技術債仍是 AI 落地應用難解的痛點？
為什麼 AI 落地如此困難，因為不能夠只看 AI。
盤點「台灣產業AI化大調查」連續三年的數據，企業應用AI的成熟度並未有太大改變，有七成的台灣企業對AI仍停留在「不知道」與「知道、正在考慮」兩種狀態，只有三成企業已經真正開始應用AI技術。今年比較特別的是，由於過去兩年生成式AI引發的熱潮，才使得「不知道」的比例明顯下降，「知道、正在考慮」的比例上揚。但是，在工作流程與營運系統中應用AI的比例，依然不動如山。這也意味著，知道 AI 跟 AI 落地之間，存在著不容易跨越的關卡。
為什麼 AI 落地如此困難？因為大部份的問題並不在 AI 本身。
從AI技術發展的歷史脈絡來看，這是從網際網路、雲端系統、行動裝置、社群媒體、物聯網到大數據，隨著技術迭代與資料分析一步一步發展，之後出現的強大應用與新技術領域。因此想導入AI必須循序漸進，將過去所缺的技術、專業能力、資訊系統和數據補齊，不可能越級打怪。從幾家大科技公司在AI世界中的發展脈絡可以看出來，無一例外。但台灣產業是否有這樣的準備呢？恐怕大部份企業並沒有。
早在 AI 1.0 時代，第一本從台灣產業觀點出發、2019 年出版的《人工智慧在台灣》已清楚說明，導入人工智慧必須循序漸進，別想越級打怪。「企業想要導入人工智慧，過去欠的技術債，必須先盤點還清，更直白說，若企業的e化程度過於淺層，無法搭建夠完整的資料基礎建設，人工智慧的導入自然相當容易就卡關。」
因此，企業想要導入人工智慧，過去欠的技術債，必須先盤點還清。若企業的數位化程度過於淺層，無法搭建夠完整的資料基礎建設，人工智慧的導入相當容易就卡關。
很多企業誤會數位轉型就是建好戰情室，可以用視覺化的圖表看到企業重要營運數字；或者只要數據放在網路上、拍了很多影片、有 ERP 跟 CRM 就是有足夠數據。但實際上，數位化的層次差異非常大，導致資料的品質也天差地遠。
同樣談數位化，指的是每位同事都有自己才看得到的 Excel 表，還是能即時主動蒐集資料，還整理出報表的資料倉儲？資訊儀表板隨時可以檢視企業重要營運數字，或是已經在工作流程中融入資料蒐集、分析，能夠以資料做為輔助決策？這些都是不同層次的數位化。
而成熟的數位化以及成熟的資料基礎建設，是人工智慧導入的必要條件。如果資料沒有整理好，就算 找國際大廠、花大錢，也無法確保成果。因為資料的質量，才是決定AI導入廣度、深度與成熟度的關鍵因素，展現的成果與效益也會有相當大的差距。
然而大部份時候，技術債也不只是技術的問題。
如同微軟執行長納德拉所說，AI 改變的是企業整個執行環境。就算像微軟這樣的科技巨擘，也是在調整組織結構與企業文化之後，聚焦於行動裝置和雲端運算兩大趨勢，才能掌握這波生成式 AI 的制高點。這個組織變革的推動過程，在納德拉 2017 年出版的《刷新未來》中有相當清楚的說明。
然而台灣有不少企業到現在還認為 AI 導入是資訊部門的事情，認為跟過去導入軟體系統是相同的概念。嚴格說起來，這也不只是台灣企業的迷思。依據 Thomas H. Davenport 與 Nitin Mittal 合著的《AI 傳產驅動力：先行者怎樣植入變革基因超前部署？落後者如何全面啟動？》書中所說，許多企業經營者遲遲不投入 AI 轉型的迷思有三：
一、公司最近有更多重要的事情必須進行，投資像 AI 這種如此長期且影響不明確的計畫，值得嗎?
二、工作變動和自動化的進展速度並不會那麼快，等到真正的改變來了再說。
三、 AI 的變化還是充滿不確定，太早決定很可能完全搞錯。不如等技術成熟再來調整。
如果抱持這樣的心態，在過去網路時代或許還有機會找到出路，但進入 AI 時代之後，恐怕完全不是這麼回事。AI 技術的迭代速度與激烈競爭，在這兩年大家應該都體會到了。許多企業也察覺到，雖然有心想導入 AI，但往前看是不斷推陳出新、追也追不上的新應用；往後看是累積已久的技術債，必須投入大量資源才能改變。前後夾擊之下，究竟應該如何抉擇？
Koenraad Schelfaut 和 Prashant P. Shukla 兩位學者在《MIT Sloan Management Review》發表人工智慧時代技術債的管理一文，他們認為，解決AI時代技術債的方法不是消除它，而是要管理它。關鍵在於了解技術債是什麼、要修復什麼、要保留什麼，以及如何識別正在提升公司創新能力的技術債。
他們認為，一定程度的技術債是不可避免的，例如 AI 系統一上線就開始產生技術債，而且維護和更新這些系統的成本，必然隨著其複雜性和年限的增加而呈指數級增長。因此，要把技術債視為經營的必要成本，零技術債不該是追求的目標。
最重要的是，要能夠判斷什麼樣的技術債應該優先處理，才可以發揮最大價值。許多公司缺乏排定優先順序的結構化方法。例如技術債水準與商業價值都很高的問題，就應該視為優先。例如，一家醫療保健組織擁有一個龐大的病患資料庫，但資料庫卻分散在不同的系統和資料孤島中。這種分散化，非但影響組織服務的速度和質量，還會對患者的健康產生影響，就該是優先處理項目。
兩位作者認為，不妨將技術債視為對創新能力的投資，就可以將原本消極因應的態度，轉變為迎接 AI 帶來的機會，這樣的策略討論將能創造出更多積極的優勢。他們強調，技術債不再只是 IT 問題，而是執行長和領導團隊需要面對的策略挑戰。