當前，AI被寄予厚望。市場上湧現了大量報導，探討如何利用AI來重塑企業、創造新價值主張，並強化競爭優勢。以ChatGPT為代表的生成式AI，更是向大眾展示了AI的力量。因此，討論多半集中於AI如何造福社會、挑戰現有結構，甚至取代整個職業類別。

許多企業的焦點更直接：如何將各式AI的承諾，轉化為商業上的成功。然而，在許多情況下，AI投資的回報始終來得緩慢，凸顯了創新者的核心挑戰──如何從AI相關的創新投資中獲利。本文正是要探討企業在導入並嘗試從AI獲利時，所遭遇的獨特挑戰。

難從AI創新中獲利的主因：技術與資產的高度互補

當前AI的應用數量龐大，但要真正從AI獲利並不容易。當企業試圖開展新事業捕捉價值，帶來「營收成長」（top-line growth）較為困難，依靠效率提升帶來「獲利改善」（bottom-line improvement），較為容易。其根本原因，來自於「互補性」的本質。

有關「如何」以及「誰」能從創新中獲利的問題，數十年來一直吸引著管理學者。早在1980年代，創新與策略學者大衛．蒂斯（David Teece）就提出了著名的「從創新中獲利」（PFI，profiting from innovation）框架，指出「可專有性制度」（appropriability regimes）、「互補資產」（complementary assets）、「標準」（standards）、以及「時機」（timing）是決定創新獲利如何分配，並深刻影響創新者能否捕捉到價值，以及在此過程中，哪些商業模式能夠存續並成功。

蒂斯的其中一項重要貢獻是：當「可專有性制度」較弱時，誰能掌控互補資產，就更可能成為贏家。（編註：專有性制度可理解為可以靠技術壁壘和專利保護獲利，互補資產則是需要配合其他資源或能力，例如搭配客戶的數據，或2種以上的資產一起存在或共同投入才能發揮效果）

AI的獲利尤其困難，原因在於其技術複雜、應用範圍廣泛，以及與數據之間的緊密依存關係。本文透過瑞典電信龍頭愛立信的案例，揭示企業在嘗試透過AI獲利時所面臨的困境與艱難決策。

我們的結論呼應了PFI框架所提出的：互補資產對於分配創新獲利的關鍵作用。然而，在數位與AI驅動的經濟中，新的技術性互補關係進一步阻礙了創新者捕捉價值，即使是像愛立信這樣擁有強大智慧財產（IP）、生產與通路能力，以及其他互補資產的大型企業，也難以倖免。

對於企業領導者而言，其中一個最根本的問題就是：如何從創新中獲利？而在這過程中，會有哪些機制與因素發揮作用？

最初的PFI框架，主要針對應用範圍較窄、相對獨立的「離散型創新」（discrete innovations）。但隨著時間推進，研究者愈來愈關注「複雜系統技術」（complex systems technologies），這類技術必須協調與管理創新間的互補關係。以電信產業為例，生態系統中由眾多組織開發的數千項相互依存的創新，必須要能協同運作。

另一種技術類型是所謂的「賦能技術」（enabling technologies），這類技術的特徵在於，它們可以應用於多個領域，能夠被調整與升級以適應不同環境。雖然有潛力在多個領域創造巨大價值，但創新者必須在設計成本與應用範圍間做出權衡。也就是說，雖然更廣的應用範圍能在多個領域創造價值，但在單一領域的價值卻可能因為技術缺乏針對性而降低。

套用到AI上，因為它既是複雜技術，又能支援多樣化的應用情境，有些AI技術屬於賦能技術，具備可升級、可調整、能適應多環境的特質；另一些則更窄化，只針對特定領域而設計。像愛立信這樣的創新者，可能會因「價值捕捉」的考量，選擇縮小AI投資的水平範圍或垂直範圍。

2021年全球AI投資達2760億美元，然而成功者寥寥無幾

數位龍頭公司如Alphabet、亞馬遜（Amazon）、阿里巴巴（Alibaba）、百度（Baidu）和串流龍頭Spotify，利用AI進行產品推薦、精準廣告投放、訂價以及需求預測等應用。傳統非數位產業的高階主管，也開始意識到AI可以嵌入產品與服務，或導入生產營運流程，進而創造商業價值。跨產業的大型既有企業已積極投資AI，方式包括自主研發或併購AI公司，在過去10年中投資規模快速增長。2021年，全球企業在AI上的投資金額就高達2760億美元（約新台幣8兆2800億元）。

然而，到了2025年，失敗的AI投資案例持續增加。顯然，投資並不必然帶來利潤。根據我們對愛立信的研究顯示，AI技術投資若要成功，必須搭配對「互補性」的深入理解與有效管理。

託管服務（managed services）是愛立信4大業務單位之一，負責為全球行動運營商設計、優化與管理網路、IT與資料中心。這個業務單位在超過100個國家提供服務，涵蓋約10億名用戶，雇用約2萬8000名員工，並監控約70萬個站點。然而，部分因為客戶特定化的契約模式，這個單位在2010年代遭遇了效率不佳與成長緩慢的問題。

2017年，愛立信任命了新任執行長伯耶．埃克霍姆（Börje Ekholm）推動託管服務單位的獲利改善計畫。很快地，愛立信發現單靠削減成本與放棄不良客戶並不足以解決問題，因此決定引入AI，推動自動化營運。

愛立信認識到，AI技術若能結合進階分析，將能自動化網路與IT營運中的問題解決與流程，並能強化網路設計與優化。這些成果有望提升網路效能並降低總擁有成本（TCO，total cost of ownership，編註：指的是某項系統或資產的整個生命周期當中的成本，包含營運、管理、升級等）。例如，透過AI取代或輔助人力來管理電信網路，可以讓網路更穩定，效能更佳、減少天線之間的干擾、提升網路速度並降低能耗，提高基礎設施的利用率。

為了推動這一轉型，愛立信重新設計了託管服務事業單位，分為3個階段（參見下圖表）：

1.精簡人工操作：重新設計並簡化26種不同的流程，建立以數據驅動架構為基礎的工具平台。

2.加入認知層（AI與機器學習）：提升主動性，使營運能實現數位化與自動化流程，並創建自動化分析平台。

3.建構數據驅動營運：每日處理超過175TB的數據，以追蹤並改善客戶體驗，並建立專屬的AI平台。

雖然沒有明確的時間表，但這些階段各自都設有里程碑，最終目標是達到主動、數據驅動且自主化的電信網路運營。

在3年間，愛立信投入了1.3億美元，打造名為「愛立信營運引擎」（Ericsson Operations Engine）的平台，由超過1000名具備電信與數據科學專長的跨領域專家，以及100名AI研究人員加入。截至2025年，成果包括：6000條自動化規則（重複使用率達85%）、自動化了1萬個任務。

愛立信的愛立信營運引擎使用多種AI技術來支援託管服務，並隨著技術演進持續更新。例如：

•自動化數據處理系統：透過機器學習演算法，系統化地檢測與分類網路問題。

•預測分析：預先預測網路故障，採取前置措施，提升網路可靠性與使用者體驗。

•深度學習：在龐大資料集上進行複雜模式識別，能發現傳統方法難以察覺的異常。

•強化學習：透過試錯方式改善AI模型，使其依據網路效能回饋不斷改善決策流程。這對於動態網路環境尤其重要，能讓系統持續學習與進步。

缺乏清晰策略，愛立信的4種策略摸索

和許多投資AI的企業一樣，愛立信一開始的策略上，並沒有清楚區分「公司能用AI做什麼」與「公司應該用AI做什麼」，還有如何從這些投資中捕捉價值。由於缺乏清晰策略，愛立信最初的AI發展範疇相當廣泛，因為這些技術具有廣泛的應用性。

最初，愛立信嘗試透過AI提升內部效率，但很快轉向利用AI幫助客戶提升效率並增加營收。帶來了數百個需要額外開發且需要額外成本來適應特定情境的AI應用案例。

對愛立信營運的客戶網路，
提供「以服務為中心」為解決方案

愛立信嘗試4種AI獲利策略：1.降低自身運營成本；2.為客戶節能與節省營運成本；3.改善客戶體驗；4.協助客戶增加營收（參見下圖表）。

愛立信在嘗試創造與捕捉AI的價值時，會根據是否「管理該網路」將客戶分成2大類，並提供不同的解決方案。

第一類是愛立信所經營的客戶網路。對於這些客戶，愛立信提供「以服務為中心」的AI軟體服務。

AI基礎服務用來提升客戶網路的運營效率，涵蓋網路服務營運與改善、雲端與IT服務運營、雲原生應用開發（cloud-native application development）等。客戶的好處是可以用相對低的成本，管理複雜的多供應商網路。使用基礎服務的客戶通常能達到：第一線客服自動化率95%；網路不可用時間大幅減少，客戶抱怨量顯著下降。

新一代電信網路（如5G和6G）若沒有妥善規畫，營運成本可能比傳統3G或4G網路高出2倍以上。這更加突顯了AI的潛力。愛立信在經營這些客戶網路時，會依據績效收費，確保手機網路運營商與愛立信之間的價值分配能夠平衡。這些基礎套件同時也幫助愛立信提升自身的獲利能力，因為內部運營會更有效率。

AI進階服務能進一步利用AI來預測網路效能與事故，並啟用「主動式網路管理」，在最終用戶體驗下降之前，就能提前介入，還能提升能源效率、規畫與設計網路、並精細調校系統。

像是印尼的手機網路營運商Indosat Ooredoo使用愛立信的「能源基礎設施營運」服務，在超過3000個基地站的高負載4G住宅區運作。AI同時考慮到營運商的全站點，包含無線電網路元件、柴油發電機、電池、與來自不同廠商的溫度計。結果顯示網路效能大幅提升，能源消耗也顯著下降。

另一個例子是T-Mobile採用「雲端與IT營運」服務，將訂單失敗率降低95%。這類訂單（例如買新手機或更改方案）需依賴後端140個不同供應商的IT系統，愛立信接手後運用其AI演算法來管理「訂單至啟用」流程。

對愛立信未經營的客戶網路，提供軟體授權或訂閱服務

第二類則是愛立信未經營的客戶網路，愛立信提供基於自身廣泛網路管理經驗的AI解決方案，形式包括軟體授權或AI即服務（AI-as-a Service，AIaaS）。透過這種方式，愛立信能進入新的市場：即便客戶不外包網路營運，仍需要協助管理自身複雜的網路。2022年，全球已有48家客戶採用了愛立信的AI軟體方案。

舉例來說，瑞士電信公司Swisscom使用愛立信的「認知優化」（cognitive optimization）方案來降低網路耗能。通常營運商若降低電力，就會犧牲覆蓋範圍。但AI透過不斷調整天線角度，彌補功率下降，達成節能與服務品質的雙重改善，結果達成發射機功耗降低20%，單一基地站的能源耗損率下降3.4%，下行速率提升5.5%，上行速率提升30%。

另一個例子是印尼的移動網路運營商XL Axiata，使用愛立信的「認知調校」（cognitive tuning）方案，加快網路優化與站點驗收。傳統上，營運商在建設新網路時，需要大量人工實地測量干擾與效能。現在，AI利用群眾數據與設備數據，快速且準確地進行「虛擬測試」，完全遠端完成，幫助站點驗收速度加快60%，專案產能提升20%，同時也改善了網路效能與客戶體驗。

關於作者
馬茲．歐．佩特森（Mats O. Pettersson）
愛立信研究中心（Ericsson Research）的首席研究員，同時也是斯德哥爾摩經濟學院（Stockholm School of Economics）創業、創新與技術系的兼任研究員。

約阿基姆．比約克達爾（Joakim Björkdahl）
瑞典查爾姆斯理工大學（Chalmers University of Technology）技術管理與經濟系的戰略管理與創新教授。

馬庫斯．霍爾格森（Marcus Holgersson）
瑞典查爾姆斯理工大學（Chalmers University of Technology）技術管理與經濟系的產業管理與經濟學教授。 閱讀完整內容