1950 年迄今共有三波人工智慧發展浪潮,我們此刻正處在第三波風潮當下,2016 年AlphaGo 擊敗頂尖圍棋棋士,全世界共同見證傳奇再度崛起,人工智慧自 2017 年也在台灣開始蔚為風潮,至今已邁入第七年。2022 年底 GhatGPT 更帶來生成式 AI 啟動的典範轉移熱潮,由於使用門檻的降低,吸引許多企業積極了解相關應用潛力,也為各行各業帶來無限機會與挑戰。
根據人工智慧科技基金會「2023 台灣產業 AI 化調查」顯示,台灣已有超過半數企業(54.2%)開始使用生成式 AI 工具,且僅有一成企業未數位化。但調查中同時也發現,實際真正導入 AI 的企業仍佔少數。對此,人工智慧科技基金會董事長、前國家通訊傳播委員會主任委員詹婷怡認為,最重要的關鍵在於數位轉型,當生成式 AI 碰上數位轉型,正是以 AI 協助台灣產業再進階數位轉型的契機。
資通訊科技及網際網路技術快速發展,帶動數位轉型成為不可逆且不可阻擋的趨勢
「數位轉型是一切的基礎。」詹婷怡說,2016 年同意接任 NCC 主委,就是以自己在數位匯流法規與政策的專業為網路社會與數位經濟的奠基,擘劃並推動安全信任的寬頻基礎建設,並啟動數位轉型。由於寬頻匯流的發展,使用者上傳與接受資訊的方式改變,從線性到非線性,從被動轉為互動,不僅改變與顛覆企業的營運模式,更大大改變政府與公民的關係。數位轉型是網路社會與數位經濟發展的基礎,人工智慧 或區塊鏈(Blockchain)等技術則是以迭代的方式加速數位轉型的基礎工程。也就是說,AI 是奠基在數位轉型的基礎上發展,也同時增加了數位轉型的說服力與吸引力。
至於數位轉型該怎麼做?詹婷怡認為,有幾個不可或缺的關鍵要素:人、流程與技術。人包括企業的組織文化、領導能力及內部能力的建構。企業的能力建構必須是持續進行,且落實在員工的招募與培訓中;而領導者對於數位轉型的想像,究竟是停留在編預算買系統就好,還是期待帶來效率的提升並創造更高的價值?
至於流程為什麼又是轉型的關鍵?詹婷怡說,「數位轉型就是要打破企業內部封閉的穀倉(silo)並串聯創新生態系流程通透」,讓有用的資料(Data)協助進行決策及運營基礎。由於許多企業或組織在E化的過程中,通常都是編預算買系統,很可能因為不同系統或不同時期採購建置,導致資料無法相通,流程不通透,當每一個單位及系統依然是資訊孤島,就不能說是數位轉型,也就還不到數位轉型的階段。她說,在推動數位轉型的時候,常說一句話:「當沒有企業運營框架(framework)和資訊架構(architecture)概念時,數位轉型就 IT 化了。」由於不同產業的工作流程都不相同,整體的框架與架構更形重要。
接著是企業的技術能力,包括使用什麼技術,以及對於資料收集、應用、資料治理與資安防護的能力等。詹婷怡認為,在檢視企業的數位轉型程度時,人、流程、技術才是關鍵,沒有這些基礎打底,也沒辦法再進一步發展 AI 的應用。由於導入 AI 可以視為數位轉型的時代契機,因此,企業的 AI 導入是奠基數位轉型,換言之,數位轉型的工程越早啟動,AI 導入與應用更見成效。
資料治理是一門研究資料與實務應用的科學:為整個資料生命週期每一階段設定政策和程序
無論從數位轉型或是人工智慧的發展,資料就是一切的核心。詹婷怡指出,一般談及資料問題時,多半聚焦在個資與隱私的保護,確實隱私與個資的保護是重中之重,需要更多的立法與政策溝通,形成風險管理的機制與可信任環境,如何在提高數據分析應用及資料經濟效率的同時,也能維護隱私保護的初衷,引發了諸多相應制度與法規方向發展的辯論與探討,形成了所謂「 資料治理」(Data Governance) 研究風潮。當前產業對於資料/數據治理的概念仍十分薄弱,而資料/數據治理的重點在於,資料並不是死掉而是活的,「它隨時會更新,收集和分類」。詹婷怡說,資料治理不僅是一門研究的學科,也是一門實務的政策。
「資料治理是指與有效獲取、管理、利用資料相關的一組實踐方法、策略、角色,其目的是確保資料在組織內提供盡可能多的價值。也是指在組織內管理資料的策略,確認資料的品質和安全性,決定誰可以使用什麼資料以及何時使用。」詹婷怡解釋,資料不是存在於單一的時間點,它是由來源、清理、更新、儲存、分析、傳輸、備份、刪除等步驟所創造出來的。
「為整個資料生命週期每一階段設定政策和程序,才是真正資料治理。」她強調,資料治理就是指組織內管理資料的策略,而這就跟組織的營運制度有關。
儘管組織理論上應擁有許多資料,但依然存在許多問題,最基本的問題就是根本未有資管理機制、多數都不是格式化資料;且即使有格式化,由於資料來源及組成十分複雜,組織也無法確定資料是否可靠;也因為資料品質不定,而無法依賴資料進行決策。因此,資料治理會是一個使組織運用資料形成決策變得「變得可靠的過程」,真正有助於數位轉型和 AI 應用。
事實上,從個人資料、開放資料、大數據、及至所有的資料,各式各樣的資料有許多類型。從資料分類來看,不同的資料有需要保護的不同法益以及需用的目的與實益,還有其他如資料品質、如何共享等問題。例如為什麼政府要開放資料,因為政府擁有最多數據與資料,且應該是為人民所共享的;而企業與企業間當然也有資料傳遞與應用議題,這些需求是否可以有政策與規範做為依循準則。
以歐盟為例,歐盟數位發展的目標非常明確:Shaping European’s Digital Future ~Strategies for Data and AI,發展策略定為:發展為人民服務的技術、建立公平且有競爭力之經濟體、發展民主開放且永續的社會,歐盟資料策略及人工智慧白皮書則是達成前述目標的第一步。在資料策略方面,除了大家熟知的GDPR之外,歐盟執委會於 2022 年 2 月 23 日公布《資料法》/《Data Act》草案(Proposal for a Regulation of the European Parliament and of The Council on harmonised rules on fair access to and use of data),《Data Act》不只規範政府開放資料,還包括企業間的資料共享原則,為了促進歐盟數位總體資料經濟的成長, 賦予資料公平近用與合法使用的條件及法律依據,因此歐盟執委會通過資料法,以強化聯網裝置使用人跟企業對資料的控制權,也明確就資料共享進行規範。
歐盟資料法草案的推動,一方面呼應歐盟執委會提出之「2019-2024 年政策指導方針」(Political Guidelines For 2019-2024)對資料治理的重要發展目標;另一方面則為「歐洲資料戰略」(European Data Strategy)之重要立法規劃,並與歐盟 2020 年 11 月所提出之《資料治理法》草案(Proposal for a Regulation on European data governance (Data Governance Act))相輔相成。
對應到此次的「2023 台灣產業 AI 化調查」顯示,2023 年整體 AI 發展策略仍然偏低 (34.7 分 ),近五成企業未宣佈 AI 相關的發展 策略,尤其「製造業 / 政府機關 / 其他」(75.3%) 與「零售貿易服務業」(64.9%) 比例更高。即使是 AI 指數較高的 ICT 產業,也僅有兩成完成 AI roadmap,在 AI 發 展策略規劃仍有待加強。
調查結果也呈現整體數資料治理程度明顯不足 (16.4 分 ),超過半數企業針對所搜集的資料並未採用或不確定明文規範。主要規範的項目仍以資料隱私規範、資安管理系統、資料日 常管理等基本治理為主,然這僅是資料治理的初步階段,具有完整資料架構、治理規範與資料管理制度的企業仍是少數。這也是普遍台灣企業在執行資料治理會遇到的挑戰。
有趣的是,零售貿易服務業的資料治理比起其他產業分數略高,尤其最重視資料隱私規範與資安管理系統,可能與受訪服務業中電商服務業者對於顧客個資保護敏感度較高有關。
詹婷怡認為,對 AI 的使用與發展準則,企業主確實關注「隱私和資料治理」(Privacy and data governance) 與「技術穩健性和安全性」(Technical Robustness and safety) 等基礎與資安相關準則,然兩者皆屬基礎準則,前者影響系統運作、後者有法遵問題,因此遵循比例明顯較高。 然整體企業採用 AI 準則的程度依舊偏低,甚至超過半數表示皆沒有或不確定採用,在數位轉型已走過這麼多年,且生成式 AI 工具引發熱潮後,企業對 AI 的應用與發展討論雖然極為熱烈,卻只有極少比例的企業認知到 AI 可能帶來的風險,顯然數位轉型的思維轉型仍有待加強。而各國近來已積極透過規範方針或原則,以規範 AI 的發展及應用,台灣相較之下仍在起步階段。