远见／史瑞吉：KPI评估须改革 AI是辅佐企业最佳导师
文╱陈育晟、毛凯恩
谁能让台积电创办人张忠谋、台新金控董事长吴东亮、台泥集团董事长张安平，以及鸿海、台达电、广达、华硕等大厂高阶经理人同聚一堂、专注聆听演说？
答案就是麻省理工学院（MIT）数位商业中心（Center for Digital Business）研究员麦克·史瑞吉（Michael Schrage）。
2006年10月，在时代基金会的安排下，上述大老板到麻省理工学院进行五天密集全球化课程，其中史瑞吉的演讲〈管理创新危机：从科技策略投资创造新价值〉，让他们讨论到欲罢不能，足见史瑞吉魅力。
从小就对创新感兴趣的史瑞吉，1983年进入《华盛顿邮报》（The Washington Post）担任记者。在AI（人工智慧）尚未成熟的1985年，他就率先指出AI将改变世界。
1989年，他进入麻省理工学院担任研究员，研究范畴从全球化到数位转型、AI，均不脱「创新」范畴。
30年来，他留下许多影响重大的著作，如《你想要你的顾客变成谁？》（Who Do You Want Your Customers to Become?）《创新者的假设》（The Innovator's Hypothesis）。麻省理工学院史隆管理学院（Sloan School of Management）官网更称他在全球谈论创新的领袖中，是最具有创新思惟的一位。
7月17日，他应时代基金会邀请，来台分享最新研究——AI时代企业如何改变KPI（关键绩效指标）的评估方式，并接受《远见》专访，以下为精华：
《远见》问（以下简称问）：你从什么时候开始关注数位转型议题？
史瑞吉答（以下简称答）：这几年来有不少关于数位转型的书。但数位转型的概念还是常被误解，很多机构只是把现有业务盘点以后，再数位化，就好像只把书从中文翻译成英文，这不是数位转型。
数位转型应该是改变组织和消费者一起创造价值的方式。腾讯、阿里巴巴、字节跳动（抖音母公司）做得不错，亚马逊、领英（LinkedIn）也做得很好。这些公司都在中国、美国，具有规模优势。
我认为，在数位转型中，台湾、韩国面临的挑战之一，就是无法发挥上述公司的平台（Platform）和网络（network）效应。我常把微信（WeChat）当例子。使用者可以为其他使用者创造价值，微信本身就成为平台，而这些使用者就构成网络效应。三星有很好的科技，但我不认为三星能发挥平台和网络效应。
但台湾别妄自菲薄，想想富士康，若不是台湾的创新者、企业家，也不可能达到现在的规模。
问：你在著作中提到，数位转型的成败，也跟企业如何投入研发有关？
答：我用IBM来说明。1993年，IBM面临空前亏损，曾在美国运通（American Express）担任副总裁的路易‧葛斯纳（Louis Gerstner）转任IBM的董事长兼执行长。当时很多人不看好，认为它会倒闭。于是葛斯纳在短短半年内裁掉4万5000人，还砍掉IBM研发部门，毕竟研发是一笔很大的成本。
我认为当时IBM的问题，在于他们有很好的研发人员，但研发和本业的距离太远。与其说它是个企业，不如说它是一所大学。研发要对企业的价值做出贡献。
过去企业强调砸大钱投资研发和创新，但数位时代中，这些研发将被更多小规模的实验与测量（Experiment and Scale）所取代，亚马逊、腾讯、阿里巴巴、优步（Uber）都是如此。
企业的平台和网络效应愈强，就愈能精算成本，以最有效率的方式进行实验与测量。
问：数位转型会怎么改变企业KPI的评估方式？
答：传统KPI评估项目包括销售额、月销售额消长、留客率、客单价、每月新潜在用户、客户终生价值等，但要帮助员工更了解自我表现，企业还能怎么做？
你想想，当AI、机器学习技术变得更成熟，KPI本身也不断学习、精进自我，会发生什么事？我在研究中，常把这称为「大翻转」（Big Flip）。2016年机器学习技术还不成熟以前，KPI常由人为决定。但如今器学习可以提供依据，辅佐企业主管评估员工的KPI。
这套系统不会炒任何人鱿鱼，但它可以在主管处理关键议题时提供可靠、精准的资讯。这一定会是未来企业管理的模式。
问：建置这套新型KPI评估系统，是否意谓必须投入大量成本，更换现有的科技基础设备？
答：这是个很好的问题，而我会告诉你：不是！有太多公司提供云端服务，你可以从亚马逊、微软、Google、阿里任选其一。这些云端服务可大幅减少成本。
对广达、台积电这些公司，如何评估KPI也是营业机密。他们理应对此很保护，但如果他们要和供应链、客户合作，他们必须开放。他们要怎么画这条线？这会是个有趣的课题。
问：美国目前是否有应用机器学习到KPI评估的成功案例？
答：有几家公司，像是摩根大通（JP Morgan）、大通（Chase）、网飞，他们都使用亚马逊云端服务。有更多公司现正面临过度期，他们都知道必须数位转型，却不一定知道数据资产在哪里？要把这些数据资产分享出去吗？彼此态度的差异，取决于业态和数据的敏感程度。
【本文摘自远见杂志8月号；更多文章请上远见杂志官网：https://goo.gl/5S7h4Y】