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。