遠見／史瑞吉：KPI評估須改革 AI是輔佐企業最佳導師
文╱陳育晟、毛凱恩
誰能讓臺積電創辦人張忠謀、臺新金控董事長吳東亮、臺泥集團董事長張安平，以及鴻海、臺達電、廣達、華碩等大廠高階經理人同聚一堂、專注聆聽演說？
答案就是麻省理工學院（MIT）數位商業中心（Center for Digital Business）研究員麥克·史瑞吉（Michael Schrage）。
2006年10月，在時代基金會的安排下，上述大老闆到麻省理工學院進行五天密集全球化課程，其中史瑞吉的演講〈管理創新危機：從科技策略投資創造新價值〉，讓他們討論到欲罷不能，足見史瑞吉魅力。
從小就對創新感興趣的史瑞吉，1983年進入《華盛頓郵報》（The Washington Post）擔任記者。在AI（人工智慧）尚未成熟的1985年，他就率先指出AI將改變世界。
1989年，他進入麻省理工學院擔任研究員，研究範疇從全球化到數位轉型、AI，均不脫「創新」範疇。
30年來，他留下許多影響重大的著作，如《你想要你的顧客變成誰？》（Who Do You Want Your Customers to Become?）《創新者的假設》（The Innovator's Hypothesis）。麻省理工學院史隆管理學院（Sloan School of Management）官網更稱他在全球談論創新的領袖中，是最具有創新思惟的一位。
7月17日，他應時代基金會邀請，來臺分享最新研究——AI時代企業如何改變KPI（關鍵績效指標）的評估方式，並接受《遠見》專訪，以下爲精華：
《遠見》問（以下簡稱問）：你從什麼時候開始關注數位轉型議題？
史瑞吉答（以下簡稱答）：這幾年來有不少關於數位轉型的書。但數位轉型的概念還是常被誤解，很多機構只是把現有業務盤點以後，再數位化，就好像只把書從中文翻譯成英文，這不是數位轉型。
數位轉型應該是改變組織和消費者一起創造價值的方式。騰訊、阿里巴巴、字節跳動（抖音母公司）做得不錯，亞馬遜、領英（LinkedIn）也做得很好。這些公司都在中國、美國，具有規模優勢。
我認爲，在數位轉型中，臺灣、韓國面臨的挑戰之一，就是無法發揮上述公司的平臺（Platform）和網絡（network）效應。我常把微信（WeChat）當例子。使用者可以爲其他使用者創造價值，微信本身就成爲平臺，而這些使用者就構成網絡效應。三星有很好的科技，但我不認爲三星能發揮平臺和網絡效應。
但臺灣別妄自菲薄，想想富士康，若不是臺灣的創新者、企業家，也不可能達到現在的規模。
問：你在著作中提到，數位轉型的成敗，也跟企業如何投入研發有關？
答：我用IBM來說明。1993年，IBM面臨空前虧損，曾在美國運通（American Express）擔任副總裁的路易‧葛斯納（Louis Gerstner）轉任IBM的董事長兼執行長。當時很多人不看好，認爲它會倒閉。於是葛斯納在短短半年內裁掉4萬5000人，還砍掉IBM研發部門，畢竟研發是一筆很大的成本。
我認爲當時IBM的問題，在於他們有很好的研發人員，但研發和本業的距離太遠。與其說它是個企業，不如說它是一所大學。研發要對企業的價值做出貢獻。
過去企業強調砸大錢投資研發和創新，但數位時代中，這些研發將被更多小規模的實驗與測量（Experiment and Scale）所取代，亞馬遜、騰訊、阿里巴巴、優步（Uber）都是如此。
企業的平臺和網絡效應愈強，就愈能精算成本，以最有效率的方式進行實驗與測量。
問：數位轉型會怎麼改變企業KPI的評估方式？
答：傳統KPI評估項目包括銷售額、月銷售額消長、留客率、客單價、每月新潛在用戶、客戶終生價值等，但要幫助員工更瞭解自我表現，企業還能怎麼做？
你想想，當AI、機器學習技術變得更成熟，KPI本身也不斷學習、精進自我，會發生什麼事？我在研究中，常把這稱爲「大翻轉」（Big Flip）。2016年機器學習技術還不成熟以前，KPI常由人爲決定。但如今器學習可以提供依據，輔佐企業主管評估員工的KPI。
這套系統不會炒任何人魷魚，但它可以在主管處理關鍵議題時提供可靠、精準的資訊。這一定會是未來企業管理的模式。
問：建置這套新型KPI評估系統，是否意謂必須投入大量成本，更換現有的科技基礎設備？
答：這是個很好的問題，而我會告訴你：不是！有太多公司提供雲端服務，你可以從亞馬遜、微軟、Google、阿里任選其一。這些雲端服務可大幅減少成本。
對廣達、臺積電這些公司，如何評估KPI也是營業機密。他們理應對此很保護，但如果他們要和供應鏈、客戶合作，他們必須開放。他們要怎麼畫這條線？這會是個有趣的課題。
問：美國目前是否有應用機器學習到KPI評估的成功案例？
答：有幾家公司，像是摩根大通（JP Morgan）、大通（Chase）、網飛，他們都使用亞馬遜雲端服務。有更多公司現正面臨過度期，他們都知道必須數位轉型，卻不一定知道數據資產在哪裡？要把這些數據資產分享出去嗎？彼此態度的差異，取決於業態和數據的敏感程度。
【本文摘自遠見雜誌8月號；更多文章請上遠見雜誌官網：https://goo.gl/5S7h4Y】