科技島讀

閱讀時間 10 分鐘

通常島讀討論的是科技如何「進攻」其他產業。但或許一般人更關心的是「我的產業將如何被科技衝擊」？

最近我為全國律師公會做了一場演講，主題是「科技業如何影響律師業」。同一個架構也適用其他專業服務業（professional service），如律師、醫師、會計師、機師等。因此今天我擴大討論，描述服務業創新都會經歷的四個階段 [1]：

1. 手工藝（Craft）
2. 標準化（Standardization）
3. 系統化（Systematization）
4. 平台化（Platformization）

越到後期，越向右走，工具的角色越重，專業者的角色越輕。整體是專業知識大眾化，服務標準不斷提高的過程。

手工藝

一開始，專家是一種「手藝人」（craftsman）。古典形象如下：一位律師、醫師或會計師坐在辦公室中，背後是一面書櫃，面前有張椅子。顧客坐下，傾訴他的疑難雜症。最後專家對症下藥，提出一個精妙的對策，例如發起一場訴訟、下醫療診斷，或是草擬募資文件等。

此時的專業服務過程高度客製化，充滿人情味與創意，仰賴專家多年的經驗，因此難以複製。就像手工藝一樣。

這種專業服務源自於印刷術所帶來的知識爆炸。一般人無法掌握所有參與社會必要的知識，就需要專業分工：一些人學習法律、一些人學習醫學、一些人學習會計。

然而專業分工也帶來良莠不齊的風險。正因為專業，一般人很難判斷從業人員的品質。「壞」專家可能會搶走「好」專家的生意。而且壞專家沒有受到完整的訓練，養成成本低，更容易低價搶市。若放任市場運作，造成劣幣驅逐良幣，就沒有「好」專家願意投入。

為了確保服務品質，顧客與專家們達成一個集體協議：專家必須自我約束，訂定教育與資歷的門檻，維持一定的品質與倫理標準。相對的，顧客集體允許專家們「壟斷」市場 — 也就是取得執照 — 禁止沒有執照的人競爭。

這形成今日的專業服務業 — 專家須取得執照才能提供服務。雖然缺乏競爭，因此價格高昂（笑話是「大部分律師請不起自己」），但品質穩定。

據說倫敦的計程車司機執照是世界上最難考的執照之一。不但要熟背倫敦複雜的地圖，還要實習一年！而大部分國家的計程車有獨特的車色、法定的費率，也都是為了杜絕沒有執照的人搶生意。否則乘客在路上招車，很難事先判斷司機的優劣。

專業服務都是高邊際成本（marginal cost）的行業，意思是要多服務一位顧客，就得花專家更多的時間。因此下一步是用標準化節省時間。

標準化

標準化（standardization）是將工作（job）拆分成多個任務（task），提取每一個任務的共同點，用工具將之「固定」下來。既節省時間，也維持品質。

在印刷時代，標準化的例子包括律師的合約範本（template）、會計師的審核表（checklist）、醫師的處方箋範本、顧問的標準訪談問卷等。

網路上有各種文件範本。圖：Scribd

標準化將業內的知識與流程「精煉」成一個工具。這也使知識與流程可以轉移，因此促成外包（outsource）。專家就能把部分工作交給菜鳥或助理，只要按表操課就行。專家能從重複的工作中脫身，做更有效益的事，如開發顧客或擬定策略。

回到計程車的例子。標準化的工具是地圖。有了地圖，普通司機也能達到不錯的導航水準。於是可以把媒合顧客「外包」給接線生。

到了電腦時代，出現更強大的工具，根本地改變了行業型態。

系統化

系統化（systematization）與標準化工具的不同，在於後者只是簡化一個任務，系統化卻是串接多個任務（task）。系統由一連串的步驟組合而成。人類只要在系統的起點輸入正確的東西，就能在終點獲得想要的結果。

現代的系統化工具多半應用電腦。如報稅軟體 — 只要用戶輸入正確資料，就能得到正確的報稅表格。

系統化工具也是今日科技創新的顯學。越多資料連網，系統能串接的步驟也越來越多。幾乎任何不須主觀意識判斷的任務，都會被納入系統之中。若你覺得你的工作很無聊、重複、常常想睡覺，那就表示沒有用到你的主觀判斷，遲早會被機器接手。

近來還出現一種新能力：機器學習（Machine Learning, ML）。機器學習賦予系統新的能力，能辨識模式（pattern recognition），例如圖像辨識、自然語言辨識。裝上機器學習，系統就能再串接更多步驟。

例如，過去法律判決須由人類來做。最近愛沙尼亞宣佈引入「AI 法官」，專門處理小額訴訟。AI 並不是突然懂法律或人情了，而是 AI 可以從過去的判決找出模式，再應用到新的案子之上。只要某一項任務累積了足夠的判斷資料，AI 就有機會替代人類。

再次回到計程車，Uber app 即是司機的系統化工具。Uber app 整合了找顧客、收錢、導航等步驟，甚至內建供需分析模型（機器學習），能預測不同時刻的乘車需求。過去老司機會教導菜鳥司機：「我告訴你一個很少人知道的客戶熱點，就是下午兩點以後的某醫院側門」。現在 Uber 能預測整個城市的動態需求。

隨著 Uber 出現，倫敦計程車司機忽然發現不論訓練再精良、自律再嚴謹，都很難跟 Uber 競爭。因為 Uber 司機有系統協助。就算倫敦計程車品質再好，若不能在需要的時間出現在正確的地點，顧客體驗也稱不上好。

靠著標準化、系統化工具，專家能簡化工作，提升效率。此一趨勢的終點是台灣的全身健檢：病人到不同的房間做不同的檢查：X 光、超音波、牙科、身高體重、視力、聽力等。每一個房間有一套電腦輔助一位護理師。最終由專家（醫師）做最後總結。

注意醫生只出現在最後步驟（紅框）之中。圖：三本診所

倒回去看，是醫師把原本手中的任務拆分，外包給護理師與機器。醫師仍掌控最終控制。可以說與手工藝時期的顧客關係相同，只是醫師多了很多協助。真正改變顧客與專家關係的是下一個階段。

平台化

平台跟系統不同之處，在於平台能支援多個專家與多個顧客。換言之，真正稀少的是平台 — 平台成為產業的核心。

Uber 是叫車平台。Uber 司機來來去去，顧客真正認得的只有 Uber。「專家」的角色已經非常淡了。

平台的優勢是能匯集所有專家的知識，提高平台的能力，嘉惠所有顧客。例如美國新創 InCloudCounsel 是「合約律師的 Uber」。其提供一套優秀的合約管理系統，方便企業聘請外部律師擬合約。

平台會根據顧客與律師的回饋，不斷更新平台功能。平台越強大，提供給所有顧客的服務越好，平台上的律師也能做得更快更穩定。

圖：InCloudCounsel

另一個例子是法律新創 Atrium。Atrium 比 InCloudCounsel 更激進，其創辦人 Justin Kan 亦是 Twitch 的創辦人。他以新創收到投資條件書（term sheet）來說明 Atrium 跟傳統做法的差異。

傳統上，若一家新創收到創投的 C 輪投資條件書，會把文件轉交給律師。律師再跟過去的募資文件一一比較，包括種子輪、A 輪、B 輪等。最後釐清各股東權利關係，然後出具一份資本結構表（cap table）。律師根據這個表再建議客戶說明是否要接受這一筆資金，以及若接受將對股東權益有何影響。這做法費時又容易錯。

Atrium 要做平台。因此其先把過去的文件輸入系統，擷取出結構性資料（structured data）— 可以比擬文件歸納出一張很大的 Excel 表。這個表是動態的，包括股東身份、價格、資金、權利關係等欄位。

現在收到新的投資條件書，同樣也輸入系統，就可以馬上產生新的資本結構表。速度快，也不易錯。

更重要的是 Atrium 平台可以不斷延伸。同一個資料庫不但能製作出資本結構表，也可以協助製作股東協議、財報、聘僱書等文件，就像一個資料庫支援不同的 app 一樣。

Atrium 也可以不斷進步。Atrium 服務越多顧客，平台就能持續更新。輸入越多種文件，平台就可以應用到不同狀況，提升服務所有顧客。

平台控制顧客關係

InCloudCounsel 與 Atrium 另一個特色是不按時計費，而是收固定費用（fixed fee）或訂閱制（subscription）。這是因為平台是軟體，有高昂的固定成本高，但邊際成本 — 也就是律師服務的時間 — 反而相對較低。因此其收費方式更像軟體即服務 （Software as a Service）或是軟體開發費。

這對顧客是好事。傳統「按時收費」模式導致一種自我矛盾 — 動作越快、賺得越少。顧客也不喜歡照小時付費；畢竟顧客在乎的是結果，而不是專家工作了多少時間。

更厲害的是隨著業務增加，平台收費會越來越便宜，因為單位成本更低。這也是平台的最終武器。相較於傳統專家，平台提供更透明、穩定、與越來越便宜的服務，終將掌握顧客關係。產業也將正式轉為以平台為核心。

平台的雙面刃

壞消息是門檻不斷降低、競爭增加，而機器替代了容易的工作。原本需要 10 位醫師的健檢，換成了 10 位護理師與 10 台機器。取得執照的計程車司機無法提供比 Uber 更好的體驗。

好消息是頂尖人士的影響力可以放大，掙到更高的報酬。5 顆星的司機訂單不絕。名師在教學平台上能一次教上萬名學生。

此外，平台也將「外溢」，開始服務非專家們。由於平台邊際成本低，自然會不斷擴大顧客群，甚至服務過去無法負荷的客群。Uber 從高級私家車專用，很快的擴張到業餘司機，市值反而更高。

開源（open source）平台也會出現，形成對封閉式平台的反撲。畢竟企業已經串接上封閉平台，要再串接開源的平台也很容易。

執照則將逐漸失去正當性。特別是由專家自訂的標準，將顯得越來越不合時宜。既然產業的核心是平台，標準自然應該由平台來訂。這也符合市場經濟。顧客透過平台汰弱淘強；平台則受政府的節制，由政府維持平台之間的競爭。

人類的必要性

人類依然有其地位，只是不再作為橫亙於顧客與專業知識之間的「守門人」，而是協助顧客運用平台的「嚮導」。大部分的需求會被平台所滿足。可是也會有更多細緻、深化的新需求誕生，仍需要人類解決。不論醫學如何進步，醫院門診始終絡繹不絕 — 因為新知識帶來細分的疾病分類，以及更多治療方式選項。

人類也不會被機器替代。至少在以下的工作上，仍需要人類：

• 介面：人喜歡被人服務，因此服務介面需要人的社交能力（social intelligence）
• 創意：（一般來說）機器只能重現人類辨識過的模式。要解決全新問題，仍需要人類的判斷。
• 道德：人只願意被人懲罰。所以仍需要人類做道德判斷。
• 信任：機器做錯決定不會痛、不會虧錢，因此令人難以放心。人們希望協助的對象有「切膚之痛」（skin in the game），共同承擔風險。

專家的天職是協助顧客取得專業能力。隨著資料連網，專業能力不再存於書櫃之中，而是存於平台之中，可以靈活的輸出。這將嘉惠更多人，提高服務品質。而必須轉變心態，學習利用平台提供服務。

[1] 主要改編自 Richard Susskind 與 Daniel Susskind 合著的《The Future of the Professions: How Technology Will Transform the Work of Human Experts》。