企業想要執行數位轉型，面臨的最大難題是員工缺乏數位和數據科學的技能，如果企業必須提升員工的這方面能力，可嘗試建立「數位學院」，也就是針對組織的文化與需求，特別設計一套課程計畫。
為應對人工智慧（AI）所產生的風險，歐盟於2024年2月推出AI法案。本文指出涉及AI企業的董事會、最高管理層以及各級主管必須了解和採取的行動，以確保他們符合即將來臨的法律規範以及相關倫理，能獲得人們的信任。
生成式AI有潛力改造工作，讓我們空出時間，在真正重要問題上釋放創造力。 但想要實現這目標，企業必須建立人們對這項技術的信任，擺脫生成式AI「一本正經胡說八道」，以及產生內容侵害知識產權、有違道德的既有印象。本文從信任的四個不同面向（能力、動機、做法、影響）進行分析。
即使疫情結束，全球供應鏈收到的影響仍未完全恢復，尤其是企業從「及時庫存管理」（just-in-time inventory management）轉向「以防萬一庫存管理」（just-in-case inventory management），導致市場波動。領導者在進行供應鏈管理時，可考慮利用科技來建立更靈活、動態的連結和現代化平台，以應對不確定性和提高效率。
AI不僅改變了我們的工作，也重新定義了工作，企業在人才管理上也必須做出因應，才能恰當地進行人才管理，從而取得商業成功。LinkedIn執行長指出，我們可以聚焦在3大轉變上：將工作重新定義為技能與任務的組合、重視技能與員工學習、接納AI並專注在人的合作。
生成式AI的崛起，逐漸讓許多新企業的營運建立在相同的技術基礎之上，這導致差異化難以實現。我們分析未來可預見的3個趨勢，並及早提出對應之策：企業將仰賴商業模式來取得成功、主流產品的同質性將變得更高、運用AI的工作者將有高流動率。
從2022到2023年，數據外洩事件增加了20％。麻省理工史隆管理學院資訊科技講座教授史都華．麥尼克（Stuart Madnick）專攻網路安全，他研究之後發現，數據外洩激增的原因有三：雲端組態錯誤（misconfiguration）、新型勒索軟體攻擊、利用供應商系統的漏洞；並提出相應的解決之道。
企業為了改善營運而部署機器學習，但往往遭遇挫折。究其原因，在於企業關注科技遠多於關注如何部署科技。本文建議把焦點移回部署，並提出一套bizML方法，以6大步驟引導企業一步步規畫，為改善營運做出最好的準備。
