高,就越能提升資料變現在客戶(價值創造)和組織(價值實現)的表現,
因次,組織會很自然地逐漸將資料包裝發展為洞見包裝,進而發展成行動包裝。
▲用包裝來創造價值
▷當客戶認為包裝使提供物更有價值時,他們願意為產品付更多錢。
▷提供物的價值主張是否有提升?
可以透過追蹤客戶使用情況A/B測試進行對照實驗或問卷調查等各種技巧來監控提升的幅度。強化後的價值主張,能讓組織吸引新客戶或激勵現有客戶付更多錢、消費更多或停留更久。

第五章:銷售資訊解決方案
▷原始資料(最小程度處理的資料)很難像經過清理、標準化、驗證、加強並準備好進行分析的資料一樣賣出高價。
▷提供洞見的資訊解決方案會運用分析來協助客戶做出更好的決策。
評分、基準、警示和視覺化圖表,能協助客戶根據自身的特定情境檢視和理解資料,並幫助他們避免或解決問題。然而,客戶必須運用這些洞見-採取某些行動-才能從中獲得價值
▷因此,組織透過提供有關連且明瞭易懂的洞見,進而將洞見提供物的價值潛力放到最大,而這些洞見也能自然融入客戶的工作流程裡。
有能力實驗各種解決方案來發掘客戶的需求與不足,進而持續用具吸引力、且高機率能創造客戶價值的提供物來服務新興市場的需求。

第六章:建造資料民主組織
當人們重複使用(而非重新發明)那些利用資料資產和能力的創新時,擴散就會發生。
在類似的組織脈絡中重複使用改善流程,是增加改善提案所創造和實現價值的方法之一。

第七章:資料變現策略
策略是傳達組織想要達成哪些目標。以及如何達成這些目標的高層次計畫。
策略將資源、精力和注意力集中在特定目標上。
▷四種資料變現策略的原型
  1. 營運最佳化(operational optimization)
  2. 客戶為本(costomer focus)
  3. 資訊業務(information business)
  4. 迎向未來(future ready)
營運最佳化的策略優先考量成本效率,而客戶為本的策略則優先找到提升銷量的方法。

第八章:將你的數據變現
▷你無法管理你無法測量的事物。
當你受到激勵而開始行動去推動變革時,將會需要一種方法來追蹤你的資料變現進度。
你的參與為資料變現的飛輪提供動力、創造動能,進而啟動正像強化循環
更多資料帶來更多使用、更多價值、更多資料資產、更多使用...如次循環下去。



2026年4月6日 星期一

金融行為通識課

 金融行為通識課

第1章 資金管理
▷生活事件和生命週期各階段影響著金融行為。
在這些事件和人生階段中,許多消費者必須重新思考並管理他們的消費。
心理因素包括自我控制貨幣幻覺。人們需要自我控制以規避衝動購物,並控制在預算限制和可自由支配收入的範圍之內。貨幣幻覺是指只關注收入或預付價格的帳面價值(數量)而非其實際價值。社為因素包括與其他家庭消費程度的比較和調適

沉默成本效益(sunk-cost effect):沉默成本效應似乎會受到時間侵蝕,稱之為支付貶值(payment depreciation)。與最近的支付相比,很久之前的支付(損失)對消費者的沉默成本效應較弱。
▷對於資金管理而言,一些心理因素是較為重要的:自我控制和行為的自我管理,以及貨幣幻覺和計數效應。
貨幣幻覺(Money illusion)是指注意力集中在收入或著商品價格的帳面價值(數量),而非其實際價值。
▷貨幣幻覺是單位效應的一個例子,並且與計數能力(numeracy)計數經驗法則(numerosity heuristic)有關。
一件保固期60個月的產品,人們人們認為其保固期比5年保固期更長。
以月分為單位,比以年份為單位顯示的數位更大。形容某一範圍的單位量越多,數字就越大。
因此,人們在做比較時,傾向聚焦在最大差異上,但在其範圍內怎麼測量這些差異,他們卻視而不見。於是,這些差異一比較之下便十分突出。這稱為計數經驗法則。當然人們在做快速和直覺得比較和決策時,在參與度較低的條件下,計數經驗法則和單位效應尤其顯著。

社會模仿效應(social-imitation effect)
▷消費者參考他人(參考效應,reference effect)或著自己過去的狀況(偏好效應,preference effect)來比較自己的財務狀況和福祉。
▷參照點即是當前的收入。如果他們有了更高的收入,參照點就會變成新的收入。
他們認為自己的新收入僅是足夠而已,並且渴望得到更高的收入。這被稱作偏好轉移(preference shift),是一種愉悅適應(hedonic adaptation):對已適應的現有收入和消費程度,逐漸滋生不滿感,並且主觀幸福感趨於平緩。這會萌生擁有更高收入和消費程度的渴望。與此類似的是參照轉移(reference shift),就是擁有同參照對象一樣的收入和消費程度的渴望,通常參照對象的收入程度稍微高一些。

充足性消費(consumption adequacy)為滿足生存需求的產品和服務。
人們用充足消費來管理和決定自己的生活(自我決定理論,self-determination theory),而不充足消費導致了對他人的依賴(例如依賴發展援助),缺乏自主性和社會融合。

第2章 儲蓄行為
儲蓄焦躁理論(impatience theory of saving)
▷人們會迫不及待地消費,因此要抑制消費,提高儲蓄,就必須有所補償(即提供利息)。
▷凱因斯在其著作<就業、利息和貨幣通論>(General Theory of Employment,Interest and Money)中引入了「心理法則」(psychological law)人們傾向存起他們實際收入和習慣性經常支出之間的差額。這類似剩餘儲蓄
▷傅利曼(Friedman)詳盡闡述了永久收入模型(permanent income model)
消費以及儲蓄,參照的不是現有收入,而是中期收入(三到五年)。
人們會估算他們三到五年的平均收入來決定他們的消費程度,進而決定他們的儲蓄程度
▷Shefrin and Thaler闡述了行為生命週期模型。行為生命週期模型有其基本假設,家庭會區分三種心理帳戶:當前收入帳戶當前儲蓄(資產)帳戶未來收入帳戶
對當前收入帳戶的消費意願是最高的,而對未來收入帳戶的消費意願是最低的。
這是一種自我控制和預先承諾,從而不花掉當前儲蓄和未來收入。

第4章 保險及預防行為
損失規避(loss aversion),與調節焦點理論(regulatory focus)中的預防焦點(prevention focus,規避或減輕負面後果)相關。
維持現狀偏見(status quo bias)是指對個人已有或市場上現有選擇的偏好。
意味著消費者缺少改變選擇的意願。
確定給付制(Defined Benefit,DB):無論個人為退休金繳付了多少保費,退休金收益是固定的。
在許多案例中,現在的勞動者支付養老保險金,因此是他們在支付退休者的退休金收入。
確定給付制依賴養老保險金的勞動者繳費數量,以及領取退休金收入的退休者數量。
如果對於退休者的數量而言,勞動者數量過少,要麼養老保險金必須提高,要麼退休金收入就要降低。連帶需要現在的勞動者支付退休者的退休金收入,而現在的勞動者則指望下一代勞動者支付他們的退休金收入。
確定提撥制(Defined Contribution,DC):一份特定的退休金收入,其收益取決退休者在他/她工作年限中繳納的養老保險金(分期攤繳養老費)。企業退休金就是這樣設計的。
這是一個完全端乎個人的系統:分期攤繳的養老保險費越多,得到的養老金收入越多。為了增加退休金計畫的價值和收益,企業退休金機構會投資退休金。新的退休金計畫,更多屬於確定提撥制,而非確定給付制。這同樣也歸因於新的會計規則。
▷員工在確定提撥制中承擔更多責任,需要為退休儲蓄多少多做決策。許多員工並未參與確定提撥制,即使參與也沒能存夠退休金。這會是一個巨大的社會問題。

第10章 個人差異與區隔
▷根據個體差異和/或金融行為,可能會形成同質群體。根據群體特徵和行為,政府的消費者政策和金融機構的行銷管理可以提出因群體而異的對待方式,從而提升執行效率。
「高度」相關的社會人口變數有年齡、性別和教育程度。這些變數的結果總是因人而異。
對於金融行為而言,同樣相關的變數有:教育類型職業種類家庭構成可自由支配收入收入穩定性,以及家庭生命週期的不同階段
教育或職業的類型作為相關變數,原因是經濟學、會計學或商業背景的人,了解更多金融知識,也比他人更能理解金融產品。
其他與金融行為相關的特質包含責任感金融素養和技能風險偏好時間偏好,以及自我控制自我效能自我管理。性格是個人的永久特點,也就是說,在理想情況下,性格在不同的情形中是穩定不變的,並且在某種程度上可以解釋和預測個人的行為。
性格變數的預測效度通常十分低。研究者認為五個強有力的性格變數比其他性格變數表現得更好。
這些性格變數被歸納為五大性格特質:(1)外向性 (2)情緒不穩定性 (3)親和性 (4)盡責性 以及(5)經驗開放性

▲區隔
市場並不是同質的,可以分割成幾個同質消費者市場或次級市場
產品和服務可以差異化,以適應不同的區隔市場
▷可以區分成主動和被動的區隔變數
主動變數用於形成區隔市場,被動變數則是在區隔市場形成之後,用來豐富區隔市場的描述。
在正向區隔中,個人差異作為主動變數,形成了區隔市場,例如社會人口因素(年齡、性別、收入、職業、家庭構成)心理統計變數(態度、觀念、生活方式、媒體閱聽選擇、性格和政治偏好)
在區隔市場形成後,行為變數作為被動變數用以核查這些區隔市場在金融行為上是否存在差異,例如這些區隔市場使用哪類金融產品和服務、使用強度
正向區隔的優勢是基於人們的特質,這些特質有助於更好地瞭解人們,並且與之交流。
正向區隔的類型有:地理區隔、社會人口區隔和心理統計區隔



在逆向區隔中,行為變數作為主動變數,形成了市場區隔,例如金融產品和服務的使用。
在區隔市場形成之後,社會人口和心理統計變數作為被動變數,豐富區隔市場的描述
逆向區隔的優勢在於,區隔市場之間金融行為和產品使用存在明顯的差異。
因此,我們也許能夠回答這樣的問題,例如:參與投資基金的人的特徵是什麼?
高額儲蓄、高額消費或著身負債務的人的特徵是什麼?
▷潛在類別分析

第12章 損失規避與參照點
前景理論
處份效應(disposition effect)是投資者出售增值股票(獲取收益),而不是拋售貶值股票(接受損失)的傾向。
稟賦效應(endowment effect)是指人們對現有物品的標價(接受的意願),會比未擁有物品的標價(支付的意願)更高,儘管商品是一樣的。賣方不願意放棄已擁有的商品,對商品有情感依附,認為賣東西是一種損失。
愉悅框架
分割收益(segregation of gains):第一次收益比增加的第二次收益價值更高(效用)。
因此,收益應該即時分割,以產生最高效用。
整合損失(aggregation of losses):第一次的損失比增加的第二次損失負效用更強。
因此,損失應該即時整合,以產生最低的負效用。
另一個例子就是應該用一條消息通知兩個壞消息(損失),而不是分別通知兩條壞消息。
不幸中的萬幸效應(silver-lining effect),較小收益分散了對損失的注意力,使其變得更容易接受。
來自銀行的資訊,如銀行帳戶費用上漲,通常包含較小的收益,比如提升交易效率的網站升級。
這讓整條資訊變得更容易被消費者接受。

第13章 風險偏好
從心理學的角度來看,風險被認為是損失機率,因此只考慮負面效果。
問題在於人們是規避變異數(variance averse)(經濟學角度),還是損失規避(心理學角度)
Duxbury and Summers在實驗中比較這兩種規避,其結果支持損失規避的推測,正如前景理論預測。
根據前景理論,損失對人們的負面影響程度是同等收益帶來的正面影響的兩倍。
因此,風險知覺更多是受損失規避驅動,而不是對變數反感。
眾所周知,人們會為了避免損失而冒更大的風險。
在經濟學的風險概念中,實際風險的損失和認知的風險是沒有區別的,因為經濟學假設人們會對風險做出正確評估。而在心理學中,風險被定義為主觀的概念,是理解過程的結果。
因此,在不同情境下,對於不同的人而言,風險有著不同的意義,這使得風險不再客觀,而是一個主觀的概念:風險知覺(perceived risk)。人們對於風險知覺比客觀風險更加敏感。

風險偏好
▷在經濟學中,「風險傾向」(risk propensity)介於個人特質和(風險性)金融行為的中介變項(mediating variable)。在心理學中,通常用「風險偏好」(risk preference)的概念取而代之。
風險偏好是個人避免風險或尋求風險的一種傾向。
▷風險偏好也受成敗歸因(attribution of success and failure)影響,
它牽涉到決策者自身或者超出他們所能控制的情境。這可以用歸因理論(causal attribution)解釋。
人們傾向於成功的投資結果歸功於自己,而投資失敗歸咎於他人或環境。
這導致人們對於世界的認識不完整或誤差,甚至對個人投資能力過度自負。

雙曲貼現理論
▷Samuelson提出折扣效用模型(discounted-utility),用固定折線率模擬跨期選擇(intertemporal choice)。根據折扣效用模型,為特定時期延遲消費而接受的補償,應等同於相同時期為了加速消費而願意支付的價格
人們在考量延後或提前收益時,想要獲得的補償是不對稱的:接受意願大於支付意願。
這種異常現象,是折扣效用模型的一種變形,稱為「非對稱貼現」(asymmetric discounting)
符號效應(sign effect):收益比損失貼現更多。
要是得延遲收益,人們所要的補償會比同等延遲損失負出去的還要更多。
數量效應(magnitude effect):小額資金貼現比大額資金更多。
與較大收益的延遲相比,人們遇到較小收益延遲,會想要獲得相對多的補償。
延遲-提前非對稱(delay-speedup asymmetry):人們想要從延遲收益中獲得的補償,比他們願意為提前收益提供的支付多。人們想要從提前損失中獲得的補償,比他們願意為延遲損失提供的支付多。

第15章 決策制定、決策架構與預設選項
▷Simom引入了「有限理性」(bounded rationality)的概念。
人們的理性是有限的,因為我們的認知能力、可用資訊和時間是有限的。
結果就是,在複雜或者超載資訊環境中,我們不能選擇最佳的選項或者作出最優的決策。
解決之道就是接受滿意(足夠好)的選項,而不是最大化(最優)選項
決策架構可能包含推力和預設選項
推力在情境中使「稱心如意」的選項更加顯著,是「正確」方向的推手。
預設選項是提供給消費者的「標準」選項。
如果消費者願意,他們可以自由該改預測選項。如果他們不願意,他們將接受預設選項。
一些眾所周知的展示效應有:首因和近因效應,中間選項偏誤和吸引效應。
通常,人們無意識地被這些效應和偏誤影響,儘管事後他們會為自己的選擇做出合理的解釋。


2026年4月4日 星期六

領導者的數位轉型(下)

領導者的數位轉型
第四章 改造營運架構
▷數位型公司不採行傳統的組織模式,透過種種封閉塔式的專業化流程來營運,而是仰賴一個整合、高度模組化的數位基石,資訊技術不再只是傳統流程及方法的一項輔助及優化工具,軟體構成公司的實際營運核心。
▷在21世紀的數位型公司,由演算法驅動、以資料為燃料的軟體,取代傳統的勞力與資產密集型組織,構成公司向顧客傳遞價值的主要路徑。因為這些數位基石,公司能夠產生遞增的規模、範疇及學習報酬,大大勝過傳統的商業模式。
架構慣性(architectural inertia,抗拒調適)的概念進一步導引出克里斯汀生(Clayton Christensen)的破壞式創新理論,根據破壞式創新理論,和現有顧客的關係所建立的架構慣性,阻礙了組織對破壞性變化做出有效的反應。
組織變得擅長以特定方式做某件事後,它們就發展出相互強化的固定程序及制度系統,變得難以用不同的方式做事,架構慣性導致難以做到需要以新方式組織工作的轉型。
▷在一個數位型營運模式中,員工不從事傳遞產品或服務的工作,他們設計與監督一個用軟體來自動化、用演算法來驅動的數位型「組織」去執行實際傳遞產品或服務的工作

第五章 數位轉型之道
▷轉型的五個原則
原則1:有策略
原則2:釐清架構
原則3:聚焦在產品的敏捷組織 
原則4.能力基石
原則5.多專業治理
▷(原則3)建立一個人工智慧型營運模式的核心工作就是把許多傳統流程嵌入軟體和演算法中,最終,一個轉型後的現代核心服務組織的實際「產品」就是人工智慧型公司及其種種人工智慧驅動的流程。
▷(原則3)敏捷方法跟一個轉型、以資料為中心的營運架構是密不可分的。以往由顧問大軍歷經多年建立連結至特定資料庫的巨大定製化應用程式的做法將走路歷史,當資料、模型、與技術元件變得易於從公司的人工智慧工廠中取得後,就能很快速的建造應用系統,尤其是若涉及團隊夠了解下游廠合與環境,而且這些團隊以快速敏捷方式工作的話。
▷(原則5)人工智慧成熟度領先的公司因為對種種商業功能做出資料與分析的投資而獲得相當多的好處。我們發現,資料被用來把決策自動化,也被用來提供對市場動態、顧客、公司營運、員工能力及產品與服務性能的全方位了解,進而幫助公司做出複雜決策
▷(原則5)從顧客生命周期蒐集而得的資料幫助這些企業做出有根據的明智決策,為顧客提供量身打造的產品、服務及體驗,減少支援問題,這一切全都是使用在所有通路與接觸點取得對顧客的360度觀點。
富達為其人工智慧轉型行動訂定三個優先要務。
  1. 第一個優先要務是顧客體驗,富達做出相當大的人工智慧投資,以更加了解顧客的喜好,推薦更有成效、高度個人化的投資策略。
  2. 其次,富達的人工智慧投資聚焦在營收成長,尋找機會去優化既有的營運流程,使公司更能擴大規模,創造在各項業務中增加服務的機會。
  3. 最後,富達推出的一些計畫旨在產生重要的事業洞察,例如研擬更好的投資策略,或了解顧客打客服電話的理由。
第六章 新時代的策略
▷創造網路的平台,其最基本的營運模式是促成用戶之間的媒合,攫取網路效應所創造的價值。
學習效應
學習效應可以自行創造價值或是使現有的網路效應增加價值。
以Google搜尋事業為例,使用者進行越多的搜尋,Google的演算法越能(且越快)找到共通的搜尋型態,服務就變得更好,這類學習效應對於搜尋引擎提供的價值很重要
學習效應之所以能夠強化競爭優勢,主要是因為它們仰賴規模。通常有越多的資料被用來訓練及優化一套演算法,演算法的產出就越準確,也可以使用演算法來解決越加複雜的問題。
學習及網路效應能夠相輔相成,一般來說,一個網路越大(亦即其連結數量越多),連結的價值越高,資料流量越大,人工智慧及整體學習的機會越多

第七章 策略性衝撞
數位型營運模式產生的經濟價值可能得經過好些時間,才能近似傳統型營運模式產生的經濟價值,
這也是安身於傳統型模式的主管起初難以相信數位模式將能趕上他們的原因但是,數位營運模式的規模一旦超越臨界數量後,遞送的價值可能相當大,使得採行數位型營運模式的公司可以輕易得凌駕傳統型公司
▷而Airbnb的精實敏捷組織座落於它的整合資料平台之上,能蒐集顧客及流程資訊,探勘分析所獲得的洞察,不斷且快速進行實驗,有效產生預測性模型以提供重要的決策參考
▷Airbnb持續探勘資料以取得新顧客,辨識新的旅客需求,同時優化顧客體驗,分析風險程度,這些舉動又使公司蒐集到更多旅客和房東的資料。它使用人工智慧和機器學習以獲得新洞察,並經常透過日常實驗來確認這些洞察是否正確。
不僅如此,Airbnb也快速擴張業務範疇到提供種類廣泛的服務體驗,內容囊括音樂會到飛行課程等等,這驅動了新的網路效應與學習效應,使創造價值與攫取價值的機會倍增。
▷旅遊業的例子再一次顯示人工智慧及學習與網路效應可以如何相輔相成的以一連串的自我強化迴路,為一個數位型營運模式建立起快速成長的價值主張。
當營運模式發展出更多連結時,它也發展出更多生成資料與累積資料的機會,生成的資料越多,組織能夠提供的服務越好,第三方前來連結的誘因越大
提供的服務越好,將吸引更多的用戶,用戶越多,資料越多,依次類推,形成良性循環,提高學習終將與網路效應的影響力。一般來說,網路越大,生成的資料越多,訓練出的演算法越好,演算法越佳,因為規模及範疇而遞送的價值的增加得越多。
零售業的轉型並非只是把交易活動轉移至線上,而是需要一個徹底不同的營運方法,以資料及人工智慧為中心,對顧客獲得一致的了解,設法把零售體驗個人化,不僅僅線上零售體驗,還有線下零售體驗
零售供應鏈變成以軟體為中心,人力不再是部屬於流程的核心,而是部屬於周邊(例如把貨架上形狀有異的產品取下來),這移除了傳統瓶頸與規模限制。
零售業提供的一個重要洞察是,把一個事業放到線上,未必能夠扳倒一個傳統產業巨人,重點在於有一個以軟體及資料為中心的營運架構。一些線上零售商領悟這個要訣後,零售業才真正轉型。
▷YouTube和網飛對消費者提供更具吸引力的價值主張,以及可以擴大規模的價值攫取模式,例如透過廣告訂閱,這大致上是仿效音樂串流事業的做法。
▷不過,網飛與YouTube的營運模式有一個具有重要競爭意涵的明顯差異,那就是YouTube匯集小眾內容創作者,形成一個龐大的社群,積聚重要的網路效應,基本上稱霸它所屬的市場。
另一方面,網飛提供的各種影音流服務來自更為集中化的一群內容創作工作室,這些工作室習慣多歸屬,在各種遞送平台上供應它們的內容。

第十章 領導者的使命
▷轉型必須由組織最高層級開始,激勵並培養領導幹部共同投入艱苦的組織轉型工作。

2026年4月3日 星期五

AI導入起手式

 AI導入起手式
第 2 章 活用深度學習的基本流程
▷準確率大致上分為兩種:
  1. 精確率(Precision,系統判斷正確的比例)
  2. 查全率(Recall,找出正確答案的比例,也稱為召回率)。
進行準確率的評估時,除了要分析是否有獲得足夠的正確比例,分析與處理「誤判」狀況也十分重要。以圖像辨識為例,如果把應該判定為癌細胞的部位誤判為正常細胞,將會導致嚴重的後果。
▷AI的開發成本和工時多半都是耗在準備資料,換言之,就是把以前設計程式與演算法的工作,
改成收集資料和標示正確答案(標記)等製作訓練資料的工作。
再換個說法,過去工程師是為了設計數學演算法而煞費苦心,而現在建構AI最辛苦之處,
則是必須憑藉人類的感覺、直覺與經驗法則,思考究竟該如何製作訓練資料。

第 3 章 目標準確率的評估與開發經驗談
導入AI系統對公司來說將是個好機會,可藉此檢討內部作業流程,仔細分析過去那些「不知為何而做」的業務。徹底檢討執行各項業務的理由與限制條件非常重要,若是懶得檢討,
之後在導入AI時,就會搞不清楚該改變流程中的某項業務或是要全面更新流程,
也不清楚如何活用員工的能力,結果往往會制定出不洽當的作業流程。

第 4 章 以實例說明導入 AI 的現況
▷AI所改變的並不是單一機器或市場,而是會促使企業或社會基礎建設為了活用AI,去重新設計其既有的工作模式或系統
第 6 章 今後 將 AI 導入產業的注意事項
▷還有很多事情是AI做不到或不會做,例如買低賣高的投機心態。
在資訊不足、AI無法判斷的情況下仍要做決定時,有時候也需要人類投機的做法。
由於AI在法律上沒有人格權,並不具備責任感與責任能力,因此要讓AI做判斷必須仰賴人類。
▷就算不久的將來出現通用型AI與強AI,在法規給予「他們」人權、 與人類地位相同之前,通用型AI與強AI都只能算是人類的工具。
▷導入AI,問題是投入的成本是否能回收。

2026年4月1日 星期三

台灣AI大未來

 台灣AI大未來
▷AI副駕之所以被稱為「副駕」,使因為人類需要與它不斷互動才能完成任務,
它不是全面自動化,而是半自動化的協作夥伴,最終的決策權和大部分的執行工作仍然由人類掌控。
▷「提示工程」(Prompt Engineering)變得越來越重要,你必須有能力跟它互動、問對問題,提問越精準,答案才會越好。
▷AI代理的關鍵推手之一,是Anthropic提出的「模型上下文協定」(Model Context Protocol,MCP)。
MCP是一套讓外部資料庫、網站、伺服器都能註冊成為「可被AI代理使用服務」的標準協定。
正如當年的HTML促成了全球資訊網路的互聯互通,MCP有機會成為未來「AI代理的基礎網路協定」。

2026年2月10日 星期二

被討厭的勇氣

 被討厭的勇氣

- 人並非受制於過去的原因而行動,而是朝向自己決定好的目的而行動。
- 重點不是你經歷了什麼,而是你如何運用它。
- 人生最大的謊言,就是沒有活在當下。

2026年1月27日 星期二

資料視覺化聖經

金融時報首席專家的資料視覺化聖經

第2章 用圖表傳達數據的九大關係
▷圖表更有效率,專注在呈現重要數字的規律或關係
▷所說的「關係」是什麼?全看重要數字的脈絡而定。

Part I 剖析九類視覺化圖表
第8章 呈現流向
▷它顯示非常有用的見解,可以藉由顯示不同侯選人之間的選票流向,進而理解候選人拿到的選票都是來自何處。每個流向區段的寬度都依照比例調整大小。

Part II 讓圖表完美發揮作用
第14章 改變尺度,改變說故事的角度

▷乍看之下,這張圖可能會讓讀者覺得平淡無奇,因為接種率一項很高,而且近幾十年也都保持在高水準,只有一些小波動。但是花點時間想想,繪製疫苗接種資料的關鍵面向:
  • 高疫苗接種率需要大量人數,才能實現有助遏制疫情爆發的群體免疫。就麻疹來說,世界衛生組織建議疫苗接種率要達到95%。
  • 在英國這類已開發國家中,我們會期待疫苗接種率相對較高,而且一定部要低於50%。
▷上述兩點意味著,我們的圖表正隱藏如果讓縱軸從0開始將會透漏的資訊,因為圖表中有一大塊區域顯示空白。讓我們試著調整縱軸,不要顯示0到100之間的數值,而是顯示80到100之間的範圍。
請記住,這裡用到的資料還是和第一張圖表一樣,唯一差別是縱軸刻度,並且額外增添疫苗接種目標的資訊。在這張新版圖表中,就視覺上,我們現在宣告80才應該被認定是低的數字,這是因為從脈絡來看就是如此。

▷所以,什麼情況下可以只讓縱軸呈現特定區間的數字?
最重要的是,圖表中單位不能是簡單的計數,好比演員身高、人數、千美元、每桶石油等,
因為我們想要顯示的不是量的比較關係。我們是在檢視每100名兒童的疫苗接種率如何隨時間變化,在這種脈絡下,使用軸線當作鏡頭以便放大圖表,進而彰顯資料的正常、預期或「目標」範圍,是完全合理的作法。
▷當然,在報告或簡報裡同時使用這兩種圖表完全可行,
第一章圖表顯示概況,也就是「總體而言,接種率看起來相當高」,
而第二章圖表則凸顯細節,也就是「然而,如果我們放大來看就會看到問題」。
不過,如果你被迫只能選擇一張圖表做出重大決定,肯定要選後者。

▷這張圖表顯示,女性在國會的比率如何隨時間變化,並透露出一股趨勢:
從1997年近12%提高到2020年約25%。再次提醒,請忽略軸線數值,就視覺而言,它看起來像是全世界已經解決性別代表性的問題,因為數據成功地一路從圖表左下方延伸到右上角。
▷每當有人使用電腦軟體製圖,軟體通常都會針對如何定義圖表軸線做出「有憑有據的猜測」,尤其是這類自動產生的圖表。
▷軟體不太明白的是,正在對讀者顯示的資訊代表什麼意義,或是我們會什麼要製作這張圖表。接受軟體的預設值,就會因為產出一張誤導性的圖表。

▷我們一開始為什麼要製作這張圖表?是為了衡量國會中性別平等的進展。那麼平等應該是什麼樣子?關於這一點,或許是女性要取得過會近半席次(也就是50%)。
如果我們縮放縱軸(y軸)在這個水準,就會產出一張截然不同的圖表,有一側留下一大片空白,凸顯根本缺乏實質進展。請留意,新的尺度讓我們可以下一個完全相反的標題,就是依照這個緩慢而持續的速度進展,圖中的藍線要花費數十年才能觸及50%的刻度。

第15章 好圖表是「寫」出來的
▷對聚焦解釋事物的圖表而言,請考慮採用如何...或為什麼...的標題,這種做法有助於建立「承諾」。
▷有時候,可以先考慮圖表中的視覺化辭典關係,再找出適當的動詞。舉例來說激增可能暗示「隨時間變化」,而上升/下降則可能意味著我們在強調「排序」。
▷一個精心討選的主動動詞可以凝聚圖表焦點,提供達成目的的真實故事。









2026年1月17日 星期六

當數位轉型碰上生成式AI

當數位轉型碰上生成式AI:臺灣150家企業轉型的策略性思維和變革實務

第一章 AI的起源與前世今生
▷展望未來,真正具有創造力的生成式AI應該可以做到更專業的工作。
例如主動根據目前市場情報,預估各種商品未來一年需求、分析客戶的喜好進而做到精準行銷。

第三章 你了解的數位轉型,真的是數位轉型嗎?
AI就是電腦科學家先模擬人類思考過程,接著設計電腦程式來模擬,
如此一來,就提供了一套以電腦做決策的簡單方法;接下來的二十年之間,
AI專家又發展出利用少量已知答案的樣本,透過演算法的方式自動學習(又稱作「機器學習」),
由此而預測未知的樣本,更貼近人類的決策模式

第四章 傳產業數位轉型必勝密技
▷正因為數位轉型的實質意義在於企業重新定義商業模式營運流程客戶體驗
並且進一步找到提升競爭力與創造營收的方式,所以勢必會從「商機」中發現新的商業模式與服務

第五章 產業數位轉型案例解析
主題4:如何熟悉消費者偏好,建立產品口碑以累積忠實客戶
▷任何產業都應該實地做消費者心理分析,深入了解大眾或小眾市場的需求,
透過週期性和不定性的市場研究做消費者調查、重點小組討論和數據分析
企業能深入了解消費者的偏好和行為,把握市場趨勢,調整產品和市場策略
▷同時進行廣泛的潛在受眾生活習性分析網路聲量排行忠實客戶數據分析比對
辨識高熟度的熱門菜或主廚推薦私房菜,讓消費者在進入餐廳前,有熟悉及對焦後的清晰感。
▷透過與消費者互動、分享有價值的健康議題內容,回應消費者問題。
最後,透過監測閱讀者指數的成長與衰退,精準投放擴散至有效社群,計算曝光量,創造口碑聲量,成功提高餐飲品牌能見度

主題5:如何建立有感的優質服務,在對的時間點提供最好的服務?
▷隨著數據的不斷增長和分析技術的進步,服務業勢必更加重視數據的應用。
透過收集、分析和利用客戶數據,企業可以提供更加個性化的服務體驗,精準滿足客戶需求,並建立更優良的客戶關係。

主題6:如何進行分眾行銷,以互動擴散粉絲群?
▷具體想像並提出像是該如何提供給客戶這個商品最有價值的內容,以及用什麼樣的方式提供。
這其實早就是服務業常用的概念:為什麼客戶要買我這個東西?
接下來,才是要清楚地知道目標客群在哪裡。
▷一般行銷,常會將市場分為不同的細市場或分眾每個分眾或是族群應該找出共同的特徵
例如年齡、性別、地理位置、興趣、行業、收入水平等,然後才在企業的粉絲群中分享有價值的內容,如文章、YouTube、圖片或獨特的資訊,確保這些內容與產品的粉絲群的興趣相關並具有吸引力
使用關鍵績效指標來評估每個分眾的表現,並根據成效調整短期策略,為每個分眾制定特定的行銷策略。這個策略可能包括產品定價宣傳活動產品設計分發鋪貨促銷方式
重點是,企業必須確保能夠持之以恆地更心和管理粉絲群,不斷提供新的內容和活動,以保持成員的參與熱度。

若是沒有引進足夠的IT資訊技術進行數據整合,就稱不上是數位轉型,只能說是數位優化,就是門市零售之流程優化,這就是前面提到的-低估了自己的能耐。
真正的數位轉型,是希望透過自動導購的概念,在經過精密計算後提供每一位客戶最佳化商品推薦以提升潛在客戶從線下瀏覽行為轉換至線上實際消費,或是導引線上會員帶著電子折價券前往實體門市消費
▷簡單來說,AI推薦系統所採用的方法,是結合用戶過去的行為(例如以前購買過、選擇過、評價過的物品等)與其他用戶的相似決策,以建立特定族群的推薦模型,再用來預測哪一類用戶對哪些物品可能感興趣;也就是說,AI推薦系統會根據用戶對物品的感興趣程度,推薦給他類似性質的商品,例如保養品、美妝用品和睫毛膏等,就屬於「相似」的商品。


▷用更簡單的話說,就是要用演算法清楚地描繪出消費受眾的樣態消費者及會員輪廓可以透過業者內部資料而整理分析出來,但在網友最常用的社群LINEFB上,卻無法這麼清楚地探知社群會員的輪廓,所以常採用無差別的方式推播訊息或廣告,這一來,不僅廣告成本增加了,還常會使社群會員覺得垃圾訊息太多而封鎖社群推播
▷解決這個問題的高階演算法方式,其中一種是透過LINE問券活動、會員點擊圖文訊息的回饋,然後從系統後台去對消費者貼標,定義該消費者的屬性,也就是「AI演算法標籤」。
這些更明確的標籤,例如喜歡的東西類型、嗜好的運動、購買價格區間、新品資訊,或是喜歡情侶款、熱銷排行榜等,眾多關鍵詞組或標籤都可以直接分析出社群會員的輪廓再由精準的分眾演算法技術接手讓行銷部門可針對特定消費者喜歡的東西(或是主題)去投放廣告,或推播地區性熱門主題廣告,鼓勵消費者到實體門市憑券消費。

主題7:精準行銷-為什麼老闆始終覺得我們離顧客有點遠?
▷近年來,許多零售業的管理者不但逐漸了解,同時也已巧妙地善用銷售數據來預測消費者的行為偏好,例如購買A產品的客戶也會購買B產品,或者促使客戶購買C產品的是什麼動機
但是,創造全新的客戶體驗卻不僅僅是以數位科技收集大量的消費數據而已,還得在更多的情境下都能夠精確提供個人化的客戶體驗