"萊希斯因鍵盤貓一戰成名，成為早期網路爆紅明星求教的不二人選。不久他辭去原本的工作，成為全職迷因經理人。萊希斯極具天分，很早就看出可能爆紅的網路角色，也有辦法將它們推向國際。不論是不爽貓（Grumpy Cat）、彩虹貓（Nyan Cat）、握拳寶寶（Success Kid）、超上相先生（RidiculouslyPhotogenic Guy），還是爛人史帝夫（Scumbag Steve），你想得到的2010年代流行迷因，幕後操盤手很可能都是萊希斯。他不只簽下迷因，還幫助創作者充分運用數位人氣。 網路明星在2010年代初呈指數成長。萊希斯說：「這些事物已經開始成長得更快，也更接近主流。」之所以出現這樣的發展，部分要歸功於他和其他認真投入的經理人。而這一切，YouTube全看在眼裡。"-流量國度：從人氣變現到掌握影響力，網紅如何造就自媒體盛世 P109
AI時代的資產新戰場：經理人如何駕馭無形的數位權力
在工業時代，企業的價值往往建立在「有形資產」上：土地、廠房、設備與產品。然而，進入AI與雲端主導的數位經濟後，企業競爭力的核心，已轉移到「無形資產」：數據、演算法、品牌聲譽、社群帳號、內容產權與顧客行為資料。這些新型資產雖看不見、摸不著，卻能在市場上創造遠超傳統資產的槓桿效應。對經理人而言，如何理解、評估、保護與活化這些數位資產，正成為能否在AI時代中生存的關鍵。
一、數位資產的定義轉變：從「工具」到「資本」
數位資產不再只是輔助經營的工具，而是企業「價值創造」的主體。包括：
- 品牌域名與社群帳號（如Instagram、X、YouTube頻道等）
- 顧客數據與行為模型
- 演算法與AI模型訓練資料集
- 內部知識庫與內容庫（content library）
- NFT、數位憑證與智慧合約等Web3型態資產
過去企業常將這些項目視為營運附屬品，交由行銷或IT部門管理。然而，如今這些「無形資產」已能決定企業的估值。例如，2024年OpenAI的估值高達900億美元，並非因為擁有工廠或專利，而是其訓練語料、演算法與使用者社群的整合價值。這是典型的「AI資產化」現象。
二、管理數位資產的三大挑戰
1. 資產歸屬與法律責任不明
許多企業沒有釐清數位資產的法律權屬。例如，一名社群經理人若以個人帳號經營公司品牌，當他離職時，該帳號的粉絲歸誰？
2022年，美國《Insignia Systems》公司曾因行銷主管離職帶走LinkedIn帳號，導致客戶流失，最終引發訴訟。這案例凸顯企業必須建立「數位資產所有權契約」，確保所有帳號、內容、數據均屬於法人名義，並明定轉移機制。
2. 資料孤島與AI黑箱
企業內部常有各部門自行蒐集、使用數據，缺乏統一架構，導致AI無法整合訓練。根據《MIT Sloan Management Review》報告，超過68%的企業AI專案失敗，主因是「數據分散、缺乏治理」。
解決之道是導入「Data Governance Framework（資料治理框架）」，以標準化方式界定資料流通權限、存取規範與加密安全。
3. 資產估值與營運指標模糊
與有形資產不同，數位資產的價值難以以傳統會計衡量。例如一段AI生成內容，究竟能創造多少品牌曝光？這讓經理人難以向董事會證明其投資回報。
解法是建立「數位資產負債表」（Digital Asset Balance Sheet），以量化方式追蹤數據產出、演算法效益與顧客轉換。像微軟在2023年起即將其雲端AI服務的用戶參與度納入企業價值計算，逐步建立「AI資本化」評估體系。
三、真實案例解析：誰能掌控AI資產，誰就掌控市場
可口可樂的「AI品牌實驗室」
2023年，可口可樂成立「Create Real Magic」計畫，結合OpenAI與DALL·E技術，讓用戶可生成專屬品牌海報。這項活動不僅創造上億次互動，更讓企業掌握大量使用者偏好資料，進而優化全球行銷策略。
AI不僅是創意工具，更是品牌資產的數據生成器。
Netflix 的「觀影偏好模型」
Netflix 的價值核心不是影片本身，而是用戶行為模型。透過AI學習觀看時間、暫停點、選片模式，它能精準預測觀眾的下一步需求。這種「行為演算法」本身即是企業最珍貴的資產。
資料與模型的持續優化，是AI資產管理的核心。
台灣新創「KKCompany」的版權資料庫
KKCompany（原KKBOX集團）將十多年音樂授權資料系統化，轉化為能供AI模型使用的資料庫，成為音樂AI訓練的基礎設施之一。
內容管理能力＝AI資產轉化能力。
四、經理人五項關鍵策略：建立「AI資產思維」
- 法律化管理：訂立明確的數位資產所有權條款、授權協議與離職轉移機制。
- 數據治理制度：推行資料分類、清理與授權流程，確保AI訓練資料合法合規。
- 跨部門整合架構：成立「數位資產管理委員會」（Digital Asset Management Board），統籌品牌、行銷、法務與技術決策。
- 導入AI追蹤工具：使用如DataDog、Snowflake、或開源模型追蹤系統（如MLflow），監控AI資產生命週期。
- 資產活化與再利用：讓內容與數據能多次轉化價值，例如課程影片轉為短影音、AI訓練集再應用於客服模型。
五、從「擁有」到「掌握關聯性」的時代
AI時代的資產管理不在於你擁有多少資料，而在於能否洞察資料之間的「關聯性」。能將內容、社群、演算法與品牌情感串接起來的企業，才能真正駕馭無形的數位權力。
未來的經理人，不只是會管人、管錢，更要懂得「管演算法」。這是AI經濟下的新領導力。
