【114級博士生蔡程毅、黃威博撰稿】

　　政治大學科技管理與智慧財產研究所博士班 Seminar 本次邀請台大工商管理學系林博文教授，以「獨角獸新創企業的能力動態演化」為題，帶領同學重新思考策略管理中最具影響力、也最具爭議性的理論之一：動態能力（Dynamic Capabilities）。在人工智慧、數位轉型與全球市場快速變動的時代，企業不只要擁有能力，更要理解能力何時有效、何時失效，以及何時必須被重組。林教授的演講，正是從這個核心問題展開：如果新創企業因為具備動態能力而成為獨角獸，為什麼有些企業在成為獨角獸後，反而更容易陷入衰退？

林教授首先回到動態能力理論的學術源頭。自 David Teece 於 1990 年代提出此一概念後，動態能力即被視為補足資源基礎觀（RBV）在動態環境下不足的重要架構；然而，這個理論也長期面臨「同義反覆」（tautology）的批評：成功企業被說成具有動態能力，失敗企業則被說成缺乏動態能力，理論似乎怎麼解釋都成立，卻難以被證偽。林教授指出，這不只是策略管理內部的技術性爭論，更牽涉到社會科學理論是否具有可測量性、可證偽性與預測力的根本問題。
 

為了突破這個困境，林教授將動態能力拆解為三個核心支柱：感知（sensing）、掌握（seizing）與轉型（transforming）。感知代表企業辨識市場與技術變化的能力；掌握關乎企業能否取得資源並把握機會；轉型則指向企業能否重構組織、商業模式與資源基礎。然而，這三者並不必然是一條線性流程，也不一定在所有階段都發揮相同作用。企業早期需要敏銳感知機會，成長期需要掌握資源與市場，進入規模化後則必須面對組織重構與能力汰換。動態能力真正的挑戰，並非「有或沒有」，而是能力組合是否與企業所處階段相互對位。
 

這也正是林教授提出「能力動態觀」（Capability Dynamic View, CDV）的關鍵。該研究以美國科技獨角獸企業為主要樣本，透過模糊集定性比較分析（fsQCA）與跨期設計，觀察企業從創業早期到市場主導階段的能力配置如何演化。研究核心發現是：早期成功往往具有多路徑等效性，也就是不同能力組合都可能讓企業成為獨角獸；但進入後期，成功條件會逐漸收斂，尤其是掌握資源與機會的 seizing 能力，會成為更關鍵的條件。換言之，獨角獸的早期成功未必能自動延伸為長期優勢；過去有效的能力配置，到了下一階段甚至可能成為制度遺跡。
 

林教授以 Kodak 與 Nokia 的經典案例說明能力錯位的風險。Kodak 早在 1975 年即發明數位相機，卻因既有膠捲獲利模式太過強大，未能真正掌握數位轉型；Nokia 在智慧型手機興起時，也受限於既有系統與組織結構，未能及時重構能力。這些案例提醒我們，企業失敗不一定是因為沒有能力，而可能是因為能力停留在錯的時間點。當早期成功模式被過度延用，原本的優勢便可能轉化為下一階段的限制。
 

演講中特別值得博士生關注的，是林教授對研究方法的反思。他指出，傳統動態能力研究若只從最終財務績效回推企業能力，很容易落入事後合理化。未來研究必須走向微觀基礎（microfoundations）與時間序列設計，透過組織流程、決策模式、資源配置與能力重構的近端指標，讓「能力」與「結果」真正分離。這也是他採用 fsQCA 的原因：企業成功不必然只有單一路徑，而可能來自不同條件組合；更重要的是，跨期比較能讓研究者觀察「能力配置的變動」本身，而不只是靜態地判斷企業是否具備某種能力。
 

AI 也成為林教授此次演講的重要線索。他分享自己如何與 AI 工具對話，從理論辯論、研究問題發想，到資料整理與分析流程設計，逐步將抽象問題轉化為可操作的研究題目。不過，他也提醒，AI 並非可以完全外包判斷的工具。初期若過度相信 AI 直接產出的結果，容易遇到細節錯誤、推論不穩或難以追蹤判斷依據的問題。因此，他改採分階段流程：先由 AI 蒐集與整理企業文本，再依據明確 protocol 進行專家式評分，並保留可回溯的判斷依據。這種做法既善用 AI 的效率，也避免研究者失去對資料與方法的掌控。
 

從更大的脈絡來看，AI 正在重塑動態能力本身。未來企業的 sensing 可能逐漸算法化，透過大數據與機器學習辨識市場弱訊號；seizing 可能透過商業模式模擬與風險分析提升資源配置效率；transforming 則可能藉由生成式 AI、智慧供應鏈與組織流程自動化，實現更快速的組織重構。林教授也提到，Teece 近年與科技企業家共同推出 AI 數位孿生系統，象徵管理知識正在從個人經驗與專家判斷，逐步走向可複製、可模擬、可演算的模型化形式。
 

這場演講的核心啟發在於：獨角獸不是終點，而是能力重新接受檢驗的起點。企業真正稀缺的，不只是某一項強能力，而是能夠辨識階段變化、調整能力組合並持續自我重構的元能力（meta-capability）。對政大科智所博士生而言，林博文教授提供的不只是動態能力理論的更新版本，更是一種研究訓練：先辨認理論爭議，再找到合適場域；先拆解能力構面，再設計可觀察指標；先承認 AI 的力量，再建立研究者自己的判斷邊界。當能力不再被視為靜態資產，而被理解為跨時間、跨階段、跨情境的動態配置，策略管理研究也就真正走向下一個問題：企業如何在成功之後，仍保有重新成長的能力。