溫怡玲:企業的管理與治理將產生巨變,特別是風險

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。