如何設計出「允許偉大發生」的合作模式？
在數位轉型與 AI 合作成為顯學的今天，CIO 幾乎每天都在被要求做一件事：找對夥伴，加快速度，創造突破。當董事會質問：「我們投入巨資的策略夥伴，為什麼還沒帶來顛覆性的市場創新？」
對於合作成果的不如預期，多數 CIO 的本能反應是檢討執行層面：是不是專案管理不夠緊湊？技術對接是否有誤？還是團隊溝通頻率不足？我們往往假設，只要再努力一點、再最佳化一點，就能突破瓶頸。
然而，一個更殘酷的真相可能在於：這場合作的失敗，並不是因為執行不力，而是在簽署合作協議的那一刻，就已經註定了平庸。問題在於，多數組織在合作真正啟動之前，其實已經無意識地做出了一個決定，而這個決定，幾乎完全鎖死了後續能產生的成果種類。
文／蔡義昌（聯新國際醫療集團策略長）、
林華庭（聯新國際醫療集團 總執行長辦公室 策略總監）
從決策推理到合作模式錯配的結構性真相
在當前急迫的數位轉型壓力下，企業急於尋找外部夥伴以獲取新能力。但我們經常忽視了一個隱形的結構性問題：我們先天選擇的「治理思維」，往往與我們期待的「成果目標」背道而馳。
這種「結構性錯配」，會在專案啟動的第一天，就為可能的產出設定了一個不可突破的「因果上限」。這不是技術問題，也不是夥伴能力問題，而是一個更深層的結構問題：決策推理邏輯與合作模式錯配，會在一開始就決定因果上限。
為什麼你的合作再努力，也不可能產出你要的成果？
多數 CIO 回顧失敗合作時，會檢討執行、溝通、文化差異，卻很少回頭問一個更殘酷的問題：這個合作，在因果上，真的允許我們期待的成果發生嗎？
作為 CIO 的職責不僅是加速專案，更是要看清這個隱形的結構。本文提出一個「數位合作的因果結構模型」，協助您診斷並設計正確的合作模式，避免讓組織的努力，被錯誤的框架鎖死在低價值的循環中。
兩種底層治理思維：你相信預測，還是相信探索？
要理解合作為何失敗，我們必須深入決策的最底層。創業與策略研究早已指出，人在面對高度不確定性時，並不是只有冒進與保守之分，而是會採用兩種本質上完全不同的推理邏輯，這構成了合作模式的基石。
- 因果推理邏輯（Causal Reasoning Logic）：決策者假設市場可被分析與預測，先設定目標，再規劃達成路徑。這種邏輯強調效率、可控性與風險管理，在穩定環境中極為有效，卻會在高度不確定的情境中，自動壓縮探索空間。這是一種「基於預測做計畫」的管控思維。
- 實踐推理邏輯（Effectual Reasoning Logic）：決策者不以預測為前提，而是先行動，利用手邊現有資源進行實驗，不依賴完美的計畫，接受可承受的損失，並在與利害關係人的互動中逐步形塑全新機會與市場。這種邏輯的力量不在於控制，而在於適應，因此能在未知中創造新的產業可能性。這是一種「先行動再定義」的探索思維。
關鍵在於，這兩種推理邏輯並不是抽象的心理傾向，而是會具體地形塑出組織的合作設計，並衍生出三種截然不同的合作夥伴類型與「登山隊」型態。
三種合作世界的因果結構模型
如圖所示，不同的底層邏輯基石，將支撐起完全不同的合作路徑，並最終指向不可跨越的「因果成果上限」。
路徑一、高不確定性的創業夥伴：首登隊的創業征途
請看模型圖左側的紅色支柱。這條路徑建立在高度的「實踐推理邏輯」基石之上。
創業夥伴與「首登隊」登山型態：這是一支為了「首登」未知險峰而組成的隊伍。他們是「創業夥伴」，任務是在暴風雪中探索前無古人的路徑。這種合作在制度上必須允許試錯，甚至將失敗視為必要的學習成本。隊員攜帶的是輕量裝備，路線不完全確定，隨時可能因天候或地形改變計畫。他們知道，這趟旅程的價值，不在於準時抵達，而在於是否發現新的路徑，甚至新的山系。
創業績效的因果成果上限：建立在高度實踐推理之上。這類夥伴在制度上允許試錯，接受路徑反覆，甚至容忍失敗本身成為學習的一部分。其真正目標不是效率，而是可能性。這樣的合作，在因果上允許的成果是創業績效。新市場、新技術、新制度、新產業，甚至新的專業角色與工作型態，都可能從這種合作中誕生。但代價也非常明確：短期無法保證 ROI，成果難以用既有指標衡量。
創業夥伴合作的代價：極高的不確定性。如果 CIO 一邊選擇創業夥伴，一邊又要求穩定產出、年度績效與即時回收，那不是管理嚴格，而是在扼殺創新的可能性。
【案例一：路徑一的極致典範】Microsoft 與 OpenAI：一場基於「實踐推理」的豪賭
當微軟（Microsoft）在 2019 年首次向 OpenAI 投資 10 億美元時，這看起來一點也不像標準的企業採購案。當時大型語言模型（LLM）的商業路徑完全不明朗。微軟採用的並非傳統的「因果推理」（預測 ROI），而是典型的「實踐推理」。微軟提供了巨大的計算資源作為「可承受的損失」，並允許 OpenAI 這支「首登隊」在幾乎沒有短期產品交付壓力的情況下進行探索。他們沒有用繁瑣的 KPI 束縛 Sam Altman，而是建立了一種基於共同願景和資源互補的創業夥伴關係。如果微軟當時用管理 Office 軟體開發的邏輯去管理 OpenAI，ChatGPT 很可能胎死腹中。
路徑二、中不確定性的策略夥伴：稜線隊的策略卡位
模型圖中間的藍色支柱，代表了一種混合的路徑。
策略夥伴與「稜線隊」登山型態：在登山比喻中，這是一支目標明確的「稜線隊」。他們不是要探索全未知的領域，而是要在險要的山脊上搶佔戰略高地，取得最佳視野與位置優勢。路線大致清楚，但仍需現場判斷；風險存在，但在可控範圍內。作為「策略夥伴」，雙方需要對關鍵目標做出承諾，同時保留一定的戰術彈性。
策略績效的因果成果上限：這條路徑通往「策略績效」的天花板，例如建立獨特的競爭優勢、關鍵市場定位或生態系中的主導地位。位於實踐推理與因果推理之間。雙方仍保留一定程度的探索彈性，但同時開始對路徑、資源與目標做出承諾。這類合作不追求全面未知，而是聚焦於關鍵節點的佈局。但前提是，雙方願意在某些選擇上站邊，接受排他性，並放棄部分彈性。
策略夥伴合作的代價：需要做出排他性的選擇與承諾。如果治理機制設計得過於靈活，允許隨時無痛退出，那麼策略性的累積將無法形成。問題常發生在這裡。許多組織口頭上說的是策略夥伴，實際上卻在治理設計上保留完全退出權與短期績效審查，結果在因果上，策略成果根本無法累積。
【案例二：路徑二的策略佈局】Mayo Clinic 與 Google Cloud：醫療 AI 的「稜線隊」卡位戰
全球頂尖的 Mayo Clinic 與 Google Cloud 的十年戰略合作，是典型的「混合推理邏輯」。雙方的目標很明確：搶佔「AI 驅動的數位醫療」這一戰略稜線位置。這場合作既有明確的承諾（梅奧將數據遷移至 Google Cloud），也保留了極大的策略彈性（共同開發未知的 AI 診斷工具）。他們不是在進行一場完全未知的探險，而是在一個受高度監管的行業中，透過結盟來建立競爭壁壘，最後確立了 Google 在醫療 AI 領域的領先地位，同時鞏固了梅奧診所作為全球數位醫療創新者的關鍵角色。這是一種互為護城河的生態系卡位。
路徑三、低不確定性的作業夥伴：後勤補給隊的作業效率
模型圖右側的綠色支柱，是絕大多數企業最熟悉的路徑，建立在堅實的「因果推理邏輯」之上。
作業合作夥伴與「補給隊」登山型態：在登山比喻中，這是一支裝備精良的「補給隊」，行駛在平坦的大道上。他們是「作業夥伴」，任務不是探險，而是安全、準時、高效地將物資送達已知地點。流程清晰、責任明確是其核心特徵，他們的任務不是探索，而是確保物資能準時、安全地送達已知營地。路線事先規劃，重量精算，任何不可控風險都被視為失誤。
因果成果上限：作業夥伴型合作，幾乎完全建立在因果推理之上。流程清楚、責任明確、績效可衡量，是這類合作最大的優勢。其核心價值不是突破，而是穩定。這條路徑的天花板非常明確，就是「作業績效」，亦即成本降低、效率提升、短期的財務回報。
作業夥伴合作的代價：為了追求穩定與效率，不確定性被系統性地排除了。因此，這條路徑在結構上幾乎不可能孕育出顛覆性的創新。但也正因為不確定性被事先排除，它在結構上幾乎不可能孕育創新。用作業夥伴期待產業創新，並不是執行不力，而是在出發前就選了一條不通往那座山的路。
【案例三：路徑三的效率實踐】聯新國際醫療的作業最佳化戰役
聯新國際醫院過去病患滿意度調查依賴傳統紙本，這不僅導致資料回收緩慢，單一部門每月更需耗費超過 15 小時進行人力建檔。因此，在作業效率最佳化的考量下，選擇 SurveyCake 作為數位合作夥伴，合作成果完美符合了最初設定的作業績效：問卷建檔工時銳減 50%，且回饋機制從落後的月結檢討轉變為即時控制，實現了對現場狀況的即時掌控。
結構性錯配的陷阱：努力是如何被鎖死的？
現在，請將目光移至模型圖的最下方，那個標示著「結構性錯配的陷阱」的區域，以及那條斷裂的紅色箭頭。這正是當前無數數位合作案的真實寫照。
其中，最危險的情境，並不是我們選錯了哪一條路，而是我們試圖「跨路徑」對接，用右側「因果推理（補給隊）」的治理邏輯，去追求左側「創業績效（首登隊）」的成果天花板。
許多企業渴望 AI 帶來顛覆性創新（路徑一的成果），但在面對合作夥伴時，採用的卻是標準的採購流程、嚴格的 ROI 審查、以及零風險的合約條款（路徑三的治理）。結果是什麼？正如圖中斷裂箭頭所示，這種錯配導致了「結構性耗損」。
真正的創新夥伴會因為受不了繁文縟節而離開。留下來的夥伴為了滿足 KPI，會不自覺地將目標降級為安全的最佳化專案。
組織內部投入了巨大資源，雙方團隊都很努力，但最終成果被牢牢鎖死在低風險、低價值的區間。創新，被我們自己的管理邏輯扼殺了。
【警示案例：結構性錯配的代價】Haven：被管理邏輯扼殺的雄心
2018 年，三家巨頭（Amazon, Berkshire Hathaway, JPMorgan）合資成立 Haven，旨在「顛覆」美國醫療保健體系，提供高品質、低成本的醫療服務。目標直指最高級別的「創業績效」（路徑一的成果）。 然而，三年後 Haven 宣告解散。外界分析指出，儘管雄心壯志，但這三家龐大、成熟且受高度監管的企業，其內部的治理結構和決策慣性（路徑三的因果推理與風險厭惡），根本無法支撐起一個需要高度試錯、挑戰既得利益結構的「首登隊」任務。這是一個典型的「結構性耗損」案例。巨大的資源投入與頂層關注，最終被僵化的內部協調與對既有體系的妥協所消耗殆盡。它證明了：僅有顛覆性的願景，若沒有匹配的創業型治理結構，創新終將是一場空。
CIO 的新角色：因果結構的設計師
在這樣的世界裡，CIO 的專業角色面臨升級。我們不再只是技術的引進者或專案的推動者，我們必須成為「企業因果結構的設計師」。
在啟動任何重大的跨界或 AI 合作之前，CIO 需要帶領團隊進行一場誠實的自我診斷。請對照模型圖，問自己三個關鍵問題：
CIO 自我診斷三問
- 我們期待的「成果上限」究竟是什麼？
（誠實面對：董事會要的是穩定的財報數字最佳化，還是充滿風險的新市場入場券？別試圖兩者兼得。） - 我們的組織文化與治理機制，真心允許哪種「推理邏輯」？
（現實檢核：我們的財務與稽核制度，能容忍多大的試錯空間與損失？我們是真的要探險，還是只想安全補給？） - 這兩者是否垂直對齊？
（關鍵判斷：我們是否正在用管理「補給隊」的思維，去指揮一支「首登隊」？如果是，請立刻停止或重新設計。）
結語
回顧那些令人惋惜的數位轉型失敗案例，它們往往不是因為參與者不夠聰明或不夠努力。相反，它們常常是在一群極其理性、專業的人士主導下，被一致地設計成「只能產出平庸結果」的結構。
真正成熟的 CIO，不是追求什麼都要，而是懂得在因果結構面前保持謙卑，知道什麼時候「不能要」。因為在數位轉型的險途上，突破性的成果從來不是靠蠻力堆疊出來的，而是被正確的合作模式「允許」發生出來的。是時候重新審視你的合作結構了，別讓錯誤的起跑點，鎖死了你的未來可能性。
