數位轉型案例分析

兩大理論基礎（不導讀，但每週都會用到）

課程將兩套架構「隱性置入」到每週個案解析。我們不在課堂上逐章導讀，而是用它們作為你分析與寫作時的共通語言：

• Sangeet Paul Choudary 的《Reshuffle》框架：用「任務解構 → 重新組裝 → 重新配置」的視角，理解 AI 如何改寫工作、組織邊界與價值鏈。
• McKinsey 的數位轉型架構：聚焦於人才（Talent）、技術（Tech）、資料（Data）、營運模式（Operating model）等實踐支柱，檢查轉型到底卡在哪裡。

課堂討論會反覆要求你找出一個事件所需要的機制。例如：你不能只說「企業導入 AI 之後效率變好」，而是要能指出：哪個工作任務被重組了、哪段流程必需轉換為組織可管理的資產、什麼樣的治理規則改變了眾人協作的成本，最後才導向績效差異。

考核與報告方式

本課程不進行傳統紙筆測驗。評量核心放在你的思考深度、資料查證能力，以及與 AI 協作的熟練度（重點是：能不能把 AI 當成『找漏洞的同事』，而不是『幫你堆字的機器』）。

(1) 課堂討論與參與

高度要求互動與發言。你必須能把個案事實、理論機制與自己的判斷連在一起；「講摘要」不算貢獻。

(2) 期中提案報告（Mid-term Proposal）

期中考週不考試，而是進行專案提案。選題精準度決定後續研究品質。

• 選題機制：第七週提出「兩個」獨立的專案題目供審核，必須對應不同企業或不同轉型痛點。
• 平衡與確認：我會在第七～第八週之間審閱並平衡全班題目。要求兩題的目的：避免集中在少數熱門企業、確保有足夠公開資料可支撐 AI 輔助分析、迫使你擴展商業視野。
• 結果：經篩選後確認最終「單一題目」，作為期末報告基礎。

(3) 期末整體報告（Final Project）

期末報告必須具備高度實踐性與個人洞察力，並要求透過 AI 輔助協作完成，但你要對最終內容負完全責任。

• 洞察力要求：不能只是資料堆砌或貼上 AI 生成內容；你必須指出策略盲點、治理風險或未被利用的機會窗口。
• 查證資料正確性：AI 容易產生幻覺；你必須展現交叉查證能力，說清楚你如何搜尋、如何驗證數據真實性，並附上原始來源。
• AI 協作方式：把財報、新聞稿、訪談紀錄等長文本放進 NotebookLM 或等效工具，要求 AI 梳理邏輯、找矛盾點，或扮演「反方審查委員」對你的論證做壓力測試。

16 週課程進度規劃（主個案 + 輔助個案 + AI 實作）

每週課堂我都會交代本週的邏輯脈絡、個案選擇理由，以及對應的 AI 實作練習。主個案用於課堂深度討論；輔助個案通常作為對照、延伸或課前閱讀。

第 17–18 週：自主學習與自我探索（個人探索心得）

最後兩週為自主學習週。你必須根據本學期的個案與討論，從三個維度做自我反思，完成一份個人探索心得。

1. AI 對商業模式的深層影響：回顧 Grab、THE YES、Anthropic 等個案。當 AI 將搜尋、推薦、甚至執行任務的邊際成本降到趨近於零，獲利來源會怎麼改變？請用自己的話總結「未來商業模式必備的三個特徵」。
2. 學習模式的典範轉移：在 AI 輔助普及後，知識取得不再困難。請具體說明：你的學習重點要轉移到哪裡（提問、批判查證、跨域整合等），以及你將如何調整自己的學習習慣。
3. 工作職缺的解構與職場需求改變：結合《Reshuffle》的「任務解構」概念：職場可能從 Job Title 轉向 Tasks。請為自己規劃一份為期一年的技能提升清單，列出你要採取的具體行動。