【對談】納德拉：把學習外包給 AI，企業憑什麼存在

這場訪談有幾個真正值得停下來想的點。第一，他提出每家公司都應該有自己的模型——聽起來像廣告詞，但骨子裡是一個關於企業競爭力定義的主張。第二，他給出了一套避免被 AI 廠商綁死的具體操作邏輯。第三，他談商業模式轉型比技術轉型更難，而且用微軟自己開刀當例子，誠意是有的。第四，他對知識工作者被取代的恐懼給了一個不太一樣的框架——不是安慰，是重新定義問題。合起來看，這不是一場談 AI 功能有多強的對話，而是在談：公司如果弄錯了參與方式，AI 愈強對你傷害愈大。

◎你租模型，還是在把學習外包出去

納德拉說的最清楚的一句話是：工具可以買，任務可以外包，學習不行。把這句話翻成生意人的語言就是：如果你的公司只是在付費使用別人的 AI 模型，沒有把自己業務的資料，流程，判斷標準餵進去，那你什麼都沒積累。他的主張是每家企業都應該有自己的 token capital——這個詞在 AI 語境裡指的是用企業自有資料訓練或調校出來的模型知識，可以理解為機器版的公司隱性知識。人員流動，市場變化，公司的護城河一直以來靠的是這種日積月累的隱性知識。AI 時代，這個東西有沒有辦法以機器可用的形式存在，決定了公司有沒有長期競爭力。

◎不要被任何一個模型綁死，方法是把評估標準握在自己手裡

他給的操作路徑比一般人想的更具體。第一步不是選模型，是先定好你的 eval——也就是你評估 AI 輸出好不好的標準。有了這個，你才有辦法讓不同的模型來競爭，讓 GPT，讓其他家的前沿模型都跑一遍，看誰在你的題目上表現最好。然後，當你累積了足夠的實際使用紀錄（trace data），你甚至可以把一個開源的輕量模型調校到同樣的水準，成本大幅降低。這個循環持續跑，你的輸出品質單調遞增，而你對任何單一廠商的依賴則持續下降。他說得直白：你唯一應該被鎖定的東西，是你自己輸出結果的不斷進步，而不是任何一個模型家族。微軟自己拿 HR 新進人員流程當例子——把散落在 email，行事曆，文件裡的非結構化資料整合起來，建出一個代理系統，這就是他講的把企業脈絡層（Work IQ）接進模型的具體做法。

◎技術轉型是容易的那半段，商業模式才是硬骨頭

納德拉說了一句讓人有點意外的話：對微軟而言，這次 AI 浪潮裡，技術適應反而是相對容易的部分。難的是商業模式。他的邏輯是：公司很容易愛上自己賺錢的方式，主機時代賺一種錢，個人電腦時代賺另一種錢，習慣了就很難主動革自己的命，何況市場分析師看的是短期數字，不會給你轉型的寬限期。這不是新問題——這就是典型的創新者困境，幾十年前就有人寫成書了。但他點出一個這次特別的地方：微軟的生產方式本身也被動到了。過去五十年，微軟的核心就是用人力資本加上數位工具產出更多軟體；現在軟體從輸入變成輸出，連生產函數都變了。他說微軟要把整個組織從裡到外改成 AI 原生的運作方式，而且不能只改一個部門——因為你一旦只改一部分，整個系統的瓶頸就卡在沒改的那段，效益打折。

◎知識工作者被取代的恐懼，問題問錯了

他拿 1980 年代當例子：如果當時有人說未來三十億人每天都在打字，大家會問世界需要三十億個打字員嗎？但事實是，知識工作這個全新的工作類別被發明出來了，打字只是其中一個動作。他的判斷是現在面對的是同樣的結構：不是舊工作消失，而是知識工作需要重新定義。他提到一個概念叫 cognitive coverage——人對機器輸出的認知覆蓋，意思是你要能理解機器做了什麼，能夠追問它，能夠判斷它對不對。這是一個真實存在的工作，需要訓練，有薪資支撐。他的核心主張是：沒有人力資本，token capital 根本起不來；兩者是正和的關係，不是零和。這個說法當然對微軟有利，但邏輯本身是站得住的。

納德拉講了很多，但最後收回到同一個點：正和生態比贏家通吃更穩。這話從微軟執行長口中說出來有點諷刺——微軟當年靠什麼起家，大家都記得。但他轉型這十年的成績說明他是真的改變了思路，還是只是換了說法，你自己判斷。對台灣的企業主管來說，真正該帶走的不是技術細節，而是那個問題：你的公司現在在 AI 上做的事，是在累積自己的判斷能力，還是只是在付費使用別人的判斷？