如果你不知道哪個點子會成功，要怎麼「管理」一整櫃的創新？

如果你不知道哪個點子會成功，要怎麼「管理」一整櫃的創新？

你已經讀過入門篇：知道創新有漸進式與突破式之分、認識了克里斯汀生（Clayton Christensen）的破壞式創新與「創新者的兩難」、也用商業模式畫布（Business Model Canvas）拆解過企業如何創造與擷取價值。那一層談的，大致是「創新是什麼、有哪些類型、為什麼在位者會輸」。

但真正坐進企業創新長（Chief Innovation Officer）位子的人，每天面對的是一個更難堪的問題：桌上同時躺著二十個專案，每一個都聲稱自己是下一個 iPhone，而你手上的研發預算只夠養三個。你怎麼決定砍掉哪十七個？你怎麼知道一個現在還在虧錢、看起來像笑話的計畫，到底是「明日之星」還是「該停損的沉沒成本」？

入門篇假設創新已經「發生」了，回頭去分析它屬於哪一類。進階篇要往前站一步，站到結果還沒揭曉、一切都還是迷霧的時刻——也就是創新真正困難、真正需要「管理」的時刻。這一篇談的是三件事：創新背後的動態規律（技術會怎麼演化）、把不確定性當常態的決策方法（在不知道答案時怎麼下注），以及把一整櫃賭注一起管好的組合與衡量（怎麼分散風險、怎麼計分）。

技術不是直線前進，而是一條 S 曲線

要管理創新，得先理解技術自己的「生命節奏」。最有用的工具是技術 S 曲線（Technology S-curve），由福斯特（Richard Foster）在 1980 年代普及。

它描述的是：一項技術的「績效」相對於「累積投入的努力」，並非線性成長，而是呈 S 形。初期，投入很多、進展很慢（基礎尚未成形，到處踩坑）；中期，一旦關鍵障礙被突破，績效隨投入快速攀升（甜蜜期）；後期，技術逼近物理或設計極限，再多投入也只換來邊際改善（報酬遞減）。

這條曲線的管理意涵極其深刻。當你的核心技術走到 S 曲線頂端時，你的工程師仍會回報「我們今年又進步了」，但進步幅度愈來愈小。此時若有一條全新技術的 S 曲線正在你下方默默啟動——它現在的絕對績效還比你差，但它的曲線更陡、天花板更高——你就站在所謂的「技術不連續」（Technological Discontinuity）的懸崖邊。

這正是入門篇柯達故事的底層機制。膠卷化學影像是一條成熟的 S 曲線，已近頂端；數位感光是另一條才剛起步、但斜率更陡的曲線。當兩條曲線交叉，舊技術的所有累積優勢會在很短時間內貶值。管理的難點在於：交叉發生之前，數據看起來永遠站在舊技術那邊。 你必須在「證據還不充分」時就決定跳槽到新曲線——這是判斷，不是計算。

從混戰到秩序：主導設計與創新焦點的轉移

S 曲線解釋了單一技術的命運；但一個全新產業剛誕生時，往往是「多種技術版本互相廝殺」。理解這段混戰如何收斂，要靠厄特拜克（James Utterback）與阿伯納西（William Abernathy）的「主導設計」（Dominant Design）理論。

他們觀察到產業創新有一個可預測的相位轉移：

流動期（Fluid Phase）：產品形態還沒定型，市場上百花齊放。早期汽車有燒汽油的、燒蒸汽的、用電池的；早期個人電腦各家規格互不相容。此時競爭焦點是產品創新——大家都在問「這東西到底該長什麼樣」。

主導設計出現：某一種組合（不一定是技術上最優，但在性能、成本、相容性、配套生態之間達到夠好的平衡）勝出，成為產業的事實標準。福特 Model T、IBM PC 架構、QWERTY 鍵盤都是例子。一旦主導設計確立，遊戲規則就變了。

特定期（Specific Phase）：產品形態已定，競爭焦點從「做什麼」轉向「怎麼做得更便宜、更有效率」，也就是製程創新（Process Innovation）取代產品創新成為主戰場。此時規模經濟、供應鏈、製造良率變成勝負關鍵。

這個架構回答了一個入門篇沒處理的策略問題：同一家公司，在產業不同階段需要的能力完全不同。 流動期需要的是敢實驗、容忍失敗的探索型團隊；特定期需要的是六標準差（Six Sigma）那種追求效率與一致性的營運紀律。許多在流動期領先的先驅者，恰恰因為換不了檔——無法從「狂野的發明家」轉型為「嚴謹的製造商」——而在主導設計確立後被後來者超車。

不確定性不是要消除的，是要管理的

理解了動態之後，核心的管理問題浮現：在 S 曲線交叉點還沒到、主導設計還沒出現的迷霧期，你怎麼做決策？

傳統的財務工具在這裡會失靈。對一個突破式創新做淨現值（NPV）分析，你必須填入「五年後的市場規模」「滲透率」「售價」——而這些數字此刻純屬虛構。把虛構的數字丟進精確的試算表，只會得到一個「看起來很科學的猜測」。更糟的是，NPV 對突破式創新有系統性的偏誤：因為早期現金流為負、不確定性又被當成「風險」打折，最具顛覆性的機會在試算表上往往得分最低，於是被理性地砍掉——這又是創新者兩難的一種數學版本。

進階的創新管理用兩套思維取代「先預測再執行」：

第一，真實選擇權思維（Real Options Reasoning）。 把一筆早期創新投資看成買「選擇權」而非「買股票」。你先投一小筆錢，買的不是「保證成功」，而是「未來看到更多資訊後、有權利（但無義務）再加碼」。關鍵動作是分階段投入：先用小錢買掉最大的一個未知，若驗證為真才放大下注，若證偽就讓選擇權到期、止損出場。這把「不確定性」從敵人變成有價值的東西——不確定性愈高，「等待並保留加碼權利」這個選擇權反而愈值錢。

第二，發現導向規劃（Discovery-Driven Planning）。 麥奎絲（Rita McGrath）與麥克米倫（Ian MacMillan）提出，對全新事業不要做「傳統規劃」（先定目標、再執行、實現了就算成功），而要做「假設導向規劃」：先寫下「要讓這個事業成功，必須有哪些事為真」的清單（reverse income statement，反推損益表），把每一條當成待驗證的假設而非既定事實，然後設計最便宜的實驗依序去檢驗它。計畫的目的不是「被執行」，而是「被學習」——每個里程碑（Checkpoint）是用來決定「該繼續、轉向、還是放棄」的決策點。

這兩套思維，正是後來「精實創業」（Lean Startup）「最小可行產品」（MVP）「驗證式學習」（Validated Learning）等流行語的學術根源。它們共同的精神是：把昂貴的「賭整個公司」拆解成一連串便宜的「賭一個假設」。

看一個例子

亞馬遜（Amazon）的 Fire Phone 與 Kindle，是同一家公司用不同方法下注、得到不同結局的對照組。

Fire Phone（2014） 幾乎違反了上面所有原則。亞馬遜一次性投入大量資源，直接推出一支功能繁複、定價對標高階旗艦的手機，等於用「傳統規劃」的方式賭一把——先假定它會成功、再大規模執行。市場反應冷淡，最終認列約 1.7 億美元的存貨減損，產品線收掉。它的錯不在「嘗試」，而在「沒有先用小實驗驗證最關鍵的假設」（消費者為什麼要放棄 iPhone／Android 生態、改用一支綁死亞馬遜的手機？），就把賭注一次推到底。

Kindle 與後來的 AWS、Alexa 則展現了發現導向的紀律。Alexa 並非一推出就無所不能，而是先以 Echo 音箱切入一個窄場景（語音播音樂、設鬧鐘），在真實使用中持續學習、逐步擴張技能。AWS 更是經典：它源於亞馬遜「先解決自己內部的基礎設施問題」，驗證了可行與需求後，才把它變成對外的事業，並被允許長時間不以零售本業的獲利標準來考核（這正呼應入門篇談過的雙元組織與差異化指標）。

兩相對照的啟示不是「亞馬遜很厲害」，而是更務實的一課：即使是資源近乎無限的公司，靠「一次梭哈」做突破式創新仍會輸；真正能複製的，是把大賭注拆成小實驗、用便宜的失敗換取昂貴的學習這套紀律。 Fire Phone 的失敗本身是健康的——前提是它夠便宜、夠快、且公司從中學到了東西。

一整櫃賭注：創新組合與三層視野

單一專案的決策講完，回到開頭那位創新長的處境：他要管的不是一個專案，而是一整個創新組合（Innovation Portfolio）。這裡的核心智慧是——不要試圖在每個專案上都賭對，而要確保整個組合的風險分布是健康的。

最廣為使用的框架是巴格海（Mehrdad Baghai）等人在《成長煉金術》（The Alchemy of Growth）提出的「三層視野」（Three Horizons）：

• 視野一（Horizon 1）：守護與擴張現有核心事業。確定性高、回報近、但成長天花板低。
• 視野二（Horizon 2）：正在浮現、可望成為下一個成長引擎的新興事業。已驗證部分假設，但尚未規模化。
• 視野三（Horizon 3）：種子型的選擇權——可能改變遊戲規則，也可能全軍覆沒，回報遙遠且高度不確定。

三層視野的管理重點有兩個。其一，三層必須同時存在：只顧視野一的公司會在核心事業見頂時無以為繼（柯達式困境）；只追視野三的公司會在還沒等到未來前就現金燒盡。其二，三層不能用同一把尺衡量：用視野一的「本季 ROI」去考核視野三的種子專案，等於判它死刑——這在數學上重演了 NPV 對突破創新的偏誤。許多公司會搭配一個粗略的資源配置法則（如常被引用的「70-20-10」：約七成資源投核心、兩成投鄰接、一成投顛覆），但比例不是重點，重點是逼自己承認「未來需要被刻意撥款」，否則急迫的當下永遠會把資源從重要的未來那裡搶走。

值得提醒：組合管理也有它的陰暗面。若每個視野二、視野三專案都被要求「立刻證明自己」，公司會陷入「創新劇場」（Innovation Theater）——開了很多創新工作坊、貼滿便利貼、辦了黑客松，卻沒有任何專案被允許走完驗證、規模化的長路。看起來很忙，組合卻空轉。

你不能管理你沒衡量的：創新會計

最後一塊拼圖是衡量。傳統會計指標（營收、毛利、ROI）對早期創新幾乎沒有意義——一個還在驗證假設的專案，營收本來就該是零，用零營收去否定它毫無道理。但「無法用傳統指標衡量」不等於「不能衡量」。

萊斯（Eric Ries）提出創新會計（Innovation Accounting）：對早期事業，不看財務數字，而看「驗證式學習」的進度——也就是「你這個月把多少個關鍵假設從『不確定』推進到『已驗證／已證偽』」。配套的還有對「虛榮指標（Vanity Metrics）」的警覺：累計下載數、累計註冊數這類「只會上升、無法下降」的數字看起來很美，卻無法指導決策；真正有用的是可操作的指標（Actionable Metrics）與世代分析（Cohort Analysis）——觀察「這週加入的這批新用戶，七天後還有多少留下來」，因為它能直接回答「我上週改的東西到底有沒有用」。

把這些工具串起來，就構成一套與傳統「預算—執行—考核」截然不同的創新治理邏輯：核心事業用財務指標管理，要的是效率與可預測；早期創新用學習指標管理，要的是速度與驗證。 把兩套邏輯混用——用財務指標掐死早期創新，或用「我們還在學習」當藉口讓爛專案永遠不必交代——都是組織常見的失敗模式。創新管理的成熟度，很大程度上就體現在「能不能對不同階段的事物用不同的尺」。

重點回顧

• 技術沿 S 曲線演化，新舊曲線會交叉。 管理的難點在於必須在「證據還站在舊技術那邊」時，就判斷並跳到斜率更陡的新曲線。
• 產業從流動期收斂到主導設計，再進入特定期。 競爭焦點隨之從產品創新轉向製程創新，所需能力也從「敢實驗」轉為「重效率」——換不了檔的先驅者常被後進者超車。
• 不確定性要管理，不是要假裝消除。 用真實選擇權思維分階段下注、用發現導向規劃把計畫當成「待驗證的假設清單」，取代「先精準預測再大規模執行」。
• 管組合，不是賭單一專案。 三層視野要求核心、鄰接、顛覆三類事業同時存在，且必須用不同的尺衡量，避免用本季 ROI 扼殺種子型創新。
• 早期創新用創新會計衡量學習進度。 警惕只升不降的虛榮指標，改用可操作指標與世代分析，回答「我做的改變到底有沒有用」。

深入探討（研究所視角）

對想把創新管理當研究主題的學習者，這幾條線索值得延伸。

第一，創新的擴散與量化建模。 本文談的是企業端的決策，但創新一旦進入市場，其被採用的速度有可預測的規律。羅吉斯（Everett Rogers）的「創新擴散」（Diffusion of Innovations）理論把採用者分為創新者、早期採用者、早期大眾、晚期大眾與落後者，而巴斯模型（Bass Diffusion Model, 1969）則用「創新係數」與「模仿係數」兩個參數，把這條採用曲線寫成一個可估計的微分方程式。這是行銷科學與技術預測的交會點，也是把「軟性的管理故事」轉化為「可檢驗的數學模型」的範例——但也要警覺：對尚未上市的突破式創新，這些參數同樣是事後才估得準，事前預測新品銷量至今仍是出了名的困難。

第二，吸收能力與路徑依賴。 柯恩（Wesley Cohen）與李文索（Daniel Levinthal）1990 年提出的「吸收能力」（Absorptive Capacity）指出，企業辨識、消化並運用外部新知識的能力，本身取決於它過去累積的相關知識存量——這解釋了為什麼「研發」不只是為了產出，更是為了「讓自己看得懂外面在發生什麼」。與之相關的是「路徑依賴」（Path Dependence）與「能力陷阱」（Competency Trap）：組織愈擅長某件事，就愈傾向重複它，反而在技術不連續來臨時動彈不得。這條線把創新管理與組織學習、知識管理的文獻接了起來。

第三，敏捷與精實的實證邊界。 精實創業、MVP、發現導向規劃等方法已近乎管理顯學，但嚴謹的研究者應追問其適用邊界：這套「快速試錯」的邏輯在數位軟體領域威力強大（迭代成本低、可逆），但在製藥、半導體、航太這類「一次實驗就要燒掉數年與巨額資本、且高度受法規約束」的領域，盲目套用「快速失敗」可能是災難。一個值得探討的研究問題是：實驗成本、可逆性與監理強度，如何決定一個產業適合多少「精實」、需要多少「規劃」？ 這提醒我們，管理方法不是放諸四海皆準的教條，而是有適用條件的工具。

第四，方法論與生存者偏誤（再訪）。 入門篇已提醒過創新研究的生存者偏誤，進階層面還要再加一層警覺：許多「組合管理」「三層視野」的最佳實務，是從少數成功大企業（亞馬遜、Google）回溯歸納而來，而這些公司同時擁有近乎無限的現金與容錯空間。一個關鍵問題是：這些在資源充沛環境下被驗證的方法，對現金有限的中小企業或新創是否同樣成立？ 把為巨頭設計的創新治理框架直接套到資源受限的組織，可能本身就是一種昂貴的錯誤。識別一個理論的「適用情境邊界條件（Boundary Conditions）」，正是研究所訓練要培養的核心判斷力。