為瞭解台灣企業導入 AI 的現況，Google Cloud 與 AIF（人工智慧科技基金會）合作，針對 101 企業進行《2024 台灣企業 AI 準備度調查》，從基礎設施、數據、人員技能和經營策略等方面的調整著手，協助組織衡量在開始導入 AI 之前，還有哪些基礎建設急需填補。
該調查將 AI 準備度拆分為五大能力：數據力、創新力、技術力、治理力、運算力，五大能力指數的加總即為企業 AI 準備度指數，缺少任何一個環節，都可能使得企業的 AI 技術發展和應用面臨發展瓶頸。根據調查顯示，2024 年企業整體 AI 準備度指數平均 為 54.08 ，該指數為數據力、創新力、技術力、治理力、 運算力等五項能力分數加總平均。進一步分析後發現，多數企業雖意識到人工智慧、算力資源的重要，但並未完全體現在具體執行上。
當 AI 工具愈變愈聰明，透過日常用語提問就能和 AI 聊天機器人或虛擬服務專員互動，無論是回答問題、創作內容、生成圖片、製作文件摘要等都能完成。「可以想像未來五年內，公司 CEO 就像隨時能調動一百個 IQ200 的 AI 同事，」人工智慧科技基金會（AIF）常務董事張益肇指出，面對這些新的成員，企業該思考如何借用這些新技術，為公司創造更好的價值。
不只使用工具，而是用 AI 驅動變革
張益肇表示，AI 的定義十分廣泛，但在生成式 AI 引發熱潮前，因為當時的 AI 技術與應用，如瑕疵檢測，僅與企業中特定單位的工作相關，所以其他部門成員對此較為無感。但是，生成式 AI 無論在文件撰寫、程式設計、設計繪圖等方面，幾乎可應用於各部門的工作情境中，因而引起新一波 AI 熱潮。
但是，對企業來說，導入 AI 和僅是使用 AI 工具，兩者的準備程度完全不同，前者光是數據整理與收集的複雜程度就高很多，且就長遠之計，如果希望透過 AI 協助整個公司的運行，包括協助客戶開發或是產品開發等，就必須有十分清晰的數據整理，包括用於客戶經營的 CRM 系統與製造管理的 ERP 系統資料也必須打通。而資料整合上需要顧及的面向非常多，包括資料定義與整理、收集規範與原則、客戶隱私保護等等。實際上，跨部門合作與資訊互通極為不容易，尤其部門間如果涉及客戶競爭關係，在資料整合上也會有所顧忌，甚或擔心與顧客間的聯繫資訊會曝光，而這些顧慮在客戶機密的保護上，也極具挑戰性。
而在這次的調查中可以看到，雖然有近九成企業認同 AI 是帶動變革的必然驅動力，但在後續相對應的「組織調整彈性」上，約四成（44.5％）仍處於尚未應用或僅初步探索研究 AI 的階段。人工智慧科技基金會執行長溫怡玲觀察，多數企業或組織雖然高度認同人工智慧的重要性；但並未隨著 AI 的導入應用調整組織架構與流程。「這的確是很多企業目前的困擾，因為沒有經驗，也不敢嘗試，」她說，這也是很多企業 AI 應用落地程度偏低的主要原因。
先從簡單的專案切入，建立手感與信心
AI 導入的第一步往往最為艱難，張益肇建議，一開始先從較為可行、簡單的專案切入，使團隊從中建立信心、逐步熟悉流程，接著再慢慢擴大。例如先從客服回應等應用開始，提升回覆品質。因為這類型專案較常見，且資料量多也較容易規劃化，加上目前生成式 AI 因為已經發展得非常成熟，可與客戶進行互動，會是較好的起點；而營運、管理、研發方面的 AI 應用，因為需要針對不同領域訓練 AI 模型，仍有其他努力空間。
在人才和運算資源上，具體仍得視企業需求而定。人工智慧科技基金會技術處總監張嘉哲提醒，易於上手的生成式工具雖然吸引不少關注，提高大眾學習的意願，也降低企業使用 AI 的門檻，但大語言模型並非一般公司可負擔的遊戲，限制也較多，企業大多仍透過 Fine tuning 進行一些小型資料訓練。但大語言模型終究是語言模型，依然仍是 AI 的範疇，使用原理和限制差距不大，企業仍得需要具備資料及可因應的基礎知識。
對於還沒有開始 AI 轉型的組織，張嘉哲建議，企業不要先急著想著如何應用 AI，可以先檢視周遭哪些地方是有資料，且可持續觀察應用。因為若對 AI 不夠瞭解，僅是天馬行空地幻想有哪些應用，都無法對公司帶來幫助。甚至後續執行上遭遇現實阻礙，例如根本沒有資料，不如實際檢視手中的資料，仔細盤點出對公司重要的資料，並開始著手搜集。一開始，可能藉由一般的試算表軟體就能從從資料中觀察到些許特徵，接著，再往下深掘更多資訊。當掌握到更為明確的目標與資料後，對於使用 AI 的目的，以及所需的資源與方向將會越來越明確。
