後疫情時代企業對AI等前瞻技術的投資將加速數位轉型，但大多數企業仍處在早期試驗階段。假如因市面上已有許多成功案例，而產生AI無所不能、選用現成優異演算法或知名大廠解決方案即可等誤解，將陷入導入AI的迷思。
近年來，由於大數據持續快速累積、深度學習等人工智慧技術突破精進，各種影像、語音辨識等應用解決方案陸續進入商用化階段，且在金融、製造、醫療、零售等行業都出現不少成功應用案例。在媒體大肆報導下，導入AI已儼然成為企業經營的新顯學，企業對於AI帶來的效益抱持高度期待，無論是改善生產品質、提升作業效率、優化顧客體驗，或是進行數位轉型等，皆將導入AI視為不可或缺的一環。
AI非萬能 需了解限制避免陷入迷思
後疫情時代企業對AI等前瞻技術的投資將加速數位轉型，但大多數企業仍處在早期試驗階段。假如因市面上已有許多成功案例，而產生AI無所不能、選用現成優異演算法或知名大廠解決方案即可等誤解，將陷入導入AI的迷思。因此，導入前對AI基礎認識不夠、對導入目的定義不清，輕忽導入AI的複雜性，一昧地對導入效益過度期待，將很容易因投入資源過多、回收時間過長、成效不如預期等原因，導致最終以失敗收場。
由於提供AI解決方案的廠商眾多，研發競爭激烈，技術進展快速，領先廠商的替換更迭現象將習以為常，即使是知名大廠也無法保證可持續維持競爭優勢。因此，並非採用已通過市場驗證或大廠的解決方案就可保證獲得最大效益，在導入規劃上，宜保留未來追加轉換或整合的彈性與空間。
此外，雖然AI技術有顯著的進展，相關業者持續推出各種解決方案，但目前仍無完美全能的AI，依導入目的選擇最適合的AI解決方案，了解其技術限制，並搭配對應的領域專家釐清功能需求為導入前重要的步驟。而基於用途與數據等差異，其他企業或成功案例採用的AI技術、演算法等，未必可符合本身需求；另即便有許多現成公開的演算法可供運用，若使用數據品質不佳，或有偏差，亦將影響結果的可信度。演算法黑盒（Black Box）問題，將導致無法針對結果進一步說明詳細邏輯，以取得使用者認同的狀況，因此思考AI的可解釋性，也是導入必須考量的因素。
四大課題需先釐清
由上述可知，導入AI具有高度複雜度，過程多所波折恐難避免，導入前存在諸多必須先釐清與克服的課題。首先是，導入目的明確與共識。若業務部門、IT部門，以及經營高層對導入目的與成效期待存在歧見，將導致評價沒有一致標準，影響後續是否擴大投資等判斷與決策。以製造業為例，生產線導入自動光學檢測AI，生產部門以篩出不良品，提高作業效率等為目的，但經營高層可能更希望收集製造過程之各種數據，分析造成不良品的原因，徹底解決不良品問題。
其次為，資料數據的品質。資料數據是AI應用的根本要素，但一般企業對資料數據的收集管理與應用等相關認知仍有限。相較於IT系統所管理的營運數據，生產或銷售現場所收集取得的數據精確度較低，需經過去蕪存菁的過程，才能萃取出達到機器學習模型可立即使用的品質要求。
再者，投入成本的門檻。導入AI，運用機器學習進行訓練與推論等所需成本不低。尤其為提高機器學習模型的預測精準度，必須多次反覆進行訓練與調校，將需要一定時間，並累積可觀的成本。動輒百萬台幣起跳的投資門檻，對中小企業而言，勢必得經過審慎考量，甚或形成導入障礙。
最後，相關技能的不足。計畫導入AI，但缺乏對應的技能與人才，是企業普遍遭遇的問題。機器學習模型建構與訓練，是導入AI時必備的專業知識，其中包含具備機器學習、演算法開發，以及建構模型與訓練能力的技術人員與資料科學家等。然而，許多企業內部並無此類人才，且在AI應用形成風潮下，市場上相關人才短缺，如何確保擁有該技能的顧問、合作夥伴，乃至自行培養了解該領域專業之技術人員，都成為導入AI的迫切課題。
確認目標是重要的第一步
因此，在實際導入時必須針對課題思考，並提出配套方案。確認目標，並讓業務與IT等相關員工了解導入AI的效益，以及本身職責與角色分工，是重要的第一步。導入業務項目可優先考量後續效益最大者，訂定導入流程與效益評估指標，進行試行與PoC（Proof of Concept）驗證，定期檢討階段性成果，以做為調整依據。
在導入機器學習等AI技術時，企業雖已認知資料數據的重要性，但大部分並未擁有或有效管理。因此，建立資料數據收集運用的機制，盤點訂單、採購、客戶等ERP、CRM系統上之結構性數據，以及社群媒體之非結構性資料等各種來源，並針對其品質與可用性進行評價與篩選，以符合機器學習模型之用，是必要的步驟。
備妥資料數據，展開機器學習模型演算法訓練與分析，需要搭配各種適合的工具與資源，包含資料儲存、分析工具、資料安全，以及訓練與部署所需之CPU、GPU運算資源等。傳統內部部署方式，相當耗時，成本上亦不經濟，選擇功能齊全、服務完善、安全穩定的雲端服務是較佳的策略，除具有可擴充彈性、快速部署等優勢外，亦可有效控制整體使用成本。
面對AI等新科技時代的挑戰，企業應有更長遠的佈局與願景，釐清導入AI的目的，從短期的作業效率改善等著手，進一步提升至中長期策略佈局，才能為企業建立競爭優勢與企業價值。而員工對應新科技的能力不足，是企業導入AI最先面臨的課題，亦是限制企業成長的因素。過去企業透過外部招募、挖角，或專案委外等方式，解決員工技能不足問題，但AI導入需要機器學習、數據專長與熟悉領域的人才，從長期應用與發展角度思考，企業亦需審慎評估透過員工再訓練提升技能的方式，逐步建立內部專業團隊的可行性。
＜本文作者：周維忠現為資策會MIC資深研究總監。＞