人工智慧(AI)在過去幾年熱度未減,反而越來越被企業重視。根據《2019資誠臺灣企業領袖調查報告─危機中挺身而進》,有63%臺灣企業領袖同意AI將在未來五年大幅改變公司營運方式,其中,又以積極發展FinTech的金融業同意的比例最高(86%);健康產業(69%)次之,顯示多數企業都已充分意識到AI可能掀起的巨浪。

企業積極運用AI來增加競爭力,但到目前為止,AI的運用仍限於局部,企業必須思考如何更有系統地推動AI,讓AI的影響更全面化,達成更大的效益。而其中關鍵在於如何讓AI技術能夠轉化為商業效益。

資誠PwC累積過去豐富經驗,提出ABCD四個重點,協助企業在推廣AI時更順利達成設定目標。

A.應用場景(Application scenario)

企業不要沉迷各種技術的引進,必須思考本身最需要運用AI技術突破的應用場景。應用場景的決定,通常與公司主要營運內容有關,例如:消費性產品公司,通常會運用AI技術在智慧顧客互動或者智慧消費洞悉上;以生產為主的企業,則多希望解決產線上老師傅的技術障礙,或者品質與效率提升。當然,若思考以AI創立新商業模式或進入新產業,則可以另類思考,突破限制開創新的應用場景,但絕大部分企業仍應以自己最有競爭力的區塊,進行應用場景思考。

B.商業效果(Business impact)

除了選定AI適合應用場景,也必須透過清楚的商業效果來衡量各個AI專案優先順序,企業必須設定所有AI專案的商業目標,才能衡量清楚的投資效益;更須注意的是,許多AI專案都還在探索階段,機器學習成果並不一定都能夠進入商轉,而且可能需要持續不斷投資,才能達到原來設定成果。

建議企業必須對AI專案設定階段性目標以及停止點,不要期望所有AI專案在很短時間就可達到很好效果,也不要沒有終點的投資,許多時候,若不能接受現有AI技術展現成果,在等待下一階段的新技術突破前,就只能選擇放棄。

C.職能中心(Center of excellence)

AI資源在企業中目前仍屬稀有資源,建議企業可思考將AI的資源整合在一個職能中心,若企業已有物聯網、大數據、或者資料分析組織,則可考慮合併或整合。除了可用以支援各事業單位AI需求,也可統籌企業AI專案的推動,分享AI的應用案例,及對外的技術合作。

此外,除了AI職能中心的建立,可以成立AI創新實驗室,接受企業內所有事業單位所提出的AI挑戰,與事業單位一起進行AI的推廣與創新,這樣才能持續的推動與改革AI應用。

D.資料(Data)

AI平台需要大量高品質的標註資料,才能透過機器學習得到好的成果,但目前大部分企業內部資料,仍分散在不同事業單位交易系統,有更多的外部資料甚至沒有地方存放,資料種類十分雜亂沒有標準。

企業必須針對AI解決的應用場景與題目,更有效率地進行資料的重新蒐集,分類與標註;同時,也應思考建立企業級的資料池(Data Lake),將資料透過新的大數據管理技術整合在一起,提供持續更新的資料,讓AI與分析的平台能夠不斷學習與修正模型。

隨著電腦運算速度、大量數位資料以及演算法創新,AI的發展在過去五年有了突破性躍進;展望未來,我們樂觀預期,會有更多產業顛覆性創新,企業應該更積極地引進AI技術,緊抓AI新契機。(本文作者為資誠創新整合公司董事)

#企業 #創新