若要讓人工智慧（AI）在企業組織中徹底發揮，就不能將它孤立於IT部門的象牙塔內，或只讓特定資料科學家檢測。成功運用AI的法門是協助最前線的員工充分發揮此技術，藉由AI所提供的建議與洞察，來充實員工對自身領域的專業知識。
要成為前瞻性企業，就必須探索AI的秘密，讓前線的員工了解AI建議的模式與邏輯，並且將其打造成直覺式工具，順暢地融入日常工作流程中。而運用適當的軟體能協助企業充分發揮AI技術，並且將這些軟體整合在硬體系統上。
舉例來說，用來建置AI應用程式分析影音檔案的軟體，可在觀測到異常時發出警報。透過預設在硬體系統上的AI模型，讓企業組織內的資料科學家輕鬆部署，非IT部門的使用者也能輕易用來加強自我能力。另一個是利用AI視覺檢測，協助辨識瑕疵、降低成本及提升生產力。藉由運用電腦視覺檢查零件、元件及產品，並對照之前歸類出的缺陷來辨識瑕疵。這兩種工具都可適用於許多案例中，各企業組織都可藉以訓練AI處理特有的問題。
想像一下，我們正身處於製造廠房之中。基於公共安全，員工需要配戴護目鏡、安全帽等保護措施。但是工廠的規模通常都很大，主管很難一一確認所有人都有妥善配戴安全裝備。這時候AI就可以充分發揮作用，企業可以訓練AI監控監視影像，標記可能違反安全規定的情形，並對主管提出警訊，以確認工人是否都有配帶好安全裝備。
確保公共安全之後，產品品質更是至關重要，若要生產完全符合特定規格的產品時，即便有一點點瑕疵都會造成產品故障。用肉眼檢查時難免漏掉這樣的小瑕疵，但是運用AI訓練偵測瑕疵的模型，員工的效能也就大大提升。AI的關鍵在於最需要使用AI技術的不是那些資料科學家，而是最前線的員工，第一線員工是最大的受惠者。
在企業中不論是誰使用AI相關應用程式，都需要信任AI提供的建議及成果。沒有任何一個品管人員會因為AI認為該設備有瑕疵，而捨棄價值上百萬美元的設備，除非AI能夠提出有利的證據支持。目前的機器學習框架可以做到使用GPU加速的線性模型，可擴展至多個GPU及伺服器。這些模型包含邏輯迴歸、線性迴歸及支援向量機，都很容易解讀，並為影響決定的每項因素提供清楚的加權值。這些模型就像樹幹分支，各個分支都可上下追蹤，找出影響該模型做出最後決定的反曲點。
要輕鬆啟用AI，可選擇硬體基礎架構搭配開放原始碼的AI軟體，及管理軟體工具，便能夠協助開發人員、資料科學家及企業領袖，來開發適合企業的AI應用程式，以快速執行訓練工作。
<本文作者：于伯琨現為IBM硬體系統事業部總經理>