隨著生成式人工智慧（AI）快速進入企業營運核心，微軟執行長薩提亞·納德拉近日發表長文，提出「反向資訊悖論」概念，警告企業在導入AI的同時，可能正將自身最珍貴的知識資產與競爭優勢逐步交給模型供應商。

反向資訊悖論

納德拉指出，傳統經濟學中的「資訊悖論」由諾貝爾經濟學獎得主肯尼斯·艾羅（Kenneth Arrow）提出，意指資訊的價值必須在獲得後才能被驗證，因此資訊出售者往往面臨「為了銷售而不得不先透露資訊」的困境。然而在AI時代，這個問題出現了反轉。

他認為，企業如今不僅需要支付費用購買AI能力，還必須向模型提供大量內部資訊，才能讓AI真正發揮價值。企業等於為智慧支付兩次代價：一次是金錢，另一次則是更珍貴的企業知識。

「模型表現越準確，企業就必須提供越多專有知識。」納德拉表示，員工撰寫的提示詞（Prompt）、Agent調用的工具、模型錯誤時的人為修正、內部評測機制（Evaluation）以及工作流程紀錄，都會逐漸形成企業獨有的知識庫與營運經驗。

但問題在於，這些知識可能同時成為模型供應商持續優化產品的重要養分。

AI正在累積企業的隱性知識

納德拉指出，AI系統學習的並不只是企業上傳的資料，而是大量來自使用過程中的「智慧排放物」。這些內容包括員工如何提問、模型如何回應、哪些回答被接受或否決，以及每一次修正與回饋。表面上看似微不足道，但長期累積後，將形成企業特有的營運知識與決策邏輯。

他強調，每一次糾錯都代表組織知識的沉澱，也是競爭對手無法直接購買的資產。然而這些價值卻可能在不知不覺中，透過模型使用過程逐步外流。納德拉認為，企業在消費AI智慧的同時，其實也正在創造新的智慧，而這些智慧成果理應歸屬於企業本身，而非平台提供者。

批評AI產業「單向學習」模式

納德拉也罕見對當前大型模型產業的商業模式提出批評。他指出，目前許多AI公司主張自己擁有利用公開網路資料訓練模型的合理使用權，但另一方面卻限制企業使用模型輸出結果來訓練自己的系統，甚至保留從客戶使用紀錄中持續學習的權利。

他認為，若知識流動始終只有單一方向，企業的經驗與人力投入最終將轉化為模型供應商的競爭優勢。「如果學習只朝一個方向流動，經濟價值最終將集中於掌握學習基礎設施的人，而非創造知識的人。」納德拉寫道。

因此，他主張企業必須掌握自己的學習迴路，並擁有利用模型輸出結果進行微調或訓練自有模型的權利。

AI時代的核心競爭：保護「學習能力」

事實上，這並非納德拉首次提出相關警告。一個月前，他曾提出「人力資本與Token資本」概念，認為企業未來最重要的資產將不再只是資料，而是持續累積與強化知識的能力。

他在最新文章中進一步指出，雲端時代企業累積的是資料，而AI時代企業真正累積的則是「學習」。

因此，企業需要建立新的信任邊界，保護的不只是資訊本身，更包括組織如何學習、適應與持續提升智慧的機制。

提出四大原則：控制、能力、選擇與成本

為了避免企業核心知識遭到外部平台吸收，納德拉提出四項關鍵原則：

首先是「控制」（Control）。企業應建立自己的評測系統，掌握記憶、執行軌跡、回饋紀錄、決策過程與組織知識，並保有利用模型輸出結果的權利。

其次是「能力」（Capability）。企業應在自身租戶（Tenant）範圍內建構專屬學習環境，讓模型能在真實工作流程中持續優化，而不必將知識暴露給外部供應商。

第三是「選擇」（Choice）。企業應將Agent編排層（Orchestration Layer）與單一模型供應商分離，避免過度依賴特定模型。一旦某家模型供應商退出市場、提高價格或限制使用，企業仍能將既有知識與流程遷移至其他模型平台。

最後則是「成本」（Cost）。透過模型與編排層解耦，企業能依據不同任務選擇最適合的模型，在兼顧品質的同時降低運算成本。

納德拉認為，當企業同時具備控制權、學習能力、模型選擇權與成本優勢後，便能建立屬於自己的持續學習機制，讓AI投資形成長期複利效應。

從保護資料走向保護知識

文章最後，納德拉再次強調，企業應能在使用AI模型的同時，保有讓自己與眾不同的知識資產。

他認為，未來企業競爭的關鍵將不只是擁有多少資料，而是誰能掌握自己的學習成果與智慧積累過程。若企業無法建立明確的知識邊界，最終可能在使用AI提升效率的同時，逐步失去自身最重要的競爭優勢。

「一家公司應該能夠使用模型，而不必放棄讓自己獨一無二的知識。這正是我們必須面對的反向資訊悖論。」納德拉表示。