114 年 國立政治大學資訊管理學系碩士班資管組《管理資訊系統》

本題主要在考察學生對於供應鏈管理 (SCM) 系統開發專案實施階段的關鍵活動的理解。實施階段是專案從開發完成進入實際應用前的關鍵過渡期，涉及系統的部署、使用者培訓、資料轉換及上線等重要環節。

SCM 系統實施階段的關鍵活動包括：

1. 系統部署與安裝 (System Deployment and Installation)：

   • 將開發完成的 SCM 系統軟硬體安裝到生產環境中。
   • 配置系統參數、網路設置，確保系統能夠順暢運行。
   • 進行系統整合測試 (System Integration Testing, SIT)，確保各模組及與現有系統（如 ERP、WMS）的整合無誤。

2. 資料轉換與載入 (Data Conversion and Loading)：

   • 將舊系統的相關資料（如產品資訊、供應商資料、庫存資料、客戶資料、歷史訂單等）轉換成新系統可讀的格式。
   • 對轉換後的資料進行驗證，確保資料的準確性、完整性與一致性。
   • 將驗證過的資料載入到新的 SCM 系統中。

3. 使用者培訓 (User Training)：

   • 為所有將使用 SCM 系統的員工提供培訓。
   • 培訓內容應涵蓋系統的基本操作、核心功能、業務流程應用、報表生成以及異常處理等。
   • 根據不同角色的使用者（如採購人員、庫存管理員、物流專員、銷售人員等）提供客製化的培訓。

本題旨在探討資訊系統 (IS) 安裝的幾種主要策略，以及管理者應如何依據組織情況選擇合適的安裝方法。選擇正確的安裝方法對於降低風險、確保系統平穩上線並最大化投資效益至關重要。

資訊系統安裝的主要方法（或稱轉換策略）有以下幾種：

1. 直接轉換 (Direct Conversion / Big Bang)：

   • 說明：一次性地將舊系統替換為新系統，所有使用者同時切換到新系統。
   • 優點：可以快速獲得新系統的好處，避免新舊系統並存的複雜性，通常成本較低（若成功）。
   • 缺點：風險最高，一旦新系統出現問題，可能導致業務中斷，且難以回溯。
   • 適用情境：新舊系統差異不大、組織對風險承受能力較高、系統對業務影響範圍可控。

2. 平行轉換 (Parallel Conversion)：

   • 說明：新舊系統同時運行一段時間，直到確認新系統穩定可靠後，再淘汰舊系統。
   • 優點：風險最低，因為舊系統可以作為備份，萬一新系統出錯，業務可繼續依賴舊系統。
   • 缺點：成本最高（需要雙倍的人力、時間和資源來維護兩個系統），效率可能較低，使用者可能感到混淆。
   • 適用情境：對業務連續性要求極高、系統關鍵性強、組織資源充足、希望將風險降至最低。

3. 分階段轉換 (Phased Conversion / Incremental)：

   • 說明：將新系統的功能或模組分批次地導入，或將不同部門、不同地點的使用者分批次地轉換到新系統。
   • 優點：風險較低，可以逐步累積經驗，便於管理和問題解決，對使用者的衝擊較小。
   • 缺點：整個轉換過程較長，可能需要一段時間新舊系統並存，需要處理系統間的介面整合問題，管理複雜度較高。
   • 適用情境：大型複雜系統、組織規模龐大、希望逐步驗證系統功能、風險承受能力中等。

4. 並行轉換 (Parallel Adoption)：

   • 說明：新舊系統同時運行，但使用者可以選擇使用其中一個系統，或根據任務選擇使用。新系統逐漸取代舊系統的功能，直到舊系統被完全淘汰。這與平行轉換的「同時運行並記錄雙邊數據」有所不同，更側重於讓使用者逐步適應。
   • 優點：給予使用者適應時間，風險相對較低。
   • 缺點：可能造成數據不一致，使用者學習成本和混亂程度較高。
   • 適用情境：使用者對新系統的接受度較低，需要時間適應。

管理者如何決定採用哪種方法？

管理者在選擇 IS 安裝方法時，需要綜合考量以下幾個關鍵因素：

1. 風險承受能力 (Risk Tolerance)：
   • 組織對業務中斷和潛在損失的容忍度。風險承受能力低則傾向於平行或分階段轉換；風險承受能力高則可考慮直接轉換。

本題探討物聯網 (IoT) 系統獨特的安全性威脅，以及相應的應對策略。IoT 系統的廣泛部署和其固有的特性，使其面臨著與傳統 IT 系統不同的安全挑戰。

IoT 系統獨特的安全性威脅：

1. 設備的資源限制 (Resource Constraints of Devices)：

   • 許多 IoT 設備（如感測器、微控制器）運算能力、記憶體和電池壽命有限，難以運行複雜的安全演算法（如強加密、複雜的身份驗證）。
   • 這使得它們容易受到暴力破解、側信道攻擊等。

2. 大規模的設備數量與多樣性 (Massive Scale and Heterogeneity of Devices)：

   • IoT 系統通常包含數百萬甚至數十億個設備，這些設備可能來自不同的製造商，運行不同的作業系統和協議，管理和監控的複雜度極高。
   • 統一的安全策略難以實施，任何一個薄弱環節都可能被利用。

3. 物理接觸與篡改的風險 (Risk of Physical Tampering)：

   • 許多 IoT 設備部署在公共場所或易於接觸的環境中，容易受到物理攻擊，如設備竊取、韌體修改、硬體植入惡意程式等。
   • 設備的物理安全防護通常較弱。

4. 不安全的預設配置與弱密碼 (Insecure Default Configurations and Weak Passwords)：

   • 設備製造商為方便使用者，常使用預設的、弱的或公開的密碼（如 "admin/admin"）。
   • 使用者也缺乏安全意識，不更改預設密碼，導致大量設備容易被遠端控制。

5. 缺乏標準化的安全協議與更新機制 (Lack of Standardized Security Protocols and Update Mechanisms)：

   • IoT 領域的標準化進展緩慢，不同設備和平台間的安全協議不兼容。
   • 許多設備缺乏自動更新或遠端更新功能，一旦發現漏洞，難以修補，設備可能長期暴露在風險中。

6. 網路攻擊的多樣化途徑 (Diverse Attack Vectors)：

   • 攻擊者可以利用 IoT 設備作為跳板，發動 DDoS 攻擊（如 Mirai 僵屍網路），入侵家庭網路，甚至滲透到企業內部網路。
   • 攻擊可能來自設備本身、通信通道、雲端平台或後端應用程式。

7. 隱私洩露風險 (Privacy Leakage Risks)：

   • IoT 設備可能收集大量敏感個人數據（如健康數據、位置資訊、家庭活動記錄）。
   • 若設備或平台被攻破，這些數據可能被洩露、濫用，造成嚴重的隱私侵犯。

8. 韌體安全與更新的挑戰 (Firmware Security and Update Challenges)：

   • 設備的韌體可能包含漏洞，攻擊者可利用這些漏洞來控制設備或執行惡意程式。
   • 更新韌體通常需要物理接觸或專門的工具，對於分散式大規模部署的 IoT 設備來說，更新過程非常困難且昂貴。

如何應對這些威脅？

應對 IoT 安全威脅需要多層次、全方位的策略：

1. 設備層面的安全加固 (Device-Level Security Hardening)：
   • 安全設計 (Secure by Design)：從設備設計初期就考慮安全性，使用更強的加密演算法，限制不必要的端口和服務。
   • 安全啟動 (Secure Boot)：確保設備只運行經過驗證的軟體。

本題旨在探討生成式 AI (Generative AI) 和通用人工智能 (AGI) 在與非文本領域互動的可能性，並請考生提出需要特別關注的機會以及相關理論。這是一個開放性問題，考察考生對新興技術趨勢的洞察力、批判性思考能力以及將理論應用於實踐的能力。

需要特別關注的機會：

1. 人機協作的全新範式 (New Paradigm of Human-AI Collaboration)：

   • 機會：生成式 AI 和 AGI 不僅能理解和生成文本，還能與圖像、聲音、影片、3D 模型甚至物理世界進行互動。這意味著 AI 可以成為設計師、藝術家、工程師、科學家、教育工作者和醫療專業人士更強大的協作夥伴。例如，AI 可以協助生成複雜的設計草圖、模擬物理實驗、創作音樂或電影片段、診斷醫學影像。
   • 關注點：如何設計直觀且高效的介面，讓人類與 AI 能夠無縫協作，充分發揮各自的優勢，而非相互取代。需要關注 AI 在輔助創意過程、提升生產力、解決複雜問題方面的潛力。

2. 沉浸式學習與培訓的革命 (Revolution in Immersive Learning and Training)：

   • 機會：生成式 AI 可以創造高度逼真且互動性強的虛擬學習環境。學生可以透過與 AI 驅動的虛擬導師、歷史人物或複雜系統進行互動，獲得前所未有的學習體驗。例如，醫學生可以在虛擬手術中練習，歷史系學生可以「對話」歷史名人，工程師可以在虛擬工廠中進行操作培訓。
   • 關注點：如何確保學習內容的準確性、教育的有效性，以及避免虛擬環境對現實世界的脫節。需要關注 AI 在個人化學習路徑、提供即時回饋、評估學習成效方面的潛力。

3. 科學發現與工程創新的加速器 (Accelerator for Scientific Discovery and Engineering Innovation)：

   • 機會：AI 可以分析海量科學數據，識別模式，提出假設，甚至設計實驗。AGI 有潛力理解更複雜的科學原理，並在材料科學、藥物研發、氣候建模、宇宙探索等領域帶來突破。在工程領域，AI 可以協助進行複雜的模擬、優化設計、預測材料性能，加速新產品的開發。
   • 關注點：如何讓 AI 成為科學家和工程師的「思考擴展器」，而不是簡單的數據處理工具。需要關注 AI 在生成新知識、提出原創性解決方案、驗證複雜理論方面的能力。

4. 無障礙技術的飛躍 (Leap in Accessibility Technologies)：

   • 機會：通過與視覺、聽覺、觸覺甚至運動的互動，AI 可以顯著改善殘障人士的生活品質。例如，AI 可以將圖像描述給盲人聽，將語音轉換為手語，或控制機器人手臂來協助行動不便者。
   • 關注點：如何確保這些技術的普及性、易用性和成本效益，讓最需要的人能夠負擔得起並有效使用。需要關注 AI 在理解和響應複雜人類需求方面的能力。

5. 物理世界的智慧化與自動化 (Intelligent Automation of the Physical World)：

   • 機會：AGI 和生成式 AI 的進步，將推動機器人技術和自動化系統的發展，使它們能夠更精確、更靈活地與物理世界互動。這將影響製造業、物流、農業、建築業，甚至家庭服務。例如，能夠自主規劃和執行複雜任務的機器人，能夠處理不確定環境的自動駕駛汽車。
   • 關注點：如何安全、可靠且合乎倫理地部署這些技術。需要關注 AI 在感知、決策、運動控制和與人類安全協作方面的能力，以及對就業市場的影響。

相關理論：