缺工不限產業，科技業也缺工

缺工不是只有傳產、零售、餐飲，連科技業也面臨相同的情況。

前陣子在一個場合，一位科技業高階主管指出，缺工問題讓企業重新審視如何將有限的資源投入在回報最高的領域。舉例來說，過往一個舊機台可能需要一位員工顧著，但由於缺工找不到足夠的人員，迫使企業開始添購新型機台，讓一位員工可以同時顧著3-5台新型機台。同時，新型機台可以生產效能更佳或品質更優的產品，讓產品售價可以再往上調整。當然，設備升級也意味著折舊費用增加，這最終考驗的是企業的定價能力（Pricing Power）與資本回報率（ROIC），唯有順利享有高溢價，才能在成本結構重塑中維持毛利率。

中小企業的紅海突圍：IPO 不只是募資，更是策略轉型的槓桿

歲末時節有位朋友找我聊聊，他任職於國內一間中小企業並擔任高階主管，產業屬於大健康市場。閒聊話題主要是跟公司營運遭遇瓶頸有關。

由於產品客群主要是國內消費者，而這幾年許多企業都進入大健康這個市場，甚至連網紅都創立保健食品，導致整體市場陷入紅海競爭，公司營收難以突破，甚至有衰退跡象。同時，由於公司沒有上市櫃，且屬於家族企業，因此在經營策略面上，比較像是一言堂，導致有些政策或是制度面的改善較難推動。

對於這樣的情形，我並不意外，甚至我認為不少中小企業都是面臨這樣的情況，尤其是專注國內市場的公司。

知識移轉，餵養AI

前幾天在 LinkedIn 上看到有人在徵求會建立財務模型的專業人才，以「打工」的形式，讓這些專家去「訓練、餵養 AI 」學會架模型。這本質上是在進行一場知識轉移的「最後巡禮」。過往財務模型最核心的價值在於「參數設立」。不同產業與市場、經濟週期與企業規模，合理的參數都不一樣。過去這些判斷是建立在經驗累積與專業判斷上，深層邏輯則是資料統計與趨勢洞察。然而，當 AI 吸取了海量資料——包含各國經濟表現、人口樣態與產業特性後，它能瞬間給出參數建議，甚至直接完成模型建立。