分類: 业务灵活性

不要說它失敗：從商業角度解讀「95% 的 AI 飛行員」故事

如果您曾在公關或社群領域工作，您就會了解這種感受。我們花了好幾年的時間來討論投資報酬率，這些活動顯然很重要，但卻無法整齊地放入最後點擊的試算表中。現在，我們擁有了千載難逢的能力，而有些人卻準備宣佈失敗，因為六個月內損益表沒有變。這不是衡量轉型的方式。這就是中場休息被誤讀的原因。

要清楚的是： 2025 年人工智能在企業中的應用狀況 麻省理工學院 NANDA 項目報告值得您花時間閱讀。它以一個引人注目的數字掀起了波瀾--95% 的企業 GenAI 試點尚未帶來可衡量的 P&L 影響.作者還標示這項工作為早期快照（2025 年 1 月至 6 月），這是重要的背景。早期的資料、透明的限制，以及值得一談的話題。從業務敏捷性的角度來看，對話不是「AI 失敗了嗎？「，而是 」我們是否以能夠創造可衡量流量、安全學習和複合價值的方式來執行工作？

以下是相同的故事情節，以業務敏捷性的鏡頭重述。

敏捷組織首先要問的問題

1. 誰是這個試點的客戶，我們今天要為他們解決什麼問題？ 定義使用者、要完成的工作，以及您要在這個季度消除的痛苦。
2. 我們的假設是什麼，什麼會推翻它？ 寫下來。選擇能在類似生產條件下測試的最小切片。
3. 在 P&L 出現之前，我們會接受哪些證據？ 流量和品質是領先指標。財務是滯後證明。

當這三個問題明確時，飛行員就不再是演示，而開始是實驗。

六個月不是判決，而是步調

六個月等於幾個衝刺，還有兩到三個檢查與適應週期的空間。這段時間足以了解權限、路由、資料品質、延遲、交接、異常路徑和人員在環中。這段時間不足以重新佈線多個核心工作流程、重新訓練大型團隊、加強防護措施，以及將改善成果一路推展至經審核的損益表。在敏捷運算中，我們以時間為框來學習，然後根據證據而非樂觀的態度來決定擴大或停止。

先測量流量，再評估財務

直接利潤是目的地。流量則告訴您是否正朝著目的地前進。將這些視為 敏捷性領先指標 應在第 1 到第 6 個月移動：

• 交貨期 從請求到結果
• 吞吐量 目標工作流程的每週
• 返工率 和 例外率
• 逃逸錯誤率 和 缺陷遏制
• 領養： 每位使用者每天的輔助任務，工作流程中的有效分鐘數
• 風險勢態：標示的問題減少，審核時間縮短
• 客戶成果：回應時間、首次連絡解決方案、CSAT 或 NPS deltas

如果這些訊號改善並保持穩定，P&L 一般會在第 9 個月到第 18 個月之間移動，也就是規模開始和設定結束的時候。

從演示劇場到工作流程現實

敏捷度偏好 真實路徑中的工作解決方案 勝過精雕細琢的演示。三個實用的轉變將試點轉化為價值交付：

1. 價值切分：發佈一個狹窄的端對端切片，觸及記錄系統和審批路徑。
2. Ready 的定義和 Done 的定義除非資料存取、隱私限制和成功指標都很清楚，否則任何工作都不能進入衝刺階段；除非遙測、稽核追蹤和回溯都已啟動，否則任何工作都不能完成。
3. 護欄，而非閘門安全、風險、法律和法規遵循：與產品和營運部門每週進行檢討。我們的目標是設計安全的預設值，讓流程得以順利進行，而不是讓工作暫停，直到季度結束為止。

為學習而組織，而非為英雄而組織

• 一個擁有者、一個工作流程、一個資料來源 為第一片。減少協調阻力。
• 跨功能團隊：產品、營運、資料、工程、風險和財務會看到相同的董事會和相同的指標。
• 限制 WIP：停止開始並開始完成。太多的駕駛員會造成錯誤的判斷，使學習變得單薄。
• 每週回顧及早發現表面障礙、調整範圍，並將每週一項小改善納入「完成的定義」中。

第六個月的正確記分板

高階主管應預期 雙線記分卡 在六個月大限時：

1. 流量與品質：上文列出的領先指標與之前和之後的三角洲和穩定帶。
2. 財務翻譯：避免的工時、避免的錯誤成本、釋放的週期時間價值、釋放的收入獲取、量化的風險降低。這些還不是 GAAP。它們是證明規模合理性的稽核記錄。

如果流動線向上且穩定，且財務翻譯可信，則應進行刻度。如果沒有，就停止或重新規劃。無論哪種結果都是成功的，因為您以低成本學到了東西。

為什麼「95%」的標題可以是真實的，也可以是誤導性的

大多數試點項目在六個月內沒有直接顯示盈虧，這可能是事實。如果這些試點不是設計為具有明確領先指標、工作切片和每周檢查的敏捷實驗，也可能會產生誤導。敏捷性並不承諾立即獲利。它保證的是更快的真相。這正是領導者所需要的。

對同事的友善挑戰

在宣佈技術失敗之前，讓我們先採用敏捷性計分板和步調。寫下假設。切分價值。測量流程。邀請財務與風險部門加入討論。根據證據做出決定。然後重複。

輪到您:什麼是您信任的流量指標，以及讓您的駕駛員保持誠實的步調習慣？請 評論我們的 LinkedIn 文章!

#StateofAI2025 #BusinessAgility #ContinuousImprovement #AIROI #ChangeManagement

超越成績的教學之旅：利用敏捷、人工智慧和遊戲重塑教育

每一次史詩般的旅程，無論是弗羅多在《末日山》中的探險， 魔戒路克天行者成為絕地武士的道路 星際大戰或航行 企業 在 星際爭霸戰，這些旅程並不是從等級開始的。沒有一位英雄在踏上冒險之旅時會被評為 A、B 或不及格。相反，他們從一個令人信服的使命、一個需要克服的挑戰開始。他們的旅程充滿了里程碑、障礙、懷疑和勝利。它永遠不會被簡化為百分比分數。

然而，在教育中，我們常常將學生視為僅僅是尺度上的點，而不是探索廣闊知識領域的探索者。

正如 Daniel Pink (2025) 在 華盛頓郵報在他的觀點文章中 為什麼不廢除成績，成績膨脹的影響凸顯了這種方法的意外後果，引發了批判性反思：為什麼我們將成績視為障礙而不是動態檢查點？

相反，為什麼不將教育遊戲化，將評估轉變為里程碑時刻，使其成為學生在繼續前進之前確認是否掌握基本技能的通過或失敗的標誌，就像遊戲或商業模擬中的檢查點一樣？

在商業教育中，目標是讓學生為應對現實世界的不可預測性做好準備，其重點應該從僅僅在考試中取得好成績轉向掌握、適應性和實踐能力。本文探討了超越傳統評分系統的可能性，受到人機互補性、商業敏捷性原則和遊戲化模型的啟發，創造出引人入勝、不斷迭代、以技能為中心的學習體驗。這些想法與 教學宣言，強調適應性而非規定性的教學方法、協作而非個人成就、學習成果的實現而非學生測試、學生驅動的探究而非課堂講授、演示和應用而非信息積累、持續改進而非維持現行實踐（Krehbiel 等，2017）。

1. 人機互補：更聰明的學習方法

人工智慧作為自適應學習助手

人工智慧平台可以根據每個學生獨特的學習進度和學習風格客製化教育內容，從而減輕對嚴格的評分結構的需求。人工智慧不必強迫所有學生以相同的速度學習相同的課程，而是可以：

• 個人化學習路徑：自適應人工智慧系統，例如Coursera、Duolingo 和 Khan Academy 所使用的系統，提供即時回饋和客製化練習以加強弱點（Deci & Ryan，1985）。
• 追蹤能力隨時間的成長：人工智慧不再依賴一次性的成績，而是可以追蹤關鍵技能領域的進度，並提供數據驅動的學生發展洞察。
• 減少評估中的主觀偏見：與因教師而異的傳統評分不同，人工智慧驅動的評估工具（例如，人工智慧驅動的論文評分和自動技能評估）提供了更高的一致性和公平性（Dweck，2006）。

人工智慧作為導師和指導者

• 對話式 AI 工具（如 ChatGPT、Claude 或 DeepSeek）可以作為按需導師，回答問題、解釋概念並提供超出單一教授能力的個人化回饋。
• 人工智慧驅動的模擬和虛擬實境工具讓學生能夠練習真實的商業場景，在無風險的環境中提高他們的批判性思維和解決問題的能力。

這種轉變分散了傳統的成績權威，轉而注重技能的掌握，這與 Pink (2025) 所呼籲的更有意義和個性化的評估體系相一致。

2. 業務敏捷性教育：以迭代方式學習，而非以分數為單位

將敏捷原則應用於教育

業務敏捷性強調迭代、回饋循環、適應性和持續學習——這些品質自然地支持無等級教育。與傳統的評分方式不同，學生可以根據基於能力的進展、真實世界的專案和迭代回饋循環進行評估 (Goodhart，1975)。這 教學宣言 進一步強化了這種需求，主張以學生為主導的探究，而非被動的課堂講課；以學生演示，而非死記硬背的信息積累（Krehbiel 等，2017）。

• Scrum 學習：課程可以像 Scrum 衝刺那樣構建，學生可以在短暫、迭代的周期內完成真實世界的專案。教師和人工智慧導師提供回饋，確保持續進步而不是一次性評分。
• 看板助您自主掌握進度：學生不需要參加固定的 15 週課程，而是透過看板式學習板按照自己的步調從基礎知識進步到專家級應用。
• OKR（目標和關鍵結果）優於字母等級：學生設定自己的學習目標並透過關鍵結果追蹤進度，就像現代企業衡量成功一樣。

將遊戲化評估作為里程碑

測驗、考試和練習並非被取消，而是可以重新定義為類似遊戲的里程碑。學生可以：

• 多次嘗試挑戰直到掌握為止，就像商業模擬或認證考試一樣。
• 獲得技能徽章而不是字母等級，創建類似於專業微認證的可見成就標記（Kohn，1999）。
• 透過能力水準的提高，就像公司環境中結構化的入職流程一樣。
• 使用人工智慧驅動的挑戰來驗證現實世界的商業能力，讓學生將技能應用於模擬的商業問題。

在這個模型中，失敗不是終點，而是一個迭代的機會——確保學生深入吸收材料，而不僅僅是追求及格分數。

3. 商業教育的未來：以技能為基礎、以人工智慧為輔助、以敏捷為本

教育是未來勞動力的模擬

透過將人工智慧作為助手並將敏捷方法融入教育，學生將更好地滿足勞動力的實際需求。未來的工作將越來越以專案為基礎、跨學科和適應性強——我們的教育體系應該反映這一點。

• 人工智慧驅動的招募技能評估：Google和特斯拉等雇主正在放棄基於 GPA 的招聘，轉而採用基於技能的評估。人工智慧可以透過人工智慧面試、程式設計挑戰或案例研究評估來促進能力驗證，取代過時的成績單和 GPA。
• 人工智慧和軟技能發展：除了技術學習之外，VR 同理心訓練和對話式 AI 角色扮演等人工智慧工具還可以幫助學生培養情緒智商、領導力和談判技能，這些技能對於商業成功至關重要。

以持續成長取代嚴格的時間表

學生不應固定接受三年或四年的學位，而應具有以下彈性：

• 按照自己的步調學習模組，並在此過程中獲得技能徽章。
• 在跨學科團隊中學習，解決跨職能專案中的行銷、銷售、財務和人工智慧驅動的分析問題。
• 立即在現實環境中應用學習，就像敏捷的企業實施持續的回饋和迭代而不是等待年終的績效評估。

從成績到成長，人工智慧輔助且敏捷

丹尼爾·平克 (Daniel Pink) (2025) 關於取消成績的論點是對教育改革的有力呼籲——這與人工智慧驅動的個人化和業務敏捷性原則自然相一致。

透過擺脫嚴格的評分制度，我們可以：

• 從績效目標（獲得 A）轉變為學習目標（實現現實世界的掌握）。
• 以基於能力的評估取代過時的成績單，並透過人工智慧驅動的技能追蹤和敘述回饋進行豐富。
• 從靜態、有時限的學位模式轉變為敏捷、基於專案和人工智慧輔助的學習生態系統。

這種方法不僅使教育變得更好，而且還讓學生為未來的商業世界做好準備，在那裡適應性、批判性思維和人工智慧的流暢性將決定成功。

参考资料

Deci, EL, & Ryan, RM (1985)。 人類行為的內在動機和自我決定。 全會出版社。

Dweck，CS（2006）。 心態：成功的新心理學。 蘭登書屋。

Goodhart，CAE（1975）。 “貨幣管理問題：英國的經驗。” 貨幣經濟學論文， 卷我，澳洲儲備銀行。

Kohn，A.（1999 年）。 我們的孩子應得的學校：超越傳統課堂和「更嚴格的標準」。 霍頓米夫林。

Krehbiel，TC 等人。 (2017)。 教學和學習的敏捷宣言。 有效教學雜誌，17(2), 90-111.

Pink，D.（2025）。 為什麼不廢除成績？ 《華盛頓郵報》。 https://www.washingtonpost.com/opinions/2025/03/03/grade-inflation-why-not/

摄影师 Element5數字

人工智慧和業務敏捷時代的銷售和行銷協作

銷售與行銷緊張的現實

商業世界中最大的誤解之一是，銷售和行銷協調意味著他們必須完全同步，無縫銜接、無壓力地工作，並在所有事情上完全達成一致。但事實上，這是不切實際的。這兩個團隊有著不同的目標、激勵因素和營運方法。但這並不意味著他們無法有效合作。

公司不應該強加和諧，而應該建立結構化系統，使兩個團隊能夠作為互補的力量而不是對手發揮作用。其中的關鍵不在於團隊建立練習或人工智慧合作，而是利用人工智慧、採用業務敏捷性原則並培育數據驅動的文化以實現可衡量的成果。

為什麼銷售和行銷天生就存在矛盾

• 銷售專注於短期收入→他們需要立即獲得結果，希望獲得快速成交的高品質潛在客戶，並且經常處理不可預測的客戶行為。
• 行銷著重長期品牌成長→他們專注於市場定位、知名度、需求創造和可能需要數月才能產生回報的策略。
• 銷售人員認為行銷脫離現實→銷售代表經常抱怨行銷工作產生的潛在客戶品質低下，或過於注重抽象的品牌訊息而不是真正的買家痛點。
• 行銷人員認為銷售只是戰術性的、目光短淺的 → 行銷人員經常會因為銷售人員跟進銷售線索不夠快或不培養銷售線索就過快地拒絕他們而感到沮喪。

人工智慧和業務敏捷性如何解決這個問題

1. 用於潛在客戶評分和預測分析的人工智慧→人工智慧驅動的潛在客戶評分可以幫助確定哪些潛在客戶值得追求，從而減少銷售和行銷之間的摩擦。
2. 銷售和行銷的敏捷框架→業務敏捷性原則鼓勵迭代協作、頻繁的回饋循環和共擔責任。
3. 用於內容個人化和定位的人工智慧→人工智慧可以提供對客戶行為的即時洞察，使行銷能夠創建更相關的資訊和銷售宣傳。
4. 人工智慧驅動的銷售支援→自動化指導工具、聊天機器人和虛擬助理幫助銷售代表即時與潛在客戶互動，而不只依賴行銷。

銷售與行銷關係失調的陷阱

1. 潛在客戶管理和轉換率不佳
• 人工智慧解決方案：預測分析有助於確保僅將最有意願的潛在客戶傳遞給銷售人員。
• 敏捷解決方案：銷售和行銷之間的日常會議確保銷售線索品質的持續提升。
2. 資訊混亂，客戶困惑
• AI 解決方案：AI 驅動的 CRM 工具透過追蹤每個客戶互動來確保訊息傳遞的一致性。
• 敏捷解決方案：行銷和銷售之間定期進行衝刺評審，以協調訊息傳遞和策略。
3.浪費預算和資源
• AI 解決方案：AI 可以即時分析行銷活動的投資報酬率，讓行銷能夠快速轉型。
• 敏捷解決方案：回顧可以找出浪費的努力，改善未來的行銷投資。
4. 缺乏問責制和相互指責
• AI 解決方案：AI 驅動的績效儀表板突顯潛在客戶在漏斗中流失的位置，從而使責任變得透明。
• 敏捷解決方案：銷售和行銷共享 OKR（目標和關鍵結果）可防止孤島出現。

人工智慧與敏捷時代的真正協調是什麼樣的

1. 共享定義和明確的成功標準
• 人工智慧驅動的潛在客戶資格審查→人工智慧評分模型確保只有具有高轉換潛力的潛在客戶才能實現銷售。
• 敏捷跨職能合作→行銷與銷售團隊參加聯合衝刺規劃會議。
2. 銷售和行銷訊息的合作
• 情緒分析人工智慧→人工智慧可以分析客戶回饋，以改善銷售宣傳和行銷活動。
• 敏捷訊息傳遞研討會→聯合研討會讓兩個團隊根據迭代回饋來改善訊息傳遞。
3. 銷售宣傳測試框架
• 人工智慧增強測試→人工智慧分析追蹤哪些銷售宣傳最能引起潛在客戶的共鳴。
• 敏捷回饋循環→銷售代表即時測試新訊息並提供即時回饋。
4.數據驅動的決策
• AI 預測洞察→AI 工具預測哪些行銷策略將產生最佳潛在客戶。
• 敏捷迭代週期→持續改善週期確保資料驅動的決策。
5. 高階主管問責
• 人工智慧驅動的績效追蹤→儀表板可即時顯示銷售和行銷的績效。
• 敏捷共享 KPI → 兩個團隊共同承擔收入成長和客戶成功的責任。

從功能障礙到協作

最好的公司會確保雙方的協調一致，確保任何一個團隊在沒有另一個團隊的情況下都無法取得成功。人工智慧和業務敏捷性創造了一個自我強化的系統，使銷售和行銷自然地結合。

邁向人工智慧驅動的敏捷銷售行銷協調的步驟

步驟 1：讓銷售儘早參與定位
• 人工智慧分析過去的交易，以了解哪些客戶群最有利可圖。
• 敏捷協作確保兩個團隊的即時輸入以完善定位。

第 2 步：利用 AI 洞察共同製定銷售方案
• 人工智慧內容優化工具有助於完善最有效的訊息傳遞。
• 敏捷迭代確保行銷和銷售部門不斷測試和改進銷售宣傳。

步驟3：建立持續的回饋循環
• AI 從 CRM、社群媒體和客戶回饋提供自動化的效能洞察。
• 敏捷的回饋週期確保銷售和行銷快速迭代以最大限度提高效率。

步驟 4：透過人工智慧和敏捷指標讓兩個團隊承擔責任
• AI 提供歸因模型，準確顯示哪些努力可以帶來收入。
• 敏捷共享的KPI確保相互負責和成功。

結論：銷售與行銷協作的未來

銷售和行銷的協調不是要讓他們成為最好的朋友，而是要建立一個兩個團隊相互依賴工作的系統。透過利用人工智慧、整合業務敏捷性並培養持續協作的文化，公司可以打破孤島、消除低效率並最大限度地發揮收入潛力。

摄影师 瓦爾丹·帕皮基揚