根據財團法人人工智慧科技基金會（AIF）「2023 台灣產業 AI 化大調查」結果，雖有過半企業已開始使用 AI，但僅三成會繼續進行AI 專案；且整體產業 AI 化指數表現仍然偏低，僅 35.7 分，特別是在 AI 風險掌握能力上明顯不足。對此，KPMG 安侯建業數位長賴偉晏觀察，目前產業 AI 化的實際比例雖然不高，但有個有趣的現象是，不少企業領導者已經非常積極要求企業內部各單位提出 AI 策略。他提醒企業， AI導入通常不太能夠立刻看到成果，甚至必須先擁抱它的缺陷，才有機會等待美好到來。
企業轉型「從外用到內服」 眉眉角角的挑戰仍未解
賴偉晏提到，根據《經濟學人》報導，100 家美國企業中真正有使用 AI 的只有5%；另有 7 % 企業則表示未來會採用，兩者相加約 12%。他認為，目前企業如果要朝向 AI driven 的方向，但董事會卻沒有增加對 AI 的認知，將會成為發展隱憂。同時，企業整體結構通常也必須進行調整，否則，企業只能仰賴部門主管自發性的做一些功能性的應用，相對於從總部出發的策略執行力度仍有限。
就他目前觀察到的，雖然目前台灣產業實際應用 AI 的企業並不多，但已有不少企業領導者因為接觸到 AI 相關資訊，而開始要求企業內各單位提出 AI 策略，這對整體來說是個好現象，也許能期待明年的狀況能有所提升，當然，如果要加快企業導入速度，從上而下的調整結構絕對是重要的。
過往企業在導入 AI 與數位轉型的目的多半是為了增加營收，以面向客戶與營利直接相關的前台為主；而生成式 AI 則讓大家轉而注意到生產力的提升，也就是偏向行政與營運方面。因此，目前企業領導者才會認為可以針對前、中、後台，進行全公司的 AI 策略規劃。他形容，這幾年企業的數位轉型趨勢「從外用逐漸到內服」，而內服將會逐漸加溫。
同時，也帶來兩難的議題。賴偉晏指出，企業面臨的挑戰除了 AI 技術障礙，還包括雲端租賃費用的成本問題。一但企業決定投入相關成本，亦即代表生產力必須能對應成本，如果需要讓獲益大於成本，最後可能只剩解僱員工一條路。所以，對企業來說，導入的真正挑戰往往不是技術，而是接到任務的員工，心中對工作不保的擔憂與抗拒。他說，雖然可以看到生成式 AI 帶來的一些變化，但細膩的往下解構，就會從費用、資安、環境等地方每個環節都有必須克服的問題。
AI 治理勢必成為關鍵，金融法規與實際應用仍有落差
賴偉晏認為，規模大小不同的企業應用 AI 方式也有極大的不同，例如 10 個人的企業可能應用在銷售上，如文案生成或簡報整理；而中型企業相對也會有較多的衍伸應用與問題。至於大型企業，如金融業原本就有相關的資訊系統，如信用風險、風險模型、智能客服等，特別是面對客戶的企業應用得越多。
不過，賴偉晏也指出，許多金融業者將 AI 應用到商業上之後，相關法規才後續出現，使得業者這才開始注意到治理相關的議題，深怕法規公布後，已經發布在市面上的產品就會面臨法律問題。
2023 年底金管會發布「金融業運用 AI 指引」，將 AI 系統生命周期分為系統規畫及設計、資料蒐集及輸入、模型建立及驗證，和系統佈署及監控等四階段，並建議業者在各個階段落實核心原則的作法。
賴偉晏表示，雖然銀行業大多已根據自律規範各自發展，但要特別注意的地方是，這個規範所指的是 AI，而不是生成式 AI，兩者的定義雖有明顯差異，但也容易被混淆，因而使得金融機構必須進行全面的檢視，也因為檢視的範圍越來越廣，企業的態度也會越來越嚴謹，因此在討論 AI 的議題時，勢必從最開始的資料治理開始談起。
他提到，在數據治理方面提到的客戶隱私權、落實公平性等細項，金管會並沒有定義，只是以「使用開放式生成模型，仍需由金融業人員進行專業跟客觀的管控，以免造成不公」一句話帶過，亦即業者必須自己判斷可能會產生的不公問題，以及客戶的反應，甚至必須開始建立起整個標準作業程序（SOP）。
但目前遇到的問題是，產業的指導原則和實際執行的標準作業程序（SOP）的中間還有一段落差，因此，金融業者會想弭平這段落差，但目前 ISO或歐盟的標準已經愈加清晰，有可以遵循的方向，再加上銀行業既有的原則，如公平待客等；或是有些銀行業者已經開始進行資料治理，或是想辦法進行全面性的盤點。
賴偉晏指出，金融業包括人壽、營證、投信、投股等不同業務單位，規模大小也有差異，在AI 的導入應用上有不同落差，更重要的是對於 AI 的理解與認識也有程度上的差距，例如稍微進階的數據應用，是否算是 AI 呢？或是有些人認為必須是屬於強人工智慧類型的才叫AI；但至今坦白說，大部分的人對 AI 的認知普遍偏低，多半認為 AI 就是生成式 AI。
企業容易忽視導入 AI 需要付出的努力
對於資本相對小的零售業，成本則是業界最在意的重點，且會希望可以立刻看到成效，卻輕忽 AI 專案過程中需要付出的努力，導致專案容易以失敗作收，後續就不容易再往下走。而規模稍大的電子商務業者，則比較偏重於效率或是風險管理上的應用，而不是商務模式的創新。再加上，近年來電商所要面對的不再只是國內的競爭對手，而是來自海外的跨境電商，甚至可能需要考慮到法尊的問題，例如歐盟等國際組織的規定。「網際網路的年代，很難有一個區域，就只要在裡面做安全的生意。」
「擁抱 AI 必須先擁抱它的缺陷，才有機會等待它的美好。」賴偉晏提醒，因為 AI 仍是一個策略議題，它並不完美，並非使用了之後就能立刻得到成果。但如果企業願意接受他的不完美，甚至願意圈出一個可以接受的範圍並擁抱它，當美好的那一天到來時，將會是第一個享受成果的。
另一方面，在政府的數位轉型上，賴偉晏指出，無論從便民、數據或是民眾ID的角度，每一個部分都是一個斷點，而政府要做的數位化還有很多地方，包括打通數據、數位認證機制等。他認為，從數位化的願景中，就能衍伸出許多應用，包括從解構民眾需求或是如何讓數位通路更有人味。
AI 如何創造新價值？而工作的核心價值已經改變
許多企業也會期待透過 AI，是否能為企業創造新的價值？賴偉晏認為，並非創造營收才是新的價值，以金融業為例，若從風險管理的角度，提升品質使得可能增加的風險成本降低、或更好管控，也是一種價值創造。
又或者，銀行業者因為法規限制多，如何在限縮的範圍內，優化或提升服務？例如銀行透過消費者的使用數據分析，了解每一張信用卡背後對於消費者而言，代表的都是一種特殊的用途，因而透過科技的應用並整合卡片，讓消費者透過 APP 就能切換不同卡片，達到服務的創新，也是一種價值的提升。
「數據未來應該有一天會併入資產科目裡，但你怎麼去衡量每一筆數據的價值？」賴偉晏認為，對於資料的掌控度來自於，企業從資料收集、處理到應用的過程，從個資法的角度是否能合法使用；但從技術面來看，即使擁有主控權，但沒有使用的能力，無疑是讓給外包商來做。而從成果面來看，如果這些資料真的能夠創造出價值，企業短期內又沒有能力的話，企業是否有計劃拉回主控權？
他提醒，許多人以為自己的資料十分完善，所以誤以為握有資料主控權。但如果是以這一點來看，大多數企業的完善度都不足。若僅有部分的資料主控權，卻能將資料應用得淋漓盡致，發揮最大價值，是否算擁有主控權？當企業在少量的資料下，如果要擴大應用，那麼企業的工具運用能力也要相對提升，才能獲得駕馭資料的能力。
賴偉晏說，所有數據都應該從資料所帶來的價值，以及每收集一筆數據所應付出的成本是什麼？否則漫無目的的收集資料也不合理，且應該逐層解構每層資料的重要性，才能真的擁有數據的主控權。
至於 AI 是否威脅勞工的工作權利？賴偉晏認為，現在的問題並不是因為用 AI 找不到人，而是因為COVID-19之後整個工作的價值觀丕變。雇主更應該重視的是，該如何因應未來世代對於工作的新需求？而 AI 只不過是當中一個用科技協助改善的工具而已。「AI 應該會造就更多工作機會，」他直言，許多產業談失業缺工的議題，其實都跟AI無關，因為假使大家都不出來工作，在有 AI 的狀況下，而企業還是需要運作的話，那應該會有一些新的職能被創造出來。
更多精彩內容詳見《2023 台灣產業AI化大調查》完整報告已可於官網下載，企業可點選按鈕下載「2023 台灣產業 AI 化大調查」報告。