從防疫經驗到AI時代的企業治理啟示‧解密數位韌性的黑盒子

作者：邱豐傑（資訊管理學系產業組博士生，阿卡希亞(股)公司 BU Head / Chief Consultant）

與談學者：李怡慧（資訊管理學系教授）

1.為企業難題帶來解決方程式的數位韌性（Digital Resilience）

1.1在不確定、節奏混亂的情境下做判斷：企業決策的兩難時刻

對多數企業管理者而言，在近年環境快速變動、資訊充滿雜訊的情境中，究竟該採取進攻還是防守策略？投資是否應該加速？轉型是否應該暫緩？這類抉擇不再是偶發事件，而是常常在經營會議或董事會中反覆出現的現實難題。

這種決策困境，並非源自單一衝擊，而是來自一連串難以預測、相互交織的外部與內部事件。像是自 2022 年俄羅斯入侵烏克蘭以來，原物料與能源價格劇烈波動，全球供應鏈被迫重新配置；又如 2025年4月美國推出對等關稅政策後，全球金融市場短時間內出現顯著震盪，台灣股市亦出現接近 10%的急跌，後續也為各個產業帶來巨大且深遠影響；再如 AI 科技正帶來的產業變革，企業的大額投資與劇烈裁員併發不息。對企業而言，這些事件共同特徵是它們同時削弱 了既有預測模型與經驗法則的有效性，使管理決策愈來愈難以依循線性邏輯推演。 在外部情境愈發動盪的同時，企業內部也面臨新的挑戰。當前職場同時存在嬰兒潮世代、X 世代、Y 世代、Z 世代，各世代在工作態度、風險偏好、技術接受度與對組織期望上，有顯著差異。例如 Z 世代員工較不強調忠誠與長工時，而年長世代則更重視責任、穩定與經驗累積。世代價值觀的差異與工作模式的斷裂，已是企業在組織動員與行動協調上的實質障礙，並影響整體協作與決策效率。

正是在這樣一個外部衝擊頻繁、內部價值多元且行動節奏不一致的情境下，企業經營管理者為了企業長期發展，無不是戰戰兢兢、如履薄冰地建構組織有其能力承受突如其來的衝擊，更能於在衝擊未結束、情境持續變動的過程中，逐步建立起可協調、可調整的行動秩序；但是，這過程最困難的，往往不是缺乏工具或資源，而是過去的管理經驗與判斷邏輯，無法提供清楚的行動指引，即便組織擁有完善的制度、資訊系統與專業分工，面對動盪詭譎且瞬息萬變的環境，決策仍經常伴隨著反覆修正與遲疑。像這樣「知道應該要做些什麼，卻難以判斷何時、如何以及由誰來做」的狀態，使組織經常呈現一方面會議討論因應策略不斷、動作頻繁協調資源，另一方面卻難以形成穩定一致的行動節奏，進而形成營運矛盾的現象。

與此同時，在面對衝擊並試圖恢復運作的既有研究取向中，往往聚焦於組織韌性（Organizational Resilience）下的「組織餘裕（Organizational Slack）」，將其視為應對不確定性、衝擊與策略轉型的重要緩衝與調節機制（Bourgeois, 1981）。此一觀點強調，透過保留資源彈性與調節空間，組織得以在遭遇衝擊後降低損害並回復既有運作狀態；然而，在外部與內部挑戰交織，危機不再是短暫且可預期，並以不同形式反覆地突如其來的情境下，管理實務與學術研究逐漸意識到，韌性已不能僅在於組織是否能夠衝擊後回復原狀，更要能在長時間且不確定的情況中，帶給組織能力逐步形塑成敏捷且有序的行動，進而穩健前行。

1.2典範轉移：從「資源存量」到「動態編排」的韌性重構

藉由 COVID-19 所引發的全球性危機，以及疫情的突發性、長期性與跨領域擴散，可以觀察到許多資源雄厚的企業，因缺乏調度彈性而陷入癱瘓；反之，某些資源相對匱乏的組織，卻能透過靈活的重組與行動度過難關、成功突圍。這顯示了當外部環境呈現渾沌不明時，對既有將韌性視為一種可事前配置「資源存量（Resource Stock）」的靜態資源觀點，形成了嚴峻理論壓力測試，單純擁有豐沛的資源存量並不足以保證組織的存續。這也同時說明韌性不僅是面臨逆境時的恢復力，更包含在難以預測環境中，透過組織學習與實驗來預防失敗的動態過程（Linnenluecke, 2017）。再者，過往也常將「資源配置」與「韌性結果」之間的連結視為理所當然，較少細緻描繪兩者之間的形成歷程，當危機難以預測且持續變動時，資源如何被動員與重組（Resource Orchestration）的動態歷程，往往比資源本身是否存在更為關鍵，這段被忽略的轉化過程，構成了韌性研究中的黑盒子，缺少說明韌性究竟是如何在行動、互動與時間推移中逐步生成。

在前述脈絡下，李怡慧教授等學者發表於 Information Systems Journal 的論文研究中（以下簡稱論文），提出了「Digital Resilience in the Making」的動態觀點，為韌性研究帶來關鍵的理論深化，解構數位韌性在如何隨時間推移，並透過多元行動者互動與資源編排而逐步建構而成的過程（Lee et al., 2024）。論文觀點顯示數位韌性不僅協助組織度過危機，更透過數位科技的介入，使組織得以在危機中演化出新的治理方式、協作模式與行動能力，進而實現「向前躍進（Bounce Forward）」。此一視角不僅打開了既有韌性研究中的理論黑盒子，也為理解組織如何在高度不確定環境中，將衝擊轉化為能力升級的契機，提供了更具解釋力的分析框架。

1.3建構數位韌性的兩大關鍵構面

論文運用「資源協奏觀點（Resource Orchestration View, ROV）」為理論視角，將政府比喻為樂團指揮家，把分散在民間、企業與政府內部的數位工具與利害關係人視為樂器與演奏者。而這場協奏曲之所以能成功，最關鍵在於指揮家精準掌握了兩個構面：時間（Temporal Aspect）與社會（Societal Aspect），這也是論文在學術理論上的重大貢獻。

•   時間構面：與危機賽跑有序的節奏感

論文研究梳理出台灣在防疫處理時間軸上展現出韌性，由「初期的快速應對」到「後期的穩定治理」，是分段有序的進行與轉變機制。在危機衝擊發生的初期當下，重點是「速度」與「止血與生存」；隨著時間推移，中長期的重點則轉向「升級」與「優化」。如果沒有時間維度的認知，組織很容易錯把短期的止血帶當作長期的血管使用，埋下未來更大的隱憂。

• 社會構面：建構持續性與創新的韌性

具生命力的韌性，有其海納百川的動能與創新。論文研究發現，在數位科技的幫助下，台灣防疫的韌性是一個「社會數位系統」的展現，不侷限於政府或企業內部的 IT 部門，反而是打破組織邊界，將外部的利害關係人，例如民間工程師、超商通路、一般民眾納入協作網絡之中，當數位系統能連結社會的每一個節 點時，每個節點都能挹注一份心力，眾志成城，形成強韌的數位韌性。

1.4數位韌性四部曲：資源協奏的實踐模式

在上述的「時間」與「社會」構面架構中，論文歸納出四種「協奏模式」共同在不同面向發揮成效，這四個模式並非平行發生，而是隨著疫情發展，動態交錯地解決不同階段的難題，如下說明：

•  第一部曲：初期應急，「舊資源的雙重用途（Dual-purposing Existing IS）」

當未知衝擊突然降臨，開發全新系統往往緩不濟急，此時數位韌性的第一道防線，在於「快速盤點並轉用既有資源」。論文中舉出最經典的案例即是「口罩實名制 1.0」，政府並沒有從零開發程式，而是迅速徵用健保署原有的「戒菸個案管理系統」與「VPN 通路」。利用這些既有的數位基礎建設，在短短兩三天內進行改寫，讓全台藥局能迅速連線配給口罩。

• 第二部曲：數據與隱私的走鋼索，「平衡數據利用（Balancing Data Exploitation）」

隨著防疫進入疫調追蹤階段，「電子圍籬」與「細胞簡訊」展現了強大的威 力，但也引發了隱私爭議。論文研究指出，政府在此階段扮演了微妙的平衡者。 一方面利用大數據，像是手機基地台訊號，進行精準防疫；另一方面，透過公開透明的溝通與法規承諾，換取民眾的信任。這種在「安全利用」與「隱私保護」之間的動態平衡，是維持長期抗疫的基礎。

• 第三部曲：高手在民間，「線上協同生產（Enacting Online Co-production）」

當政府開放口罩庫存數據（Open API）後，短短幾天內，民間社群就開發出超過 100 款「口罩地圖」App。在數位科技方面，政府承認自己人力與能力有限，退居幕後成為「平台」，讓民間的創意與技術力量成為防疫主力。這不僅解決了政府資源不足的問題，更激發了社會整體的參與感，展現了「開放式創新（Open Innovation）」的巨大能量。

• 第四部曲：剛柔並濟的數位力量，「強化社群網絡效應（Augmenting Social Network Effects）」

古語有云：「孤陰不長，獨陽不生」，在數位韌性的建構中，若僅有精準的數據監控與剛性的實名制系統（陽），而缺乏對社會情緒的撫慰與共感（陰），數位科技最終將因民眾的抗拒或疲乏而崩潰。論文研究團隊發現，台灣防疫的獨特之處，在於政府運用數位科技作為載體，進行了一場「剛柔並濟」的社會工程，以科技為骨（剛），社群媒體與數位平台提供了快速傳遞資訊、闢謠與動員的硬體架構；並以人心為血（柔），在這些數位科技架構中流動的，是幽默、同理心與溫暖的價值觀，經典的案例如「粉紅口罩事件」與「防疫總柴」的迷因操作，當社會因未知的病毒感到焦慮恐慌時，指揮中心並非僅是用冷冰冰的數據回應，而是透過官員集體戴上粉紅口罩打破性別刻板印象，或是利用可愛的柴犬圖文宣導防疫衛教。這些操作透過數位網絡的放大效應，將原本剛性的「防疫命令」，轉化為柔性的「社會共鳴」，這不僅化解了長期管制的心理壓力，更將分散的個體凝聚成具備強大心理韌性的共同體。

1.5 產業啟示：由危機應對到能力向前躍進（Bounce Forward）

論文帶來的重要啟示，數位韌性並非遙不可及的高科技軍備競賽，而是一場關於「如何使用資源」的管理藝術，同時也不是一次性建設，而是一種隨時間與社會互動逐步生成的能力。始於對時間的敏銳感知，在危機初期利用「既有資源雙重用途」快速止血；成於社會的廣泛連結，透過「協同生產」與「社群效應」擴大防禦縱深。當企業能夠掌握這套資源協奏的邏輯，下一次面對未知衝擊時，就不再只是狼狽地求生存，而是能優雅地轉身，實現組織能力的向前躍進。

2 AI 時代下的產業數位韌性，從政府防疫治理到產業智慧決策的動態編排

2.1 AI 帶給產業是新的成長機會？還是新的危機風險？

在後 COVID 時代，產業界普遍預期透過導入 AI、自動化與大數據分析等技術，可以顯著提升營運效率、加速創新，並在面對外部衝擊時降低營運風險；不過，實際狀況卻變成「企業不得不投入 AI 以求生存與成長，但這些投入卻伴隨著巨大未知與不可控風險」的矛盾現實。根據麻省理工學院 NANDA 計畫報告指出，全球企業在 AI 領域的投入已高達 300 億至 400 億美元，但高達 95%企業 AI 專案未能產生可衡量的商業回報，只有約 5%成功在生產環境中實現價值創造，呈顯出高投入、低成果的不對稱現象，報告認為並非技術本身品質不佳所致，而是企業在落地應用時遭遇了結構性學習差距、流程整合困難及與日常營運脫節的問題，導致 AI 難以真正融入核心業務流程（Challapally et al., 2025）。

AI 與企業實際需求之間的落差，讓許多管理者在面對 AI 投資時陷入兩難，一方面若不採用 AI，就可能在競爭中落後；另一方面即便積極投入 AI，卻可能因導入失敗而耗費大量資源、降低組織信心，甚至拖累核心業務績效。過去，數位科技往往認定是穩定可控的工具；但在 AI 時代，演算法的黑箱特性、模型隨時間的漂移、自動化決策機制可能引發的連鎖反應，以及組織各世代人員對 AI 的學習落差、信任關係，都使得風險變得更加隱晦、動態與無法掌握。在這不確定的情境下，企業管理者必須在「追求技術帶來的效率與創新」與「控制未知風險以保障組織穩定」之間找到平衡，因此筆者認為可以借鏡論文提出的「Digital Resilience in the Making」核心觀點，探討組織如何在 AI 介入後，以務實的成本，建立組織數位韌性，進而能在 AI 時代下，持續修正、調整與重構企業能力。

2.2 理論對接：AI 風險的不確定性與企業資源與行動協奏

面對 AI 帶來的不確定性，筆者認為，若要能效駕馭此類風險，論文提出的框架，帶來清晰的程序與節奏指引。論文研究中指出，數位韌性的形成是建立在「時間（Temporal）」與「社會（Societal）」兩個關鍵構面的動態協奏之上。雖這套源自防疫經驗的理論洞察，卻能精準對接至當前企業面臨的 AI 治理挑戰，具體 而言，說明如下：

• 時間構面（Temporal Aspect）：從靜態部署轉向動態修正

傳統 IT 專案往往假設系統在上線後即可長期穩定運作，但 AI 模型高度依賴其訓練資料分布、實際使用情境與組織行為所形塑的資料生成機制，隨著外部環境與內部制度的變動，模型將不可避免地面臨資料漂移與概念漂移的問題，非部署後即一勞永逸。企業對 AI 的治理須具備「時間上的敏捷度」，理解 AI 在長時間運作下必然會犯錯，此時，數位韌性的體現是能在時間序列中持續調校 AI 的使用方式與正確性，在錯誤發生的當下，運用資源編排能力進行快速察覺與修正。

• 社會構面（Societal Aspect）：建立 AI 治理素養

論文中提到的「社會構面」，強調了韌性來自於廣泛行動者的連結與協作。將此概念投射至企業 AI 場域，企業普遍期待導入 AI 後，能為企業創價流程帶來品質、效率、創新等各面向的提升，這也意味著 AI 治理絕非僅是單一 IT 部門的責任。當 AI 介入核心業務流程時，數位韌性取決於組織是否建立了一種分散式的 AI 治理素養（AI Governance Literacy），仰賴組織內不同層級下的各世代成員，從第一線員工到高階主管都能理解 AI 的侷限性，並具備在人機之間進行權 責動態切換的集體認知與能力（Collective Mindset & Capability）。

2.3 務實落地策略：產業如何啟動「AI 數位韌性」？

許多企業誤以為建立數位韌性需要鉅額的資本投入。事實上，論文透過實證分析指出，最有效的韌性往往來自於對「既有資源」的靈活編排與轉化。承接論文中所歸納出的協奏方法與機制，筆者將其對應至 AI 時代的企業場景，提出以 下三大務實落地策略，協助企業以具成本效益的方式啟動數位韌性：

策略一：以 Dual-Purposing 啟動AI試點

企業不應為了 AI 而 AI，去採購昂貴但陌生的全新系統，務實做法是重新檢視組織內部的「數位庫存」，尋找具備「雙重用途（Dual Purpose）」潛力的既有系統或素材，作為 AI 落地的概念驗證（PoC）或先導專案（Pilot Project）。具體可執行路徑步驟為「盤點（Audit）」、「轉用（Repurpose）」以及「學習（Learn）」等三步驟。以建構 AI 客服系統舉例來說，首先，盤點現有的 CRM 客服紀錄、ERP 歷史訂單或歷史輿情資料。再者，轉用這些「舊資料」做為訓練 RAG AI（檢索增強生成 AI）的最佳燃料，企業可以在既有的知識庫上，外掛一個輕量級的 AI 諮詢介面。最後，透過這個 Pilot Project，組織能在風險可控範圍內，學習「如何清洗數據」、「如何修正 AI 的幻覺」以及「如何制定使用規範」，累積 AI 治理素養的過程。

策略二：動態的人機切換，平衡效率與風險(Balancing Exploitation & Exploration)

在直接面對客戶（B2C）或關鍵決策的場景中，筆者認為數位韌性的關鍵在於「動態平衡」。藉由設計一套機制，讓決策權能在「AI 自動駕駛」與「人類接手」之間流暢切換，例如設定明確的信心門檻（Confidence Threshold），例如當 AI 對某個客戶需求的判斷信心低於 80%，或偵測到異常的市場波動數據時， 系統應自動觸發「轉換機制」，將對話或決策無縫轉移給人類專家。這既享受了AI 的效率（Exploitation），又保留了人類處理未知風險的能力（Exploration）。

策略三：借力使力，生態系的開放式協作（Open Innovation via Ecosystem)

在資源有限的情況下，「邊界開放」是比較務實的策略。企業不需要從頭訓練自己的 AI 大模型，而是善用開源社群或合作夥伴的資源，透過 API 串接外部成熟的模型能力，並專注於「微調（Fine-tuning）」最後一哩路的應用場景。這如同論文中提到的「線上協同生產」，企業將非核心的技術底層交給生態系，將自身資源集中在核心業務的創新上。

2.4 從 Pilot 到 Scale 的數位韌性進化

AI 時代下的數位韌性，不應被理解為一場高風險、高資本投入的技術軍備競賽。相反地，若從論文「Digital Resilience in the Making」的觀點來看，數位韌性更像是一種在實踐中逐步生成的治理能力。透過小規模的 Pilot Project，企業得以在低風險情境下測試 AI 的適用性，與累積對資料品質、模型偏誤與組織回應的理解；同時以人機協作與轉換機制的設計，在效率與風險之間維持動態平衡；並透過生態系的開放式協作，擴展資源的廣度，不致於被單一視角或技術路徑所綁定。在此意義下，所謂的 Bounce Forward，並非單純指績效回升或效率提升，而是指組織在 AI 介入後，其決策節奏、權責配置與學習機制發生結構性的調整與演化。透過這種「做中學、學中調整」的歷程，企業得以在全球持續放大的不確定性的挑戰壓力之中，逐步建構出屬於自身的數位韌性 DNA，並將危機轉化為長期能力升級的契機。

3 數位韌性的動態編排，在應急與治理間的動態平衡藝術

3.1破除迷思：Right Balance 不是數學題，而是編排題 

在探討數位韌性的實務場域中，企業管理者經常提出一個看似合理、實則容易陷入誤區的問題：「我們究竟該在效率與韌性之間保留多少餘裕？是 80/20 還是 90/10？」此一提問往往隱含了一個假設：認為餘裕存在一個可被事前計算、長期維持的靜態黃金比例。管理者或許期待，只要精準命中這個數字，便可一勞永逸地兼顧成本效率與風險承受力；然而，依據論文「Digital Resilience in the Making」的核心觀點，筆者認為以現今全球政經、科技與社會發展，靜態的黃金比例並不存在，應該將觀念轉向為動態的 Right Balance，將一個固定配置的數字，改為一種隨情境變動、持續被重構的動態編排，動態調整「效率」與「韌性」權重的能力。

3.2 危機中的必要失衡：應急模式與治理模式的動態切換

既然不存在恆定的黃金比例，那麼在真實的危機到來時，組織該如何運作？筆者建議的解決方向在於：承認並管理「必要的失衡」。在危機突發的渾沌不明初期，例如疫情爆發或 AI 新應用帶來的市場顛覆，組織往往必須做出一種權衡，也就是暫時切換至「應急模式（Emergency Mode）」，此處指的應急模式特徵，是將決策權限高度集中、流程被極度簡化、技術與制度以「先能動、再說對錯」為優先考量，以「治理的嚴謹性」換取「生存的速度與可能性」。然而，數位韌性能否成功，關鍵可能不在於進入應急模式，而在於能否在適當時點「切換回來」。

若將應急狀態視為常態，筆者觀察到組織容易產生與累積以下兩類負債： 

• 技術債（Technical Debt）：組織充斥著硬編碼（Hard-code）的臨時系統，並且缺乏能讓系統長治久安的系統文件。
• 組織債（Organizational Debt）：權責不清、決策流程隨意、正當性被長期 侵蝕。

而此兩類負債往往會導致企業迴光返照後的衰敗，因此，本文所指的 Right    Balance，更傾向於解釋為組織在「應急模式」與「治理模式（Governance Mode）」之間精準切換的能力，換言之，是在風暴來襲時敢於打破常規，在風暴稍歇時迅速修補債務，回歸常態治理。

3.3 為「數位餘裕」正名：切換模式的燃料

要實現 Right Balance 動態切換，組織必須擁有切換的空間。筆者建議企業管理者需要重新審視「餘裕」在管理上的定義。在精實管理思維下，餘裕常被視為需要消除的浪費；但在數位韌性的架構中，「好的數位餘裕（Good Digital Slack）」或可被視為支持組織進行模式切換的「策略性緩衝」，其價值不在於「量」， 不是囤積了多少資源，而在於「可被調用性」，以下是筆者認為兩項必要的數位餘裕：

• 資料餘裕：保留原始數據（Raw Data）與多樣化結構，當 AI 模型失效或需 要轉向時，這些數據能被快速重新利用與訓練，成為新決策的有效來源依據。
• 技術餘裕：建構有制度的數位技術環境，採用模組化、API 導向的鬆散耦合

設計架構，形塑撰寫與定期更新系統文件的文化與制度。此模式雖然在技術初期發展較慢，但可降低了系統重組的摩擦力，讓組織在從「應急」轉回「治理」時，能以較低的成本償還技術債。

3.4 制度化編排能力：打造「可塑性」組織

在將 Right Balance 視為數位韌性必要且是被動態調整的，企業又該如何將其制度化管理？筆者整理出兩個可能的實踐路徑：

• 人才可塑性：多能工是重編排的潤滑劑，在高度分工的組織中，角色邊界過於僵化會阻礙「應急模式」的啟動。具備跨域理解能力的多能工（Generalist）人才，例如懂程式的行銷人、懂數據的業務，他們的存在並非為了填補人力空缺，而是為了降低組織在不同模式間切換的摩擦成本。
• 科技架構可塑性：避免鎖死未來在 AI 導入過程中，最忌諱的是為了短期效 能而犧牲架構彈性。具備韌性的數位架構，應允許模組被替換、升級，這種「技術上的留白」，確保了組織在面對下一次衝擊時，仍保有選擇權。

3.5 未來展望：從 Bounce Back 到 Bounce Forward 的進化旅程

從台灣 COVID-19 的防疫奇蹟，到 AI 時代的企業治理，我們看見了數位韌性的多重面貌，它不是一道靜態防守的牆，也不僅僅是災後的復原能力。筆者藉由論文研究與自身觀察，嘗試歸納出數位韌性的三大核心支柱，供產業界與學界參考：

• 認知升級：承認 AI 時代的不確定性是內生的，放棄追求完美的預測，轉而擁抱「In the Making」持續形成中的實踐觀點。
• 務實治理：透過雙重用途與生態系協作，以情境導向、可調整的資源配置，取代盲目的高科技軍備競賽。
• 動態平衡：打破靜態比例的迷思，修煉在「應急模式」與「治理模式」間自如切換的編排能力。

展望未來研究方向，筆者認為隨著 AI Agent 的興起，數位韌性的挑戰將從「人機協作」延伸至「機機協作（Machine-to-Machine Collaboration）」的新領域，未來 AI 能夠在毫秒間自動協調資源，甚至在危機時自動觸發「應急模式」時，人類管理者的角色將轉變為「系統設計者」與「邊界守門人」。這或許是未來學術研究與實務發展值得深入探討的課題，我們如何在演算法的極速反應中，植入足夠的「數位餘裕」與「倫理煞車」？確保每一次的擺盪與切換，都能帶領組織不只是 Bounce Back，而是向著更具適應力的 Bounce Forward

參考文獻：

Bourgeois, L. J. (1981). On the Measurement of Organizational Slack. The Academy of Management Review, 6(1), 29–39. https://doi.org/10.2307/257138

Challapally, A., Pease, C., Raskar, R., & Chari, P. (2025, July). State of AI in business 2025: The GenAI divide. MIT NANDA. Available at
https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Repo rt.pdf (Original work published by Project NANDA, MIT).

Lee, J. Y.‐H., Chou, C.‐Y., Chang, H.‐L., & Hsu, C. (2024). Building digital resilience against crises: The case of Taiwan's COVID‐19 pandemic management. Information Systems Journal, 34(1), 39–79. https://doi.org/10.1111/isj.12471

Linnenluecke, M. K. (2017). Resilience in business and management research: A review of influential publications and a research agenda. International Journal of Management Reviews, 19(1), 4–30. https://doi.org/10.1111/ijmr.12076