在過去的近一個世紀中，工業規劃者一直依賴於一個簡單的原則：規模驅動效率。
1936年，太空工程師西奧多·保羅·萊特（Theodore Paul Wright）提出了萊特法則，量化了每次生產量加倍通常會使單位成本降低約20%的原則。這一法則表明，生產越多，單位成本就越低，部分原因在於每個單位的學習成本下降。然而，隨著人工智慧（AI）的興起，這一原則正面臨重寫的挑戰。
人工智慧的發展加速此法則的變革，這一法則假設經驗隨著生產而來：你犯錯、學習並改進。但現在，AI使得經驗可以在生產之前就獲得。透過模擬，企業可以在發送第一個產品之前進行數百萬次的測試，這使得經驗幾乎可以瞬間擴展，且幾乎不需要實際成本。
這意味著學習曲線不僅變得陡峭，甚至可能會崩潰。
隨著這個變革的到來，企業領導者必須迅速適應新世界，否則將面臨被取代的風險。AI的進步不僅改變生產的方式，也重新定義了學習和經驗的獲取過程；企業如果不採用AI，將可能在競爭中落後於那些能夠更快縮短產品開發週期，並降低成本的先進競爭者。
- AI Destroys the Old Learning Curve
- What Learning by Doing Looks Like
- Learning curves: What does it mean for a technology to follow Wright’s Law?
（首圖來源：pixabay）
科技新報粉絲團
加入好友
訂閱免費電子報
