MIT最完整人機協作研究：多數人都想錯了！
AI取代的是勞動力，而非生產力
全球50強商學院教授與亞太AI導入先驅學者，透過全球成功實例，
從零售、金融、傳產到服務業，
揭示全球頂尖團隊如何運用AI賦能，跨圈突圍
★麥肯錫年度閱讀清單
★《企業家項目》年度必讀科技專書
改寫過時人力成本思維，有效強化市場競爭力，
打造一人即團隊的高效生產力！
本書作者湯瑪斯．戴文波特是全球人工智慧研究領域的頂尖學者，更被《財星》雜誌評為全球50強商學院教授之一，他攜手新加坡管理大學資訊系統名譽教授斯蒂芬．米勒，實地走訪全球頂尖企業與團隊，採訪超過百位技術專家，直擊當前工作現場，探索工作者與人工智慧的協作實況，他們得出一個重要結論：成熟的AI的確能取代勞動力，但無法直接貢獻生產力，唯有與工作者協作才能大幅提升工作效率，形成一人即團隊的強大產能。
本書更進一步提出企業中工作效率大幅提升的具體案例：
-
【更快速：45分鐘縮減為5分鐘】→摩根士丹利導入AI系統，使財務建議書的撰寫時間從45分鐘大幅縮減至5分鐘，投資顧問與客戶互動效率提升9倍。
-
【更效率：300字提高到800字】→AI輔助翻譯系統讓專業譯者的翻譯量，從每小時300字提高到800字，效率提升160%。
-
【更便宜：零件損壞成本減少95%】→太平洋軸承導入AR平台培訓新人，當年零件損壞成本減少95%。
綜觀這些正在進行中的智慧職場轉型，本書提出顛覆大眾對職場導入AI的想像，
揭示在AI賦能的職場環境下，工作者的新機會：
-
【工作效率提升，一人即團隊】
AI自動處理重複任務、資訊整合與決策建議，讓工作者專注於需更多思考和判斷力的工作。
-
【增強專業，擴展職務範疇與跨界】
AI協助擴展職務範疇，讓工作者接觸更多任務並學習新技能。
-
【縮短基礎建設期，快速進階專業人】
AI減輕重複工作負擔，提升工作滿意度，促進專業成長。
＼＼＼為身處轉型之路上的你，指出強化生產力的三大創新策略／／／
-
【從理解業務需求開始】
多數人把AI視為解決問題的數位系統，實際上應該用「人力資源管理」的角度，去思考它的產值與貢獻度。
-
【選擇合適的 AI 解決方案】
全面導入AI的成本很高，自動化不易，但對解決小任務或流程建立則有具體節省成本的果效。
-
【建立人機協作的文化，邁向數據導向的組織】
AI可以取代勞力，但提升產能需與人類協作，共創更高價值。數據應視為戰略資產，作為決策和創新基礎。
如果你正面對技術挑戰，擔心被AI取代，這本書是不可錯過的指南。戴文波特和米勒深入全球AI應用實例，揭示工作者將在AI賦能的職場中，成為一人即團隊的高效工作者，並點出數據驅動的決策與創新，是管理者引領組織邁向未來、提升競爭力的關鍵。
各界讚譽
大衛．奧特（David Autor）｜麻省理工學院經濟學教授
DJ．帕蒂爾（DJ Patil）｜美國前首席數據科學家
戴夫．格萊德希爾（Dave Gledhill）｜星展銀行（DBS）前資訊長
丹妮絲．盧梭（Denise M Rousseau）｜卡內基美隆大學教授
陳谷炎（Tan Kok Yam）｜新加坡精深技能發展局局長
「這本書的目標讀者是經理、顧問和規劃職業生涯的學生……我欣賞其易於理解的敘述，作為一個多樣的調查，展示了當前技術如何擴展人類能力的範圍。」——《華爾街日報》
「當光影對比極端時，是時候請專家出場了。在《智慧協作時代》一書中，我們不僅受益於該領域兩位領袖——戴文波特與米勒的智慧，還有數十個案例研究中的人物，他們詳細描述了AI在商業、研究和行政領域的實際應用。作者所稱的『人機協作的真實故事』在400頁的分析和洞察中呈現出來，為大家介紹迄今為止最接近職場AI運用現場的真實分析。」——《E&T Magazine》
「雖然AI已經成為Alight生態系統的一部分多年，但這本書探討了AI將如何改變我們的工作方式，但並不一定會摧毀我們的工作方式。」——麥肯錫McKinsey
「《智慧協作時代》大體上是一部關於人機協作的充滿希望的著作，強調了機器依然無法完成的許多事情——從理解背景到管理組織變革再到理解情感情境——因此它們仍然會依賴人類，就像我們依賴它們一樣。這對於我們、我們的孩子和我們的孫子來說，可能仍然如此。」——土木工程Civil Engineering
「為什麼你應該閱讀這本書：對人類與智能系統協作的影響感到好奇嗎？這本書分享了人類成功與AI協作的具體案例，例如，一個數字系統用於壽險承保，實時分析申請和第三方數據，讓人類承保人專注於更複雜的案件。如果你想對AI的積極潛力有信心，而不是對人工智能是工作搶奪者的陰暗看法，那就讀這本書吧。」——《企業家項目》The Enterprisers Project
「AI能完成什麼工作——人類與AI協作能完成什麼工作？撇開炒作不談，戴文波特和米勒深入數十個現實世界的AI實施案例，探尋其核心。這些教訓微妙而開闊眼界，有時還很有趣。無論你以前對職場AI的認知如何，這本書都會改變你的看法。」——大衛．奧特（David Autor），麻省理工學院經濟學教授
「AI已經在改變世界，這是第一次，我們有了一系列人人都能理解的案例研究。這是任何試圖了解即將到來的廣泛變革的人必讀的一本書。」——DJ．帕蒂爾（DJ Patil），美國前首席數據科學家
「這本書讓AI變得生動，並提供了實用、扎實的例子，展示了AI現在能做什麼，以及它如何增強職場中的人類角色。對於任何試圖大規模釋放AI力量的組織來說，這都是一本極好的指南。」——戴夫．格萊德希爾（Dave Gledhill），星展銀行（DBS）前資訊長
「通過豐富的描述，達文波特和米勒帶我們了解正在塑造未來工作的AI應用。什麼工作應該標準化？什麼工作可以更好地信息化？AI如何促進有意義的人類工作？閱讀此書並學習吧。」——丹妮絲．盧梭（Denise M Rousseau），卡內基美隆大學教授
「讓AI發揮作用需要人類學習和適應、工作重新設計和企業轉型。這需要一本好書來使這種常識變得引人入勝和可操作，而這是一本非常好的書。」——陳谷炎，新加坡精深技能發展局局長
湯瑪斯．戴文波特（Thomas H. Davenport）
《財星》雜誌評為全球50強商學院教授、麻省理工學院數位經濟計畫訪問學者。
作為一位全球知名的管理學者、顧問，戴文波特曾任教麻省理工學院與哈佛商學院，專長於商業創新、數據分析和人工智慧在企業中的應用。他以其在商業數據管理和資訊技術方面的開創性研究而聞名，對於數位時代企業的運營模式具有深遠的影響。因此也被《諮詢》雜誌評為全球25位最佳顧問，並被《Ziff-Davis》雜誌評為科技業100名最具影響力人物之一。目前是貝伯森學院（Babson College）資訊科技與管理校聘傑出教授、勤業眾信（Deloitte）AI業務資深顧問。
因其在大數據、商業智慧和人工智慧擁有深厚的學術研究成果，並經常與業界合作，幫助他們運用最新的數據技術來改善業務流程，合作對象涵蓋金融、醫療、零售和製造等領域，因而累積豐厚的實戰經驗。
不僅如此，戴文波特撰寫、合著或編輯了共23本書，其最具影響力的著作之一是《競爭力分析》（Competing on Analytics），此書被認為是企業應用數據分析實現競爭優勢的權威指南，該書介紹如何透過數據分析來驅動企業的決策並優化運營。他的著作探討企業如何利用數據驅動決策，並透過技術創新來提升競爭力，讓他在學術界和商業界擁有強大的影響力。
他長期為《哈佛商業評論》、《史隆管理評論》、《加州管理評論》、《金融時報》撰稿，並曾擔任《華爾街日報》、《富比士》、《資訊週刊》和《CIO》的專欄作家。
斯蒂芬．米勒（Steven M. Miller）
新加坡管理大學資訊系統名譽教授，此前曾擔任計算與資訊系統學院創始院長，負責研究的副教務長。他是《機器人應用與社會影響》（Robotics Applications and Social Implications）的合著者。
周群英
清大社會學研究所碩士，台大政治系學士，近年涉足身心靈書籍，深感受益良多，希望能盡一己之力介紹更多好書給讀者。譯作有《當下的力量牌卡》、《那一天，我放手愛自己》、《卓爾，謝謝你毀了我的人生》、《更豐盛：工作與財富的奇蹟課程》《巴菲特的對帳單 卷二》等書。
寫於書前
前言 一人即團隊！智慧協作時代來臨
第一部 AI增強下的工作現況
1. 摩根士丹利：高效的財務顧問都在做什麼事？
2. ChowNow：隨時提供符合市場需求的最佳銷售策略
3. Stitch Fix：AI 輔助服裝造型師
4. 阿肯色州立大學：用 Gravyty 募款
5. 蝦皮：產品經理在 AI 電子商務裡的角色
6. 港灣人壽和美國萬通保險：引進數位人壽保險核保人
7. 雷帝斯金融集團：智慧抵押流程
8. 星展銀行：以 AI 監控交易
9. AI 診斷和治療紀錄編碼：讓人類真正發揮所長
10. 電通：公民開發者的機器人流程自動化
11. 84.51°和克羅格：自動化機器學習提高資料科學生產力
12. 麥迪安網路安全公司：AI 輔助網路威脅歸因
13. 印度星展行動銀行：用客戶科學優化客戶服務
14. 直覺軟體公司：AI 輔助寫作，人負責提供規則
15. Lilt：電腦輔助翻譯，使專業翻譯者產能提升160％
16. 賽富時：倫理 AI 實踐的架構師
17. Miiskin：AI 輔助皮膚成像，醫師更能專注於複雜案例
18. 好醫生科技：實現家家戶戶都有好醫生
19. 奧斯勒工作：法律服務的轉型現場
20. 太平洋軸承公司：用於員工訓練的 AI 虛擬現實
21. 希捷科技：AI 自動化視覺檢測技術，削減晶圓和晶圓廠損耗成本
22. 史丹佛醫療中心：往無人藥局邁進
23. 速食漢堡店：AI 助理炸薯條的同時還能服務客人
24. FarmWise：耐曬、抗雨淋的數位除草系統
25. 北卡羅來納州威明頓警察局：警務數位化
26. 策安集團：AI同僚提升安管強度，同時照顧顧客
27. 南加州愛迪生：預防現場事故的機器學習安全資料分析
28. MBTA：AI 輔助柴油分析以利列車維修
29. 新加坡陸路交通管理局：智慧城市裡的鐵路網管
第二部 AI賦能下的職場大未來
30. 用 AI 改變工作，需舉全村之力
31. 人人都是技術人員，或至少有混合角色
32. 讓 AI 發揮作用的平臺
33. 智慧案件管理系統
34. 新鮮人的就業機會將愈來愈少?
35. 遠距獨立工作
36. 機器（還）不能做什麼
第三部 AI賦能時代下的關鍵結論
37. 智慧協作的未來
第一部 AI增強下的工作現況
蝦皮
產品經理在AI 電子商務裡的角色
蝦皮（Shopee）是東南亞六大經濟體─印尼、馬來西亞、菲律賓、新加坡、泰國和越南，以及台灣的領先電子商務平臺。2015 年，它在這些市場上線，目的是連結這些地區的消費者、賣家和企業。蝦皮之所以獲得成長和成功，是因為該公司的策略是以行動為中心（mobilecentric），並受益於其數據、分析和AI 能力。超過95％的蝦皮訂單，是透過行動應用程式下單。該公司在每個市場，會針對內容和電子商務流程進行高度本地化，並結合社群互動和電子商務，帶來社群購物的體驗。蝦皮是冬海集團（Sea Limited）旗下的公司，冬海集團是一家全球消費性網路公司，該公司還有遊戲和社群娛樂公司競舞娛樂（Garena），以及數位金融服務公SeaMoney。
產品經理，與數據和AI 相關的產品和服務
克里斯．陳（Chris Chan）是新加坡人，2019 年加入蝦皮位於新加坡的公司總部，擔任產品經理。他一開始負責監督建立和部署新功能，讓賣家更方便使用蝦皮平臺刊登和推廣他們的商品。他的下一個產品管理任務是通知服務，例如電子郵件、平臺內聊天、外部社群媒體聊天，以及監督蝦皮在買賣雙方於購買前、購買中、購買後的整個溝通生命週期，改善所有發送通知的方式。同時是負強化所有聊天通訊功能的產品經理。
蝦皮主要有三個團隊直接參與創造並帶來營收。商家團隊（business owner teams）負責成長，重點是在蝦皮所有市場裡，不斷提高營收、市占、獲利能力、用戶人數和其他關鍵的業務指標。他們負責業務策略和整體業務的成果。技術團隊（engineering teams）有多個不同的資料科學和AI 團隊，打造工具和模型，為蝦皮內部進行廣泛分析以及為AI 工作提供支持，以便為買家和賣家設計新產品、改進產品功能並支援營運和管理。技術團隊裡有一些團隊，著重於資料工程與支援所有資訊科技基礎設施。產品管理團隊（product management teams）運作於商家團隊與技術團隊之間，扮演它們的橋梁。
克里斯．陳和其團隊會根據他們的通知服務，以及所有其他聊天服務組合裡買家和賣家提供的具體特徵、功能、使用者體驗和效能，進行產品管理決策。他們要確保產品和服務具有經濟可行性，確定產品何時準備好可以從開發模式、邁向持續的支援和改善；並做出決策以平衡客戶和業務不斷變化的需求，以及持續開發或額外改善的所需成本。
誠如克里斯．陳所強調：「我和我的產品管理團隊是協調者、合作者和整合者。我們和技術團隊、當地國家團隊、業務團隊以及內部支援團隊合作，有時也和客戶或其他外部合作。我們要確保負責的新服務產品或平臺功能，實現必要的一致性、協調性和跨功能協作。我們透過開發、試點部署、多國推出和拓展，來實現這個目標。」他還負責根據技術團隊的資料評估，試點和現場試驗的使用者數據，以及實際性能的結果與業務目標，來評估產品開發的進度。並負責監督產品每周和每月的定期審查會議，參加會議者包括商家團隊、相關產品的管理團隊、資料科學和AI 團隊，以及其他技術團隊。他協調並推動決策，確定任務裡的新AI 開發工作，做到什麼程度才算「夠好」，可達封閉測試的試點部署階段；模型性能什麼時候改善到足以在第一個國家全面生產使用；以及什麼時候可以把模型擴大使用到其他多個國家。
克里斯．陳表示，身為產品經理，他和資料科學與AI 團隊的合作尤其密切，他們會一起開發、測試和部署AI 分析模型。事實上，蝦皮所做的一切，都是透過分析和AI 達成的。他在資料科學團隊裡的主要窗口，是資料科學產品經理，該經理在AI 的方法、實施與業務問題上，擁有專業知識。公司把他安插在資料科學團隊，並且向蝦皮產品管理組織報告。
資料科學產品經理
2019 年克里斯．陳加入蝦皮幾個月後，阿爾伯特．何（Albert Ho）也加入了新加坡的蝦皮。他之前曾在中國最大的電子商務平臺AI 實驗室工作。阿爾伯特．何解釋：「身為資料科學產品經理，我有能力理解AI 演算法的技術細節，並且了解蝦皮嘗試打造以客戶為中心的所有應用程式裡，應何時以及如何應用這些演算法的業務考量。」他詳細說明：「資料科學的產品經理，和一般業務的產品經理合作，支援端到端（end-to-end）的產品開發工作，但我們有更多技術能量了解和指導資料科學相關的功能。「他們更了解演算法的本質及其功能。」阿爾伯特．何觀察到，融入資料科學團隊的一個優勢是：「公司裡沒有其他團隊能像我們一樣，可以觀察所有蝦皮用戶的行為，並了解他們的個人資料。雖然，企業主團隊和產品管理團隊有自己的資料分析師，可以匯總內部和客戶資料，但他們在複雜性、規模、粒度（granularity）和速度上，可能無法做到像我們資料科學團隊這樣。」自從加入蝦皮以來，他表示：「我一直提倡資料科學團隊，確認我們的AI 能力可以為業務帶來什麼貢獻，發揮更積極的作用。我們也已經開始向產品管理和業務團隊提出新想法。」他指出，「我們已經開始提出這類產品功能的要求，但業務部門沒有提出這些要求，因為他們對我們的AI 能力缺乏深入了解。」
蝦皮產品經理職務的未來
在預測自己的工作職務將如何隨著時間變化時，克里斯．陳反思：「即使是像我這種以業務為中心的產品經
理，也需要更了解資料科學的能力，要知道預測模型和推薦演算法可以做什麼，以及不能做什麼。我們要做的，不只是根據資料科學團隊告訴我們的資訊來了解模型準確度，並將它和我們的關鍵績效指標（KPI）的準確度進行比較。他指出：
到目前為止，在蝦皮平臺上決定並推動產品需求與確認所需功能的決策者，是企業主團隊和產品經理團隊。然後，我們將這些需求交給資料科學團隊，他們運用可用的資料建構模型，滿足這些業務需求。未來，我預計我們的資料科學團隊，將提供更多業務和產品功能的建議。資料科學團隊可以看到我們所有資料裡的模式和趨勢，因此能夠提出企業主和產品經理團隊可能沒想到的業務和產品建議。
阿爾伯特．何同意這個看法。「我們所有產品經理，最後都應該是以資料科學為導向的產品經理。未來的產品經理，應該更了解AI 的方法，知道AI 可以做什麼，以及想要做到這些事會牽涉到什麼。」他補充說：「我們已經擺脫傳統模式，也就是只有由上而下，從企業主到產品管理，再到資料科學和技術的產品和功能需求流程。我們同時正朝著由下而上的流程邁進，資料科學團隊根據他們對AI 能力的了解，提出產品和功能的建議，並向上級提出這些建議，以供審查。」為了提高由上而下、由下而上流程的產品和功能需求的品質，阿爾伯特．何說：「我們需要進入教育心態階段，讓蝦皮裡的每個人，而不只是資料科學團隊，都有豐富的概念知道AI 可以做什麼，以及如何在我們的電子商務平臺環境裡使用它。」克里斯．陳已經看到一些方法，可以利用現有和嶄新的AI 能力，將公司目前產品經理工作的某些特定任務加以自動化。例如他指出，他和團隊為了遵循蝦皮內部或特定國家的相關法律、規則和程序，所做的檢查和確認工作，未來是否可以自動化。隨著公司不斷改進內部資料管理與技術平臺的基礎設施，從不同國家團隊和產品線蒐集資料的過程，將變得更容易和自動化。隨著機器學習的方法不斷改善，開發新方法所需要用來標記資料的人力會更少，選擇演算法和訓練模型的工作會大大簡化。
但克里斯．陳預測，未來幾年內，蝦皮仍需要人類產品經理，原因如下：
1. 產品經理要協調利害關係人。當我們啟動一個專案打造新產品和服務，或者改進現有產品時，最具挑戰的地方在於，公司內部各種企業主團隊、技術和工程團隊，以及各國特定的支援人員之間，要達成一致和整合。在此同時，參與我們業務和產品生態系統的外部買家、賣家和供應鏈夥伴之間，也要達成一致。想確保這些利害關係人之間保持協調，需要不斷地進行複雜的交涉。在可預見的未來，實現這個目標所需的決策和承諾管理任務，將由人們負責。
2. 產品經理要為資料科學團隊，提供其工作上所需支援和回饋。就任何一個新產品或服務的專案來說，它需要的蝦皮內部資料，分布在多個國家團隊和企業主之間。此外，我們可能需要公司其他部門支援，例如客服部可能要協助標記資料，並測試和評估資料科學模型的結果，以確認預測或推薦模型是否好用到足以試點，或更大規模的採用。人們必須管理和協調這些支援任務，資料科學團隊才能完成工作。我們不希望資料科學家，把他們寶貴的時間花在這類問題上。
3. 產品經理必須管理評估和選擇，有關試點和拓展的新AI 產品。談到要在哪裡和如何試點新產品時，必須針對目標國家和客戶提出許多戰略和實際的選擇，而且必須得到批准才能繼續進行這些選擇。須根據現場試驗，以及後來大規模部署工作的速度、規模和性質，做出許多業務上的權衡決策。這類業務權衡決策，有一部分可以量化、建模和自動化，但重要的決策需要全面且高度脈絡化的評估和判斷，這些評估和判斷必須和公司快速發展的業務策略保持一致，而且我們的核心企業價值無法自動化。
4. 產品經理要促進公司內部和外部所有利害關係人之間的溝通。所有利害關係人，都希望別人能用他們自己能夠輕鬆了解的商業術語，來了解AI 演算法背後的邏輯，而不是把AI 當成神奇的黑盒子。對蝦皮內部和外部利害關係人，解釋我們的AI 產品功能，如何能夠以他們容易理解和信任的方式運作，是以人為中心又耗時的過程。克里斯．陳和阿爾伯特．何都預計，更多牽涉AI 系統的產品開發、強化和部署工作，只會讓他們更需要產品經理以及他們的團隊支援。
我們從這個案例學到的課題
‧ 在確保資料和完成並推出AI 產品上，產品經理的角色愈來愈重要。
‧ 在資料驅動、以數位為中心的業務裡，所有產品經理都要熟悉AI 功能。
‧ 在資料科學團隊裡，經過AI 訓練的新一代產品經理，他們提出的產品功能建議，能夠超越其他業務團隊無法意識到的可行程度。
‧ 由於各種業務、技術和客戶利益相關者之間，需要動態和多方面的調校、談判、決策和解釋，因此AI 產品經理的角色，有許多方面都無法由AI 自動化處理。
