AI 時代的判斷力、策略與領導力：Christina Wallace HBS 講座精華 + 台灣應用指南【2026】
ChatGPT 兩個月破 1 億用戶、AI 成本兩年便宜 280 倍。HBS 講師 Christina Wallace 在這場「AI 時代的判斷力、策略與領導力」講座裡，回答了一個冷酷問題：當執行成本趨近於零，價值還能從哪裡來？答案是判斷力、策略、領導力三件事。這篇整理講座精華，並用台灣中小企業與個人工作者的角度，把 4 個行動問拆成本週就能做的清單。
01AI 是平台轉移，不是工具升級
Christina Wallace 開場第一個訊息：AI 不是 Microsoft Word 取代打字機那種「工具升級」，而是跟網際網路、行動裝置同等級的「平台轉移」。判斷依據是兩個數字：採用速度與成本曲線。
普華永道（PwC）預測，未來 3 到 5 年 AI 將為全球經濟貢獻 15.7 兆美元產值，差不多等於中國 2024 年的 GDP。不是 15 到 20 年，是 3 到 5 年。
02判斷力：AI 永遠做不好的三件事
Christina 的同事、HBS 創業管理單位的經濟學家 Rem Koning，做了一份肯亞企業家的研究：給一批小企業主 AI 工具，不給太多指引，看會發生什麼。
那「好」是什麼？Christina 拆成三個 AI 至今做得最差的能力，這三件事就是人類的護城河：
- ➊ 情境智慧（Contextual Intelligence）：判斷不是「答案對不對」，是「這個答案在此時、此地、此人的處境下對不對」。AI 給通用答案，但它整合不了你公司本週的現金流、客戶上禮拜的情緒、產業這兩個月的法規變動。
- ➋ 在真實不確定性下拍板：AI 可以列出兩邊論點，但仍有真實不確定性時拍不了板。Christina 說這是她辨識學生作弊的方式：學生作業總是「一方面這樣、另一方面那樣」，看完不知道作者要選哪邊。決策必須有人選邊。
- ➌ 問責（Accountability）：AI 無法為決策結果負責，最終後果一定是人承擔。當你跟客戶簽合約、跟銀行借錢、跟員工承諾月底發薪，這些都不能由 AI 簽名。
好消息是：判斷力不是人格特質，是技能。可以練、可以教、可以拆。難的不是學技能，是承認自己現在還不會。
03策略：Christensen 顛覆理論與 7 Powers 護城河重構
3.1 為什麼現任者會輸：「太理性」
Clayton Christensen 是 Christina 在哈佛超過十年的導師，以顛覆理論聞名。經典結論是：現任者失敗不是因為不聰明、不努力，是因為「太理性」。他們追逐高利潤客戶、把低端市場讓給新進者，看似最聰明的決策，最後把自己整個吃掉。
AI 法律軟體現在正在跑這個劇本：
3.2 Hamilton Helmer《7 Powers》：哪些護城河被沖掉、哪些變更深
| 正在被侵蝕 | 正在強化 |
|---|---|
| 靜態規模 光是大、沒有動態優勢就沒用 |
受限資源（Cornered Resource） 越用越強的資料飛輪 |
| 靜態資料 堆在倉庫沒有流動就沒價值 |
流程能力 嵌入客戶獨有情境的工作流程 |
| 技術切換成本 過去換企業軟體要 18 個月，現在不再 |
反向定位 用 AI 原生商業模式，現任者一複製就毀了自己現有業務 |
| 舊工作流程鎖定 客戶習慣現在很容易被新工具改變 |
三個 AI 原生公司案例，每一個都對應一種正在強化的護城河：
Table IQ
把全方位餐廳監視器變營運教練，每天早上一份夜間報告。資料飛輪：每個新客戶讓模型更聰明。
Verno
流程產業工程平台（管線儀表圖），TAM 530 億美元。反向定位：徹底毀掉手工繪圖服務業。
台灣健保資料庫
30 年、2300 萬人、6490 億筆紀錄、22 億張影像。受限資源典範：矽谷新創無法複製。
Christina 特別點台灣健保資料庫，是因為這種「跨 30 年、跨醫院、跨診所、結構化串連」的資料量，是矽谷新創無論燒多少錢都買不到的時間深度。在法規框架內善用它，就是解鎖金礦。
04領導力：刻意策略 vs 湧現策略
Christina 引 Christensen 另一個框架：刻意策略（Deliberate）跟湧現策略（Emergent）的張力。她說在 AI 之前這框架就用了十年，AI 來之後更是。
| 刻意策略 Deliberate | 湧現策略 Emergent |
|---|---|
| 假設我們了解客戶、對手、法規、5 年後地貌 | 從「我們不知道」開始 |
| 做 20 年計畫 | 提升學習速度、降低學習成本 |
| 20 年前可行 | 實驗驅動、迭代、多元、粗糙 |
| 每三週世界就變一次的時代失效 | AI 讓實驗變得更快、更便宜 |
湧現策略不是「放棄計劃」，是改變要規劃的東西：你不再規劃「未來會發生什麼」，你規劃「怎麼最快、最便宜地知道未來會發生什麼」。要做到這件事，Christina 給三個心態轉變：
- ➊ 讓你的資料過期（Expire your data）：永遠追問「我們是怎麼知道這件事的？這資料多舊了？」。超過 12 個月的判斷可能已經過期。例子：2021 年大家都覺得「沒員工的獨立創辦人做不出十億美元公司」是常識；2025 年 Maor Schlomo 一個人 6 個月做出 Base44，8000 萬美元賣給 Wix。8000 萬不是十億，但比歷史任何案例都接近，那條舊判斷已經要重寫了。
- ➋ 讓「有產出的失敗」變得安全：每個組織都有殭屍專案（明顯失敗但沒人敢殺），因為理性的人會說「再給一次實驗」。Christina 說那叫 Innovation Theater（創新劇場），演給董事會看的。領導者要獎勵「商業真相」，不是懲罰失敗。
- ➌ 先發問，不要先給答案：HBS 的 Frances Frei 說「好奇心與信念無法共存」。你不能一邊假裝開放問問題，一邊把團隊推向你已有的答案。要問你「真的不知道答案」的問題。
關於人才結構，Christina 提了兩種：
- ➊ T 型專家：深度專業 + 橫向連結。新角色像「管理一群初階 AI 員工」，專業不是做到最好，而是能反駁 AI 的分析、提出對的問題、串接 AI 產出的成果。
- ➋ M 型通才：跨多個 AI 領域協調代理人與人類。Christina 舉 Anthropic 的 Claude 產品主管 Kat Woo 為例：產品工程師起家、做過 VC、現在帶的團隊「設計師寫程式、工程師做產品決策、PM 做原型」，整支 M 型團隊。
05把講座變行動：4 問 × 台灣語境的實作清單
Christina 講座最後給觀眾的作業是「行動四問」。原版以美國中大型企業為對象，這節我用台灣中小企業主、個人工作者、行銷／顧問從業者的角度，把每一問拆成你本週就能跑的版本。
把四問跑完的最快方法，是直接丟給 AI 幫你過一遍。下面這個 prompt 可以複製貼到 Claude 或 ChatGPT，把空格填上你的事業現況：
你是一位資深的商業策略顧問，熟悉 Clayton Christensen 顛覆理論與 Hamilton Helmer 的 7 Powers 護城河框架。
我的事業現況：
- 我做的事：[填入：例如 B2B SaaS / 行銷顧問 / 設計接案]
- 主要客戶：[填入：例如 中小企業主 / 大型企業數位部門]
- 目前的核心交付物：[填入：例如 季度報表 / 設計檔 / 文案]
- 月營收區間：[填入：例如 NT$50 萬到 100 萬]
- 主要進案管道:[填入:例如 SEO / Google 廣告 / 介紹]
請依 Christina Wallace 在 HBS 講座提出的「行動四問」幫我診斷:
1. 我的工作流程中,客戶實際付錢買的是「輸出物」還是更深的東西?哪些部分容易被 AI 取代?
2. 我有沒有 AI 對手需要複製的專屬資料?資料是越用越值錢還是只是堆著?
3. 我的客戶關係是交易型還是關係型?佔比大概多少?
4. 我的分銷管道在 AI 時代是強護城河還是脆弱?
每題用條列回答,直接點出風險,避免空話。最後給我一個本週可以做的「第一步」。❓常見問題 FAQ
Christina Wallace 是誰？這場 HBS 講座是什麼背景？
Christina Wallace 是哈佛商學院（HBS）創業管理單位的資深講師、Clayton Christensen 門生，同時也是百老匯製作人與投資人（曾獲 Tony 獎提名）。她的講座主題是「在執行成本趨近於零的 AI 時代，組織與個人如何維持競爭力」，融合 Christensen 顛覆理論、Hamilton Helmer《7 Powers》護城河框架，加上她自身在科技與創意產業的跨界經驗。她的職涯本身就是「M 型通才」的範例：大學雙主修數學與戲劇、做過天使投資人、跨進百老匯製作。
「判斷力是可培養的技能」具體要怎麼練？
三條起手式：① 每次做決定都記錄「當時資訊」與「事後結果」，過 3 個月回頭看哪些判斷錯了、為什麼，這是建情境智慧的基本功；② 強迫自己每週做一個「在資訊不全的情況下選邊」的小決定（例如：新工具要不要試、要不要拒一個案子），訓練在不確定下拍板的肌肉；③ 把所有重要決策寫下「如果出事我會怎麼負責」，沒有問責覺悟的決策都是賭，不是判斷。
中小企業沒有像台積電的資料量，怎麼建「受限資源」護城河？
關鍵不在量，在「對手複製不到」。中小企業常見的受限資源有：跟在地客戶累積多年的服務紀錄、針對某個利基市場的問題知識庫、客戶 LINE/Email 來回的真實對話、特定產業的法規與供應商眉角。建護城河的方法是把這些散落的資料結構化（哪怕是 Notion 表格、Google Sheets），形成「每接一個客戶都讓下次提案更準」的飛輪。量大不大不重要，會不會累積才重要。
個人工作者如何用「湧現策略」做接案決策？
湧現策略不是不規劃，是改規劃的對象。個人工作者的版本：① 不要鎖死 5 年職涯藍圖，改成「每 90 天設一個假設」（例如「我是 B2B 內容寫手」），然後實際接案驗證；② 每接一個案子都記錄「這個案子讓我學到什麼是我之前不知道的」，超過 12 個月沒更新的判斷要重新檢視；③ 客戶 NDA 不允許分享案例時，自己留私人版本的「過期資料表」，每季回看一次。Christina 的「讓資料過期」對個人工作者特別關鍵，因為市場輪轉比組織快得多。
講座裡 T 型專家跟 M 型通才，我該往哪個方向發展？
沒有對錯，差別是不同階段。前 5 年職涯應該優先做 T 型（深度專業 + 橫向連結），因為沒有一個深度主軸，M 型只是 LinkedIn 上每樣都會一點但每樣都不深的雜牌軍。有了 T 型之後再橫展成 M 型，加第二個深度（不是第二個皮毛）。Christina 舉的 Kat Woo 是 M 型，但她的軌跡是「產品工程師（T 型）→ VC（自學自動化）→ Anthropic 產品主管」，每一步都疊上新的深度。台灣個人工作者的常見錯誤是太早 M 型，結果連 T 型的根都還沒長好。
延伸閱讀
行銷能力怎麼發展？2026 T 型行銷人的升級路線圖
把 Christina 的 T 型專家框架，套到行銷職涯上：5 種主軸怎麼挑、6 個橫向必備能力，加上 1/3/5 年升級路線圖。
行銷工作在做什麼？2026 AI 衝擊下的行銷工作全解析
行銷藏了至少 8 種完全不同的職位，AI 在每種職位上衝擊程度不一樣。用「行動四問」的工作流程切角檢視自己的職位風險。
Claude Cowork 完整指南：5 大整合應用、設定流程與工作流組合
講座談的「執行成本趨近於零」實作端是什麼樣子？Claude Cowork 把 Gmail、Notion、Slack、Calendar、Drive 串成 AI 工作流的具體做法。
Christina Wallace 這場講座最值得收下的不是新工具清單，是一個冷酷的提醒：當執行成本掉到接近零，價值會從「會做事」往「會判斷、會選邊、會問問題」流動。你跟你的事業有沒有準備好，這禮拜就能用 4 個問題自己驗一次。
行銷營運顧問，專為成長型品牌建立可追蹤的行銷機制。擅長數據追蹤、轉換優化與流程自動化。