亞馬遜產品總監 Penny Sto 親授：從AI熱潮到護城河，打造無法撼動的AI策略

在AI技術以驚人速度席捲全球的今天，許多企業和產品團隊都面臨著一個共同的疑問：如何在這一波浪潮中找到真正的價值，而不僅僅是跟風？亞馬遜遊戲產品總監 Penny Sto 認為，關鍵在於將產品思維提升到新的層次，從追逐短期熱點轉向構建長期的商業護城河。這不僅是從產品經理（PM）到總經理（GM）的思維躍遷，更是從功能路線圖（feature roadmaps）進化到商業飛輪（business flywheels）的策略轉變。

AI 熱潮下的現實考驗：撥開迷霧，看見真相

Penny首先點出了當前AI領域的「熱鬧」景象。無論是工作上用AI生成郵件、自動化Jira工單，還是個人生活中尋求AI的法律建議、醫療診斷，甚至與AI發展情感關係（是的，AI男友確實存在），AI的影響力無所不在。文化層面上，從讓ChatGPT模仿名人吐槽，到最近流行的「把我的寵物變成人類」的圖像生成，AI已然成為全民話題，其創新速度也令人目不暇給——GPT-4.1、Claude 3.7等新模型層出不窮，RAG 2.0、SLM（小型語言模型）等新術語不斷湧現，形成一片「術語大雜燴」（alphabet soup）。

投資方面更是熱情高漲。去年，新創公司在AI領域募資近百億美元，企業支出更是其三倍之多，AI相關職缺也大幅增加了70%。這股跨產業、跨職能、跨組織的AI投資熱潮，正以前所未有的速度擴大。

然而，Penny提醒我們，在這片繁榮之下，挑戰也隨之而來。

許多企業面臨組織策略失調、內部資源爭奪（turf wars）、大量品質低劣的AI內容（AI slop）以及日益增多的法律訴訟。企業全面轉向AI的過程中，成果參差不齊：

• 高失敗率：從概念驗證（Demo）到實際產品化（Production）困難重重。
• 投資報酬率（ROI）不彰：實際效益未達預期。
• 缺乏差異化：多數AI產品基於相同的主流模型，難以突顯特色，消費者也難以分辨。
• AI疲勞與反彈：報告指出，高達41%的Z世代員工甚至會刻意抵制公司的AI計畫，原因包括不信任AI結果或擔心工作被取代。

Penny強調，問題不在於AI技術本身不夠好，而是我們必須釐清「什麼是真實的價值」，以及「如何找到可持續的價值」。這本質上是一個策略問題，而產品領導者正處於技術、商業和客戶問題的交匯點，最有能力引導組織走向持久、差異化且具有防禦性的方向。

AI 導入的四個階段：從玩具到護城河

Penny提出了一個簡潔的AI導入階段模型，幫助我們理解企業在AI旅程中的不同位置。她也提醒，同一公司內的不同業務或應用場景可能處於不同階段，甚至可能同時跨越多個階段。

1. 階段一：實驗與探索（Experimentation / Toy Phase）

   此階段的特徵是「我們必須做點AI相關的事！」企業通常會採用現成的模型，尋找最容易實現的應用（lowest hanging fruit）。早期的聊天機器人多屬此類。

   亞馬遜案例：Maestro

   亞馬遜音樂團隊去年推出的Maestro，允許用戶透過表情符號或「我想回收我的男友」等趣味指令生成GenAI歌單。這是一個有趣的Beta嘗試，雖然整合度不高，卻是學習和探索的好起點。

2. 階段二：效率提升（Efficiency Phase）

   許多企業目前處於此階段。他們已決心投入AI，但更關注投資報酬率，追求實際、持久且可量化的價值，通常意味著成本節約和生產力提升。因此，企業往往從內部開始，先「自己試用」（dog fooding）AI工具。

   亞馬遜案例：內部工具

   亞馬遜推出了Cedric工具協助員工撰寫冗長的內部文件，以及Amazon Q輔助商業分析和程式碼編寫。這個階段因其明顯的實用性和可擴展性，常讓許多企業停留於此。

3. 階段三：差異化競爭（Differentiation Phase）

   這是AI應用開始變得更有趣的階段，專注於解決真實的客戶問題，創造面向客戶的價值。此階段通常會使用經過微調（fine-tuned）的客製化模型。

   亞馬遜案例：Alexa Plus

   今年初推出的新版Alexa，由GenAI驅動，使其對話更自然、更具情境感知能力，也更個人化。

4. 階段四：建構護城河（Moat Phase）

   這是最難達成的階段，也是本次演講的核心。在此階段，AI已深度嵌入企業核心，從購買或借用模型轉向建構系統。這需要基礎設施層級的投入，其價值會隨時間複利成長，且極難被複製。

   亞馬遜案例：AWS Bedrock

   AWS Bedrock是一個企業級平台，讓公司能取用最新的AI模型和亞馬遜原生工具，進行模型託管、微調和擴展。這是亞馬遜在基礎設施層面的一大賭注。

Penny用了一個生動的比喻：如同中世紀城堡外的護城河，其防禦力的關鍵在於「深度」。從實驗階段走向護城河階段，就是要不斷深化整合、深化數據應用、深化組織思維和價值創造。

打造AI護城河的五大支柱：深化投資，鞏固防線

Penny指出，要建立堅實的AI護城河，需要在以下五大支柱上進行深度耕耘。這些支柱貫穿AI成熟度的所有階段，但在護城河階段，它們不再是表面功夫，而是深度嵌入、成熟且相互關聯的系統。

1. 支柱一：卓越的組織模型（Organizational Model）

   Penny認為，若缺乏正確的組織模型、人才和文化，就不可能獲得護城河級別的成果。她以微軟為例，說明了成功的組織模型應具備的要素：

   • 由上而下的領導力：微軟CEO Satya Nadella將AI視為核心業務能力，而非僅僅是路線圖上的一個技術專案。他宣示AI是時代的決定性技術，微軟將成為「AI優先」的公司，甚至將高階主管的薪酬與AI導入成效掛鉤。
   • 影響力驅動：微軟創建了數位AI價值框架，確保AI應用不是「為了解決方案而找問題」。他們明確識別使用案例，排定優先順序，檢視其與企業策略的契合度，並確保成果可衡量且具有明確的ROI——這一切都在專案初期完成，而非事後補救。
   • 實驗文化：微軟內部有「車庫計畫」（Garage Program）鼓勵孵化新點子，許多AI專案由此誕生。他們致力於從「無所不知」（know-it-all）轉變為「無所不學」（learn-it-all）的文化。
   • 專業知識與普及：同時擁有理解問題領域的專家（domain experts）和理解解決方案的AI專家至關重要，不能偏廢。微軟的365 Copilot便是由大型語言模型專家與生產力產品專家共同協作的成果。此外，他們也大力投資Microsoft Learn，提升全公司的AI素養。
   • 規模化創新：微軟打破事業部隔閡，甚至跨越公司界線，將AI視為共享能力。他們早期與OpenAI合作，並跨足農業（與拜耳Bayer合作）、金融服務、醫療等產業，共同擁有並創新AI能力。

2. 支柱二：深度差異化的專有數據（Deep Differentiated Proprietary Data）

   數據是AI的燃料。Penny強調，隨著基礎模型日益商品化，企業的專有數據能將通用模型轉化為領域專家。她以專注於癌症研究與照護的醫療科技公司Flat Iron Health為例，說明其如何建立業界最具防禦性的數據護城河。

   Penny提出檢視數據資產的幾個關鍵點：

   • 高品質數據是基石：「垃圾進，垃圾出」（Garbage in, garbage out）。超過70%的公司表示其AI專案因缺乏乾淨、可用、易於存取的數據而停滯。Flat Iron Health投入大量資源，透過AI和人工摘要（human abstraction）處理大量非結構化數據（如醫生筆記、病理報告），使其適用於AI模型。
   • 深耕特定領域：Flat Iron Health專注於癌症，而非所有疾病。因此，他們擁有約2500個癌症相關變數，這是一般模型無法企及的深度。
   • 獨特的數據收集方式：他們擁有客製化的電子健康紀錄（EHR）整合與客製化功能，確保數據的獨特性和專有性。
   • 縱向數據（Longitudinal Data）：他們追蹤患者數十年，從初次診斷到最終結果，這種長時間跨度的數據極具價值。
   • 超越合規的安全性與隱私：除了符合HIPAA（健康保險可攜與責任法案）等法規，他們在數據安全和隱私保護方面做得更多。

   Penny總結道：「差異化的數據之所以能成為護城河，是因為競爭對手難以抓取、模擬或抄近路獲得。」

3. 支柱三：持續進化的學習飛輪（Learning Flywheels）

   擁有了差異化數據之後，下一步是利用這些數據創造一個學習飛輪。飛輪是一個自我強化的系統，每個行動都會讓下一個行動更容易、更快或更有價值，隨著時間推移，動能會不斷累積。Penny以自駕車公司Waymo為例：

   1. 用戶互動產生數據：每一次行駛都會產生大量數據，如感測器輸入、乘客回饋和事故報告。
   2. 數據驅動模型優化：Waymo將這些數據用於感知、預測和規劃模型的訓練與迭代，不斷學習如何處理新場景（如遇到施工區）。
   3. 模型改進提升產品體驗：優化後的模型能提供更高品質的體驗、更高的準確性，甚至推出新功能，如自動高速公路駕駛模式。
   4. 優質體驗吸引更多用戶：過去兩年，Waymo的每月行駛里程數增加了11000%，這代表了成長和系統信心的提升。

   這個飛輪的循環是：用戶互動 → 數據收集 → 模型更智能 → 更好的客戶體驗（CX）與使用者體驗（UX） → 更多用戶與網絡效應 → 持續循環。Penny指出，強大的學習飛輪意味著「你的產品用得越多，競爭對手就越難追趕。」

4. 支柱四：具備擴展性的策略性架構（Strategic Architecture）

   有了組織、數據和學習飛輪，接下來要思考的是如何建構能夠擴展和演進的系統。Penny以Salesforce及其Einstein AI平台為例：

   • 嵌入現有工作流程：Einstein AI的功能（如預測、潛在客戶評分、推薦）都整合在CRM工作流程中，這能增加用戶黏性，因為AI就在用戶已經習慣的工作場域。
   • 可組合的模組化系統：Salesforce的Agentforce和Atlas被設計為可組合系統。模組化對於AI至關重要，因為它允許在不破壞現有產品（可能有多個產品依賴同一個模型）的情況下，輕鬆替換新的基礎元件或模型。
   • 掌握控制權：許多公司完全依賴開源工具或外部服務，但Salesforce在利用OpenAI等合作夥伴的同時，也建立了專有的AI能力。這使他們不必擔心被鎖定，並能更好地控制治理和成本。
   • 開放平台供他人建構：允許其他人在其技術堆疊和平台上進行開發。這能建立可擴展性，帶來生態系效應，而生態系效應的擴展速度遠超單純的產品路線圖。

5. 支柱五：不可或缺的信任與治理（Trust & Governance）

   Penny坦言，信任與治理常被視為枯燥的話題，但她認為這正日益成為AI領域最重要的環節之一。隨著企業AI成熟度的提升，焦點會從擴展模型轉向確保模型的安全性、公平性、道德性，並建立人為問責機制。

   「開源不等於可解釋，不受監管不等於安全，事後補救式的紅隊演練（post-launch red teaming）也不代表你擁有真正的信任架構。」

   她以遊戲《要塞英雄》（Fortnite）為例。Epic Games最近在遊戲中推出了一個由GenAI驅動的「達斯維達」（Darth Vader）非玩家角色（NPC），使用了已故演員詹姆斯·厄爾·瓊斯（James Earl Jones）經授權的聲音。玩家可以與他互動，詢問人生意義或麥當勞點餐等問題。然而，很快地，這個AI角色開始說髒話、發表歧視言論，引發了關於模型安全防護、AI濫用以及美國演員工會（SAG）對不公平勞動的擔憂。

   雖然Epic Games在獲得IP授權和家屬同意的情況下進行了開發，並在30分鐘內修復了問題，但Penny藉此強調：這種事可能發生在任何人身上。我們在建構這些新事物時，往往不知道問題會出在哪裡。因此，主動思考並建立防護機制至關重要。如果你不主動建立護欄，你交付的不是創新，而是潛在的法律責任（liability）。

   當信任機制建立完善時，它本身也會形成一個飛輪：用戶信心增強 → 使用量增加 → 數據品質提升 → 模型更智能 → 護城河更穩固。

總結：超越AI熱潮，構築長遠價值

在演講的最後，Penny Sto總結了幾點關鍵啟示：

Penny Sto的分享為我們提供了一個清晰的框架，指引我們如何在AI時代保持清醒的頭腦，不僅僅是應用AI技術，更是要策略性地運用AI來打造企業的核心競爭力與持久的商業價值。