AIEXPO 第一天最後一場演講，邀請到財團法人人工智慧科技基金會(AIF)執行長溫怡玲分享台灣產業 AI 化的現況，「AI 到底能為我們解決什麼？」當然，不是每一間企業都必須要用 AI，換個角度來想，若現在我們手上有一個這麼快速且強大的工具，在需要非常快速的達成企業轉型目標時，必須再多想想，AI 是必須的嗎？
AI 導入與應用是台灣產業轉型勢必面對的課題，從 2017 年 AIF 首任董事長兼執行長、已故陳昇瑋博士帶領團隊協助企業導入 AI 開始，2018 年創辦台灣人工智慧學校，至 2020 年疫情前培育超過 6500 位產業 AI 人才，可稱為台灣因應第一波產業 AI 化；2022 年底生成式 AI 面世之後，或可稱為第二波產業 AI 化，在技術與應用上有極大的改變。
溫怡玲表示，AIF 合作或輔導過的企業超過一千五百家以上，學員人數超過一萬人，這麼大的量體出現後，究竟對台灣整個產業的 AI 化產生哪些影響？
她引述微軟執行長 Satya Nadella 說過，「A I是改變我們所做一切事情的執行環境」。Nadella 接任執行長十年間，他帶領 Microsoft 轉型、提前布局下個科技前沿，這段期間微軟股價也增加超過 10 倍。而 Nadella 早在 2018 年出版他的自傳《刷新未來》中提到要使用雲端，雖然錯過行動裝置革命，但他積極布局雲端服務、行動運算領域，並且早就清楚宣示，要透過雲端來讓企業與個人都可以方便使用機器學習。而十年來，他持續深化並強化這樣的方向。
人人都會說 AI 但 AI 定義大不同
台灣目前 AI 化達到什麼樣的程度？首先要釐清，大家對 AI 的認知是否一致，舉例來說，很多 AI 人才去一間公司應徵，卻發現每間公司對於採用 AI 工程師的定義不一樣，甚至實際的工作內容只有十分之一跟 AI 有關，而且這樣的狀況幾乎 層出不窮，原因是企業目前還無法清楚定義，究竟要讓 AI 這樣的技術扮演營運策略中的哪種角色。
「AI 的加入就像是左手，而問題的定義和資料決勝負，不同公司的數據沒辦法被複製和取代，這才是真正決勝的關鍵點。」溫怡玲說道。
因此，她認為，企業在AI化當中，首要工作應該是資料的盤點、資料的定義、資料的清洗和資料的彙整及資料的管理，而這件事在未來兩三年，將會影響全球市場。
台灣產業 AI 化的挑戰：找尋新商業模式
此外，產業 AI 化最大的挑戰，在於找不到新的商業模式，當企業決定要往外延伸的時候，找不到能夠創造價值的新營營模式，也是台灣產業推動AI化的挑戰。
她引用《日經新聞》，把生成式 AI(AIGC)分成四大區塊，是一個道金字塔形狀，最下面的區塊(半導體)進入門感很高，那最上面的區塊(應用)，則是進入門檻找不到，但是參與的廠商很多。綜觀來看，大部分企業都在最上層。
由於 GPU 對於學習生成式 AI 相當重要，但全球價格仍持續上漲中，變得越來越難採購。能夠從佔據全球90%份額的 NVIDIA 手中購買 GPU 的公司都是具有壓倒性資本的美國公司。她進一步解釋，雖然目前被開發出來利用的部分非常多，但是真正關鍵仍是掌握在少數的美國企業手上。
根據《日經新聞》的觀察，溫怡玲指出，現況如上述狀況，企業要轉型往新的商機時，必須往真正可應用用的方向著手。
那麼生成式 AI 開始在台灣被大量使用，是否真的帶動產業 AI 化大幅進展？根據人工智慧科技基金會(AIF)所公布的《產業AI化大調查》調查顯示，2023 年整體 AI 化指數與各層面分數一致介於 30-40 分，顯示在經營、人才與技術三個層面均仍有相當大的努力空間。
特別是為什麼生成式 AI 大量使用後，2023 年產業 AI 化指數 35.7% 竟比 2022 年 39.3% 少了 3.6%？溫怡玲解釋，生成式 AI 的確讓各產業增加使用 AI 的機會，並降低進入門檻，但以過去幾年的數據來看，還沒有看到更深入的應用。「或許現在下結論有點太早，但大部分的企業必須要找到新商品和新的服務模式。」
再看近兩年不同產業的變化，2023 年除零售貿易服務業外，其他產業 AI 化指數表現都較 2022 年略為下降，尤以製造業/政府機關/其他下降較多。
在不同產業中，ICT 產業分數最高但尚未及格，其次為專業服務業，第三為零售貿易服務業，最後零售貿易服務業與製造業/政府機關的分數最低。而後兩者產業面臨的關鍵挑戰，仍然是人才缺乏。
生成式 AI 看似提供使用 AI 很好的起點，從調查數據來看，也有超過五成以上的企業開始使用生成式 AI，但使用生成式 AI 工具的企業當中，近八成僅使用如ChatGPT 等現成工具，超過4成企業在導入後仍持續整理資料。只有約三成企業能夠開啟下一個 AI 計畫。
由此可看出，其實大部分企業，都還沒有完整的策略，使用AI後看不出對於企業轉型方向與AI之間有明顯正向關係。
「不過，以上數據都是此刻，不代表未來也會一定如此。」溫怡玲表示，針對未來，反而可以去想像，未來需要什麼樣的人才，甚至人才都需要培養什麼能力等問題，人才的重新定義與定位更顯得重要。
總而言之，由調查發現，企業的 AI 應用很難持續及提供，這也牽涉到很多問題，包括實戰人才的缺乏、資料基礎建設不足，甚至要「找對問題」，以及企業組織文化也影響很深等，對於台灣 AI 發展的有以上的挑戰。
溫怡玲認為，產業 AI 化程度的關鍵點在於需求，也就是我們的社會需要什麼樣的 AI。她建議，未來產業發展可著眼於經營策略的層面，包括企業管理與治理，特別是風險評估已產生巨大改變，過去的思考重點可能在於評估是成本或投資，而在整個世界技術與政經環境快速互相拉扯的情境下，風險是最不能夠掉以輕心的關鍵。新的 AI 生態系即將成型，台灣在中美兩大板塊之中，未來會站上什麼位置，是台灣現在要思考的策略議題。
