案例01｜Guiding Principles：Risk、Competition、Readiness、Budget、Skills 五個起點問題

案例02｜Table 6.1 Decision Matrix：8 個 Criteria、100% Weight 與來源分數不一致

案例03｜2×2 Prioritization：Quick Wins、As You Get to It、Major Projects、Skip It

案例04｜Business、Finance、IT：三股力量如何一起建立 Business Case

案例05｜Value Map：把 GenAI 專案連回 Revenue、Cost、Assets、Environmental KPI

案例06｜Portfolio Design：2–3 個 Quick Wins＋1–2 個 Major Projects

案例07｜AI Tiger Team：Executive Sponsor＋Business Domain＋AI＋Technology＋Data＋Legal

案例08｜Map Business Processes：先畫 As-Is，再找 Streamline／Eliminate

案例09｜Prepare the Workforce：Change Leader、Reskill／Upskill、Augmentation Strategy

案例10｜Responsible AI Plan＋Monitoring：Hallucination、Bias、Privacy、Business Impact

案例11｜Choose the Platform：DIY、OOTB＋Fine-tuning、Pre-built Application

案例12｜Total Cost：Model Cost 之外還有 Cloud、Inference、Prompt Engineering、GenAIOps

案例13｜Gather and Prepare Data：Few-shot、Fine-tuning、RAG 如何加入 Business Context

案例14｜Hallucination＋RAG：加入 Enterprise Data 仍不能完全消除錯誤

案例15｜Compliance：Service Usage Guidelines 與 Corporate Guidelines 是兩套檢查

案例16｜Practical Advice：Readiness、Prioritization、Cross-functional Learning 三步啟動法

核心表格

核心主題 主要觀點／方法 實務用途 重要條件／限制／延伸
Business Case 先建立 guiding principles、prioritization matrix、value map 與 cross-functional buy-in 決定哪些 GenAI 專案值得啟動 不能先買工具再找用途
Guiding Principles Risk tolerance、competitive threats、technological prowess、budget、skills 建立組織級導入邊界 高風險／依法限制流程可能根本不適合自動化
Prioritization Matrix Business value、ease／feasibility、demand／risk 或 weighted decision criteria 排序 use cases 避免 analysis paralysis，也避免盲目衝刺
Value Map 把 AI activity 連回 revenue、cost、inventory、uptime、delivery、environmental KPI 建立真正 business value evidence Productivity activity 不等於 business outcome
Portfolio Design 2–3 Quick Wins＋1–2 Major Projects 同時建立學習速度與長期價值 Public-service experiments 僅使用 nonsensitive、nonproprietary data
Tiger Team Executive sponsor、business/domain、AI、technology、data、legal Cross-functional delivery 原書特別提醒 business/domain experts 常被漏掉
Business Process Mapping Map As-Is、找 bottlenecks、streamline／eliminate、再 redesign with AI 流程重設 不要把 AI 硬塞進每一個流程步驟
Workforce Preparation Change leader、education、reskill／upskill、augmentation framing 提高 adoption 與 trust Training completion 不等於實際 adoption
Platform Strategy DIY、OOTB＋fine-tuning、pre-built application 選擇 technology／model 路徑 Cost、competitive advantage、skills、data、time-to-value 都要一起判斷
Total Cost 除 model／license 外還有 cloud、inference、prompt engineering、GenAIOps 等 TCO／funding 不能只用 API／license price 當總成本
Data and Context Few-shot prompting、fine-tuning、RAG 加入 proprietary business context 資料 quality、freshness、sensitivity 與 ownership 先於模型效果
Responsible AI Hallucination、bias、privacy、monitoring、post-processing、guardrails 降低 deployment risk 沒有任何方法能完全消除 hallucination
Compliance Service usage guidelines＋corporate guidelines Use-case approval Provider 允許不等於企業 policy 允許

章節定位

第 6 章不是再介紹新的 GenAI model，而是回答一個更實務的問題：企業到底要怎麼開始？ 原書把這個問題拆成三大 lenses：The Business Case、People and Processes、Technology Considerations。