SAS日前發表已助玉山金控建置維運化（Ops）流程，讓上百個AI模型得以數分鐘內完成監控與回饋，實現AI規模化應用；亦與臺北榮總合作即時資料處理、AI自動化與邊緣運算，AI維運化三階段佈局，助其將AI專案完成時間從1年縮減到1週內，並提供可解釋的AI讓診療輔助更安全！
SAS台灣總經理陳愷新指出，環境的不確定性，讓組織做判斷的難度大增，因此更仰賴數據來提升決策信心。然而當數據分析與AI技術被廣用，又帶來另一波規模化的挑戰。這也是為何領先組織會著眼佈局『維運化』（Ops）流程。因為只有讓AI從開發到部署，能在標準流程下被自動監控更新，才能大規模發揮營運價值，解決真實商業問題。
陳愷新進一步建議，企業除了維運化（Ops），下一波必須掌握「複合式AI」（Composite AI）技術-即在同一個運行框架下，結合不同AI技術，來為複雜商業問題提出最佳解。
譬如一個零售商想要了解如何最佳化定價，過往可使用機器學習技術，運算歷史交易資料、庫存水位、客戶屬性及競品訂價，來定出產品價格區間。但如果想進一步深掘問題層次，像是了解在定價以及促銷策略上該如何取得平衡？最終該最佳化營業額、利潤、市場份額、還是三者間做出情境模擬?面對這樣複雜的商業問題，就需要運用到橫跨機器學習、需求預測、統計及最佳化等AI技術。此外，複合式AI還可以從小數據中，以集合式的技術找出洞察，可說是AI價值的再進化。
陳愷新也提醒，能養成具備跨AI學科團隊的組織仍是少數，因此企業須尋求可支援複合式AI技術的單一平台，搭配為自身重要商業問題做出定義與排序，制定出「階梯式戰略」才容易取得成功。
回顧SAS台灣去年主要業務成長動能，雲端產品及軟體授權帶來40%的營收成長，獲利領域包含風險管理（IFRS17）與詐欺偵測、AI運算管理平台以及智慧醫療方案等。展望下一波動能，SAS表示將聚焦疫後趨勢與法遵科技，包含數位詐欺、國際保險資本標準（ICS）2.0與氣候風險管理等解決方案，並力推增強的「自動化機器學習（AutoML）」功能，與「維運化（Ops）解決方案」，以確保AI更容易被導入及部署，讓組織的AI投資效益更快體現。