近年來，數位經濟持續驅動著產業向跨領域、跨國界、跨學科，以及虛擬與現實融合的方向發展，改變了既有全球化的產業生態系。各領域傳統業者的地位，受到如Uber等原生數位化新進者的威脅。這波由新興IT技術引領推動的數位轉型，已成為企業運營無法迴避的課題。
數位轉型學院院長詹文男觀察，特別是在近幾年疫情的推動下，數位轉型變革顯得尤為重要。然而在不同規模的企業中，數位轉型的策略和焦點也有所不同。對於許多大型企業而言，過去幾年的數位化投資已逐漸顯示出其成效與價值，高階管理層最關心的問題之一是投資報酬率（ROI）。具體而言，企業希望能夠清楚了解，過去的數位化投入是否真正帶來了預期的經濟效益。此外，他們也在探索更多新的衡量指標，來精確評估數位化投資的成效。
在這過程中，大型企業由於擁有豐富的資源和較大的投資能力，因此能夠在數位化的道路上更穩健地推進。這類型企業當前面臨的挑戰是如何持續最佳化現有的數位架構，以及如何使這些數位技術能夠更好地服務於企業的核心商業目標。
相比之下，中小型企業在數位轉型的路上則面臨著不同的情況。許多中小企業在疫情期間首次嘗試實施遠端工作模式，以確保業務的持續運行，其後也促使他們尋找能夠同時滿足公司營運和客戶服務需求的解決方案。
隨著IT技術快速發展，許多中小企業逐漸意識到，數位化不僅僅是一種選擇，更是一種必須迅速適應的趨勢。尤其是生成式人工智慧（Generative AI）技術開始大放異彩，為中小企業提供了低成本、高效率的新選擇，使他們能夠在競爭激烈的市場中更快速地調整策略和營運模式。
詹文男指出，數位轉型的重點將更聚焦在如何全面融入到企業的各個業務流程中，不僅是技術的升級，更是業務模式的革新。因此企業需要透過實際案例來明確數位化的具體效益，並在此基礎上，制定更符合自身發展的數位策略。
知識建構為變革奠定基礎
為因應不斷變動的商業環境，企業必須保持彈性地調整策略，以應對競爭對手和客戶需求的變化。就理論框架來看，詹文男建議高階管理層可從掌握2M（總體環境、市場資訊）與2C（客戶資訊、競爭者資訊）的脈動著手。
他進一步說明，從宏觀角度來看，企業必須面對包括社會結構變化、科技進步、政治環境變動及自然環境變遷等多方面的挑戰。例如，隨著社會高齡化，產品和服務需求隨之調整；技術進步則使得過去依靠人力的品質檢查工作，現在能夠透過影像辨識技術來實現，提高效率與準確性。此外，極端氣候現象對企業的營運也產生了直接影響，迫使企業必須在經營策略上考慮節能減碳，以應對例如歐盟的碳稅政策等外部壓力。
數位轉型學院院長詹文男提醒，生成式AI正在開創一場知識工作者的革命，其自動化和資料分析能力，不僅提升了企業生產力，也可藉此推動產品與服務的創新。
在這些不斷變化的外部環境中，企業若想維持競爭力，避免被市場淘汰，就必須考慮數位轉型。數位轉型的起手式在於全面的知識建構，讓組織上下對數位轉型有一致的理解和認知。這不僅涉及技術層面的更新，也包括商業模式和企業文化的根本改變。
為此，企業需要進行「健康檢查」，評估自身在數位轉型的成熟度，並根據環境變化和內部能力，制定實際可行的轉型策略。這包括從小規模的試點項目開始，逐步擴展至整個組織，循序漸進地推動改變。「從戰略高度重新評估外部環境和內部條件，找到適合的應對策略。如此一來，企業不僅能夠應對當下的挑戰，更能為未來的不確定性做好準備。」
健診評估與需求發掘 設立階段目標
當企業完成數位轉型的基礎知識建構後，管理層及員工已對數位轉型的意義、必要性，及其對公司可能帶來的價值有了基本的了解。隨之而來的步驟是「衡外情、量己力」，亦即深入分析外部環境的變化，並評估公司目前的能力和所處階段。
詹文男說明，在「衡外情、量己力」的過程，企業首要須識別環境變化對營運帶來的具體影響，包括機會與挑戰，藉此解析可反映出自家公司是否具備足夠的能力把握這些機會。這種自我評估通常透過「健診評估」來進行，評估企業在商業模式運營、客戶服務及商業模式創新等方面的成熟度。
「數位轉型學院提供的數位轉型成熟度模型，便是一種評估工具，可幫助企業了解在產品銷售、財務及數位技能等不同面向的數位成熟度。此模型將成熟度分為五級，從未數位化（0級）到智慧化階段（4級），每個階段都需要企業擁有不同的能力。」詹文男說。
完成初步的知識建構與健診評估後，接下來的關鍵步驟是需求發掘。這一階段幫助企業明確界定在當前環境和組織發展中，哪些為優先處理的關鍵項目。這不僅涉及到目標的確定，還包括基於這些目標制定具體的執行方案。
在方案規劃階段，企業需要評估和選擇合適的解決方案，並確定這些方案足以適用於公司當前的情況。同時，還需要識別與確認所有關鍵的利害關係人，以及跨部門的協作與溝通，確保所有相關的員工都能在數位轉型過程中有效合作。
透過這些步驟，企業不僅可以建立起數位轉型的基礎知識架構，更能具體地實施和推動數位轉型策略，逐步實現數位化的深度融入和業務創新。
生成式AI走進商業營運場域
近兩年來生成式AI的進步為未來商業應用開闢了新的可能性，特別是在資料處理和複雜數據的解析。生成式AI不僅能夠識別問題，還能提供解決方案和最佳化建議，從而提高了決策的品質和效率。例如，在產品生產過程中，AI可以用來識別並修正瑕疵，或者在會議記錄方面，可自動生成會議摘要和行動項目，大幅減少無效率的人力操作。
儘管AI技術早期是從應用於圍棋等領域而受到各界關注，但因為這類應用的實用性相對有限，普遍認知未必深入。然而，當AI開始被應用在商業應用場景，例如智慧工廠的自動光學檢測（AOI）、設備預防性維護等，其價值才真正得到企業的認可。這些應用直接關聯到生產效率和成本控制，因此被視為極具投資報酬率的技術。
隨著生成式AI（如GPT系列的演算模型）的快速發展，為各種行業帶來了更多新應用的可能性。例如在生產線上，生成式AI可用於即時分析生產過程中的瑕疵，並提供改善的指引，這不僅提高了問題解決的速度，也減少了生產延誤的成本。
此外，生成式AI在會議記錄和內容生成方面的應用，能夠大幅提高會議效率和後續行動的執行。透過AI技術錄下會議內容並自動生成會議摘要，以便於決策與指派行動任務，可讓內部溝通更加高效率與透明。
詹文男提醒，生成式AI正在開創一場知識工作者的革命，其自動化和資料分析能力，不僅提升了企業生產力，也可藉此推動產品與服務的創新。因此，企業應重新審視自身在價值鏈、價值系統及生態體系中扮演的角色，以應對生成式AI時代帶來的機遇與挑戰。