台灣的企業越來越常在業務中導入AI。根據Acess Partnership近期發布的2024《台灣經濟影響報告》預估，在2030年之前，AI驅動的解決方案可望為台灣企業創造高達新台幣3.2兆的經濟效益。
資料是每個AI專案的基礎，而有效的資料管理是釋放AI潛力的關鍵。統一資料儲存實為箇中關鍵，因為AI的成功取決於企業隨時可有效運用資料的能力。NetApp 2024年資料複雜度報告指出，85%的亞太地區技術主管認為，統一資料對於2025年實現最佳AI成果極為重要。
然而，許多企業苦於有效存取和管理不同資料格式、資料結構和存取機制等問題，打破這些資料孤島仍為挑戰，但對於企業充分運用其資料並擴展AI效益而言，這是必要的一步。若要加速AI專案並取得成功，則需要正確的資料架構和儲存方案，而資料分析師和工程師之間的協作是讓一切有效運作的關鍵。IT部門的基礎架構系統採用了無縫運作的架構，快速整合資料到AI工作流程中，讓資料分析師和開發人員可以專注於他們的工作。尤為重要的是，支援AI開發和執行的架構必須具備可擴展性，且能處理所有資料，無論其位置在哪裡。此外，這些架構必須在每個步驟中保持最佳的靈活性和安全性。
簡化資料存取代表資料工程師可以專注於開發AI工作流程，進而讓資料分析師利用這些工作流程。每個人都能順利執行自己的任務，不會因為資料存取問題受挫，使生產力和效率得以最大化。
在企業中實作GenAI的關鍵起點在於基礎模型。然而，自行建立基礎模型需在專業知識和運算資源方面大量投資，幸運的是，企業可以使用自己的資料，透過檢索增強生成（RAG）等技術來增強現有的開放基礎模型。這種顛覆性的方法代表企業不必從頭開始開發AI，可以利用任何主要公有雲中已有的基礎模型、以即服務（as-a-Service）形式提供的模型，或是可在地端實施的免費模型。
雖然這些模型是用大量公開資料訓練出來的，但其仍然需要公司內部的專有資料，才能為特定使用個案提供價值。不論是在地端或雲端，透過微調生成式AI模型、或是採用RAG等技術，能否快速、輕鬆且安全地整合來自整個企業的資料，都將決定各種生產力和營收成長案例是否能夠成功實施。
能夠簡化資料存取並建立彈性資料架構的企業，可以為加速預測性和GenAI專案提供穩健的基礎。根據NetApp 2024年資料複雜度報告指出，亞太地區已有四分之三的企業（73%）已將其AI資料完全或大部分進行最佳化。
台灣在數位經濟領域勢必要挹注更多決心與資源，方能協助企業取得成功，並樂享AI投資帶來的價值。
＜本文作者：朱宥鑫現為NetApp 台灣總經理＞