名人推薦：工業巨頭爭相推薦
商周CEO學院長、政大科智所教授　邱奕嘉
Honeywell執行長  威默．卡普爾
奇異電器前董事長兼執行長　傑夫．伊梅特
寶僑公司營運長　謝利許．傑朱瑞卡爾
百事前董事長暨執行長、亞馬遜董事  英德拉．努伊
西門子首席技術長兼首席策略長  彼得．科爾特
惠而浦執行長  馬克．畢澤
塔塔集團董事長  N.錢德拉塞卡蘭
賽默飛世爾科技董事長、總裁兼執行長  馬克．凱斯柏
驪住社長兼執行長  瀨戶欣哉
Mach49創辦人兼執行長  琳達．亞特斯
信實工業董事長兼董事總經理  穆克許．安巴尼
馬恆達集團董事長  ...

過去4 年來，我們深入研究了來自輕資產與資產密集型產業的數位巨頭、新創公司和工業製造商。我們對許多企業的高層主管進行大量的訪談， 例如福特（Ford）、多佛集團（Dover）、丹納赫（Danaher）、賓士（Mercedes-Benz）、強鹿（John Deere）、大疆創新（DJI）、奇異（GE）、通用汽車（GM）、Honeywell、馬亨達集團（Mahindra & Mahindra）、勞斯萊斯（Rolls-Royce）、三星、西門子（Siemens）、驪住（LIXIL）、TVS 機車公司（TVS Motor）、惠而浦（Whirlpool）等，而且我們還與其中一些公司合作。

根據這些案例研究，以及對數位科技如何持續影響商業的縱向觀察，我們建立了一套思維架構，幫助工業公司在未來的競爭勝出。我們稱之為「融合策略（fusion）」。

未來，企業將需要結合自身的優勢（製造實體產品）與數位企業的優勢（利用人工智慧解析龐大且彼此連結的產品使用數據），透過這樣的融合，企業才能打造出過去難以想像的策略連結。

強鹿用AI + 數據精準除草
以強鹿為例，這家公司原本的競爭優勢來自於生產速度更快、力量更強、體積更大的設備。但是現在強鹿正積極布局數位未來。他們開發的精準噴灑（See & Spray）設備徹底革新了除草劑的使用方式—從傳統的全面噴灑轉變為精準的定點噴灑。這款自走式設備搭載一支大型碳纖維噴桿，臂上配備36 部高速攝影機。系統內建10 組影像處理單元（vision processing unit），每秒可處理高達4GB 的資料，系統應用深度學習演算法來即時區分農作物與雜草。一旦辨識出雜草，系統就會即時發送噴灑指令至對應噴嘴，即使機器以每小時15英里（約24 公里）高速度行駛，也能精準噴灑。最初的版本只能辨識空地上的綠色雜草，而新一代系統則能偵測到農作物旁邊任何顏色的雜草。最終結果是：除草劑用量減少了60%，農戶獲利也一併大幅提升。

這項創新突破的關鍵，不在於工業設備本身，而在於將數位領域與工業領域透過數據與人工智慧的融合—對於過去只設計大型工業機械的強鹿公司來說，這代表著一次重大的轉型躍進。

而這一切，才剛剛開始。競爭優勢的法則正在改變，現在最具優勢的，不再是擁有最有價值的實體資產的公司，而是擁有最即時、最強大洞察能力的公司。透過融合策略，企業不只能提升現有的產品價值，還能開發創新的新產品、新服務，甚至全新的問題解決方式。最後，人工智慧與即時數據的結合將會產生新一代商業模式，全面升級產品、策略與客戶關係。採取融合策略的企業，就能掌握前所未見的新價值；而無法跟上轉型步伐的企業，勢必落後於同業。

數據圖譜：驅動融合策略的核心基礎
本書目的，是要帶你看清當今商業世界正在如何迅速轉變，並最終引導你掌握如何善用即時數據與人工智慧，打造專屬於你自身的「融合策略」。

但關鍵問題是——該怎麼做？

一切都是從數據開始的，數據是融合策略的核心。不只是一般數據，而是來自產品實際使用的即時數據。當企業能夠系統性累積這類數據，企業就能建立出一種名為「數據圖譜」（datagraphs）的架構，這些圖譜記錄企業與顧客之間透過使用產品產出數據建立的關係，這是本書所探討的融合策略一切基礎。接下來的2 章將會詳細闡述數據圖譜概念，但現在先提供一個初步的概念輪廓：數據圖譜的概念來自於社交網路和圖形理論（graph theory）的邏輯所啟發，並仰賴人工智慧和機器學習（ML）所驅動。數據圖譜的關鍵動能來自於數據網路效應（data network effects），當產品從使用者端收集越多資料時，產品就可以變得更加智慧。舉例來說，谷歌（Google）的搜尋引擎隨著愈來愈多使用者輸入不同的搜尋詞彙而變得更加聰明。臉書（Facebook）則靠著來自近30 億用戶貢獻的數據網路效應來推送個人化內容與廣告。

一旦這樣的運作機制啟動，就會形成一種正向循環。如果消費者認為這些基於數據的優化功能切合自身需求、具有實質價值，他們就更有願意持續使用這個產品，因而又促進了這個循環。在這樣的模式下，產品與客戶之間開始建立起一種數據連結（data bond），隨著時間越加深化。這些互聯關係發生在產品實際使用的場域；推薦的內容也會根據這些互動的環境下客製化；當推薦的內容能提升消費者的體驗時，價值便自然產生。

數據圖譜並不是靜態的結構圖，而是一種動態運作的資料呈現方式，背後的演算法機制能夠吸收更多數據、分析更多類型的數據，並進一步提供具體的行動建議。一間企業愈早開始收集產品使用數據並用來驅動商業演算法，系統就能愈早開始產生數據驅動的決策，公司的行動速度也就愈快，領先競爭對手的機率就越高。

數據圖譜帶來的優勢重新定義了「規模」與「範圍」，這是兩個策略關鍵概念。在工業時代，企業透過增加銷售來擴大經營規模，取得更高的市占率。這個過程是線性且漸進式的擴張歷程，要視企業取得實體資本、人力資源和財務資源的能力而定。相較之下，在數據圖譜驅動之下，規模擴張來自於建構一個生態系統，並且內部所有成員發揮互補角色。舉例來說，通用汽車公司（GM）的規模，要視公司可以製造多少輛汽車而定，而優步（Uber）的規模，則要視公司能在其快速演變的生態系統內部安排多少次乘車服務而定。

我們都看過麥當勞門市「已服務超過X 億顧客」的經典標語。但是每天、每月或每年追蹤賣出了多少個漢堡的做法已經不再有用了。數據圖譜引領的新時代，領導者並不只在乎絕對數字，他們重視的是細節。他們會問：

「是誰在吃這些漢堡？」
「我們是否掌握消費者在哪裡買漢堡？」
「在什麼時間購買的？」
「他們在購買之前或之後做了什麼？」
「他們搭配了什麼飲料？」
「為了更精確滿足消費者需求，我們對於消費者的年齡、性別、收入、地點、偏好與生活方式了解多少？」
「我們如何讓消費者在我們的平台上花更多的錢、感受值回票價，並確保消費者願意再次光臨？」

最重要的是，數位科技業與傳統工業在數據分析的方式，本質上是截然不同的。舉例來說，Uber分析超過250 億趟行程的資料，而傳統計程車公司並沒有這樣的數據分析能力。網飛能夠精確追蹤用戶每一秒觀賞喜好，而有線電視公司與傳統電視網卻無法做到。Airbnb詳實掌握旅客的住宿地點、時間長短、停留多久、做了什麼以及有什麼偏好，而傳統飯店集團所無從掌握的。

企業的「業務範圍」，已不再是傳統意義上的「鄰近產業」延伸。傳統工業擴展業務範圍的方式，通常是依賴現有的核心能力進入相近的產業，這類擴張需要打造實體基礎設施、招募人才，並投入大量資本。而蘋果（Apple）、亞馬遜（Amazon）和谷歌則是透過收集、組織和分析資料，將自身業務擴展至許多看似毫不相關的領域。數據圖譜將運用人工智慧的問題解決能力，幾乎能應用在任何產業中。這些數位科技業已經在實體資產負擔較輕的產業中展現了這方面的能力，而未來，這樣的數據與AI 優勢也將逐步滲透至實體資產密集的傳統產業中。

我們的邀請
本書探討了，在這個競爭環境中，傳統企業與數位科技業依賴數位科技程度各不相同的情況下，目前的最佳實務做法。我們並不是展示一些最佳企業，然後要求你照著模仿它們。相反的，我們向原本就是數位科技業的公司取經，這些企業透過數據圖譜和演算法，在資產輕型環境中競爭，從這些經驗中提煉出適用於資產重型產業的策略原則。通往融合未來的道路就在眼前，而這場轉型的規模、範圍和速度，對於即使是最領先的工業公司來說，都是一項艱鉅的挑戰。

你的公司可能生產實驗室用的醫療儀器、智慧型居家設備或穿戴式健康監測裝置。以前的喇叭只能提供高品質音效，今天的喇叭則是語音運算的對話介面， 而未來的喇叭則會成為空間運算（spatial computing）的一部分。今天的廚房配備的是標準電器，而明天的廚房將內建感應器與軟體，能夠溝通使用方式、需求和狀況。本書將幫助你，超越「僅透過加上數位功能來做出差異化」的傳統思維，而是把數位科技視為一種能夠讓你觀察產品實際使用情況的方式。遠端監控家電只是第一步，而在家電損壞之前就先行維修，才是真正的未來。

過去4 年來，我們深入研究了來自輕資產與資產密集型產業的數位巨頭、新創公司和工業製造商。我們對許多企業的高層主管進行大量的訪談， 例如福特（Ford）、多佛集團（Dover）、丹納赫（Danaher）、賓士（Mercedes-Benz）、強鹿（John Deere）、大疆創新（DJI）、奇異（GE）、通用汽車（GM）、Honeywell、馬亨達集團（Mahindra & Mahindra）、勞斯萊斯（Rolls-Royce）、三星、西門子（Siemens）、驪住（LIXIL）、TVS 機車公司（TVS Motor）、惠而浦（Whirlpool）等，而且我們還與其中一些公司合作。

根據這些案例研究，以及對數位科技如...

讓AI變成真正的策略
文│邱奕嘉博士

不久前，在一場企業內訓中，我問了一個看似簡單的問題：「當你們說要導入AI，是想提升效率，還是重新定義價值？」現場忽然安靜了下來。
大家都知道AI重要，但該怎麼用，卻很少有人能講得清楚。對多數企業而言，AI不只是買系統與建模型那麼簡單，而是會牽涉到產品與服務交付，甚至是整個價值創造、傳遞與變現的邏輯都需要重新思考。《AI融合策略》這本書，正是為了解這些核心問題而寫。
書中提出的「融合策略」並不是一句口號，而是一整套能落地的方法論。它的出發點是數據，但並不是「數據多就有答案」那麼簡單。兩位作者強調，企業若能掌握來自產品與服務實際使用過程中的即時數據，並加以結構化、持續累積，就有機會建立起自己的「數據圖譜」。這張圖譜必須具備三個條件：夠大（規模）、夠廣（範圍）、夠快（速度），才能真正發揮AI應用的價值，讓企業不再只是資訊收集者，而是策略的重新定義者。
接著，書中提出四種可以依企業情況選擇並可併行發展的融合策略：從強化單一機器與模組的「融合產品」，延伸到與服務結合、創造持續性關係的「融合服務」，再到模組化整合與數據互通的「融合系統」，以及與不同對象合作，共創成果、解決問題的「融合解決方案」。這四類策略之間沒有線性順序，也不是每個企業都要照單全收，而是要根據自身的成熟度、組織條件與市場定位，有策略地切入、組合與調整。第5到第8章針對這四種融合策略，不只拆解數據邏輯、AI角色與營收模式，也清楚指出企業應如何依循「建構、組織、加速、變現」這四個實踐步驟，把策略變成行動。
本書作者更進一步深入指出轉型真正困難之處，在於組織設計與領導思維的重構。第9章提出的五項「融合原則」，點出企業最常卡關之處，並提出具體建議。像是：不要期待一步到位，而要設計出能分階段釋放價值的路徑；不是讓AI取代人，而是打造真正的人機協作；不是閉門造車，而是跳出自我中心，和生態圈共建數據網路效應；中階幹部不是被轉型的對象，而是落實轉型的關鍵力量；而領導者最該掌握的，不是技術細節，而是一份清楚可對齊的策略記錄，讓組織有方向、有步驟地走下去。
書中援引了許多知名企業的實務案例，像是強鹿（John Deere）、勞斯萊斯（Rolls-Royce）、特斯拉（Tesla）等，展現了不同產業如何依自身條件擬定融合策略。不只是傳統製造業，許多服務業、零售業甚至非數位原生企業，也都能以數據圖譜為基礎，重構價值鏈與商業模式。
多年來，我陪伴不同產業的企業主與團隊，走在企業成長與策略再造的路上。愈來愈清楚，數據不只是資源，而是重新設計價值的起點。而這個起點，唯有透過AI的參與，才能推動企業走得更深、更遠。透過數據圖譜與融合策略，企業可以重新梳理，自己究竟為誰創造價值，又該如何設計出一條可持續變現的路徑。
《AI融合策略》最可貴的地方，不在於告訴我們AI多重要，而是在於它用企業聽得懂的語言，說明該怎麼做。它能幫助企業真正從數據出發，走向價值重構與行動落地。對正處於關鍵轉型時刻的企業領導人而言，這是一本值得深入思考、攜手實踐的好書。
（本文作者現為政大科智所教授，借調商周CEO學院擔任院長一職）

讓AI變成真正的策略
文│邱奕嘉博士

不久前，在一場企業內訓中，我問了一個看似簡單的問題：「當你們說要導入AI，是想提升效率，還是重新定義價值？」現場忽然安靜了下來。
大家都知道AI重要，但該怎麼用，卻很少有人能講得清楚。對多數企業而言，AI不只是買系統與建模型那麼簡單，而是會牽涉到產品與服務交付，甚至是整個價值創造、傳遞與變現的邏輯都需要重新思考。《AI融合策略》這本書，正是為了解這些核心問題而寫。
書中提出的「融合策略」並不是一句口號，而是一整套能落地的方法論。它的出發點是數據，但並不是「數據多就有...

世界各國讚譽
推薦序 讓AI變成真正的策略 邱奕嘉

第I部 鋼鐵與晶片的融合
第1章 工業時代只是序章
第2章 數位新創擊敗消費品巨頭
第3章 工業巨頭正在反擊
第4章 簡介四大融合戰場

第II部 四大融合戰場
第5章 戰場一：融合產品
第6章 戰場二：融合服務
第7章 戰場三：融合系統
第8章 戰場四：融合解決方案

第III部 在融合未來致勝
第9章 融合策略的原則與執行

後記 理論基礎及行動呼籲
致謝
資料來源

世界各國讚譽
推薦序 讓AI變成真正的策略 邱奕嘉

第I部 鋼鐵與晶片的融合
第1章 工業時代只是序章
第2章 數位新創擊敗消費品巨頭
第3章 工業巨頭正在反擊
第4章 簡介四大融合戰場

第II部 四大融合戰場
第5章 戰場一：融合產品
第6章 戰場二：融合服務
第7章 戰場三：融合系統
第8章 戰場四：融合解決方案

第III部 在融合未來致勝
第9章 融合策略的原則與執行

後記 理論基礎及行動呼籲
致謝
資料來...