生成式AI可帶來三大價值體現，一是將生成式AI融入到日常作業中，將有助於提升效率與生產力，更進一步還可以應用在核心流程中，例如行銷、研發、客服、財富管理、信用貸款、核保等也有機會透過GenAI來大幅改變，重塑改造，甚至是將生成式AI應用在打造新型態的商業模式，以新價值主張創造營收來源，如顛覆性客戶體驗、數據變現、AI驅動服務或是AI嵌入產品等等。
聚焦新一代AI革命與數位轉型所帶來的加乘效應與挑戰，今年戴爾科技論壇（2024 Dell Technologies Forum）邀請波士頓顧問（BCG）董事總經理暨全球合夥人陳美融分享台灣產業生成式AI困境與轉型實戰。陳美融認為，過去企業積極投入數位轉型，經過3、4年的發展已到一個階段，如今轉而開始擁抱AI轉型。
她提到，或許有不少人還停留在生成式AI（GenAI）就是ChatGPT的印象，但GenAI對企業的戰略價值並不只於此。例如，企業可以將生成式AI融入在日常作業中，如此將有助於提升效率與生產力，諸如會議摘要、備忘錄起草、程式碼開發、發票對帳等等，均可改由生成式AI來執行，透過此一方式，預估可釋出10%至15%生產力。
更進一步可以應用在核心流程中，例如行銷、研發、客服、財富管理、信用貸款、核保等也有機會透過GenAI來大幅改變，重塑改造。舉例而言，將過去的知識轉換成結構化的資訊，以便能更快速地執行，就是其中一種應用方式，這種透過生成式AI來改造關鍵職能的作法，有望提升30%至50%效率。最後是將生成式AI應用在打造新型態的商業模式，以新價值主張創造營收來源，如顛覆性客戶體驗、數據變現、AI驅動服務或是AI嵌入產品等等。
三大價值體現對應不同人力、技術需求
然而，這三種不同的價值體現，卻也有不同的技術、人才需求。最容易實現的當屬把生成式AI融入日常作業中，只要採用現成的軟體，例如Copilot、ChatGPT Enterprise就可以實現。對應到人才方面，主要是鼓勵人員使用，讓人員技術升級，減少大量人工反覆執行的工作。但如果是重塑改造，就需要自訂AI系統，甚至遵循新的流程。過去，企業所收集、取得的資料只是礦山一角，GenAI讓企業開始正視非結構化資料的重要性，並且將之整合在一起，也因為如此，員工職能也要轉換成能夠使用AI來完成工作，因此在這個階段，不只是流程改造，員工編制規劃可能也要有所不同。
一旦走到創新業務模式，現今市場上的模型可能就不符所需，而是要考慮客製LLM，連團隊也要重新孵化。值得留意的是，從重塑改造開始，就需要業務單位，甚至是CEO來一起重新思考，重新改造。在創新業務模式也是如此，需要由上而下來執行GenAI的應用。
活用六核心原型 負責任AI降低風險
陳美融指出，GenAI可歸納出六大核心原型可以讓企業活用，包含對話式介面、知識生成、內容總結、數據分析與視覺化、個人化內容生成，以及合成模擬／訓練數生成。她舉例，企業內部可能有ERP、財務或是人資系統，經常要匯出許多報表，如果能夠有對話式的介面，就可以讓工作變得更有效率。內容總結方面，許多會議方案現在已經可以用生成式AI來幫忙摘要，除此之外，企業也開始討論如何匯集非結構化資料，將其變成知識，讓新進人員可以快速上手，很快地知道下一步該如何操作。
「儘管如此，目前生成式AI確實仍存在一些風險，包含智慧財產權與版權侵犯、偏見輸出、網路安全與資料隱私，以及幻覺／自信但錯誤的答案等等，但其中有許多都可以透過負責任AI（Responsible AI，RAI）來減少風險。」她建議，企業應該要開始籌組RAI的小組委員會，討論如何使用生成式AI，以符合法規上的限制，同時也要保護資料。「別忘記，AI其實也很好用，過去波士頓顧問（BCG）公司協助銀行推動AI轉型，其實已經看到很好的成效，例如推薦下一步最佳方案、智慧化的留客、分析性的風險監控以及如何抓取客戶360的訊息，都有顯著的效益。」
製造業應用 輔助角色更合適
近期，波士頓顧問公司也發布的新研究顯示，全球員工對於AI和生成式AI的看法正在發生重大轉變，在這份名為《工作中的AI：亦敵亦友》（AI at Work: Friend and Foe）的報告中發現，生成式AI每週可為員工節省五小時，讓他們能夠以更聰明的方式完成更多工作。
陳美融也舉例分享實際應用案例，例如在市場行銷應用上，通常一場大型行銷活動規劃所需的時間大約是3個月，而在行銷活動創建的過程中嵌入GenAI之後，可以大幅縮短至1～2個小時；在客服應用方面，原本某歐洲企業的客服需要耗費約20%時間在理解問題和找尋解方、30%的時間花在打字回覆，而且回覆品質的高低還會因為個別客服人員的能力而有所差異，在運用生成式AI後，平均服務時間減少18%，但同時淨推薦值（NPS）維持不變。
「台灣製造業是否也適合運用生成式AI？」她提到，製造業應用AI早已行之有年，生成式AI可視為是人工智慧的一環，能夠讓企業應用AI的面向更廣泛，但是製造業講求的是精準，而GenAI應用更擅長與人互動、提供有創意的內容，因此在場景的選擇上，與精準度相關的場景，例如提高透明度、異常檢測、參數調整優化以及預測等等就不合適，反而可以讓GenAI來作為機器學習、深度學習應用的輔助系統，而且可以循序漸進。
舉例而言，當機台故障需要維修或檢修時，往往需要很有經驗的工程師或委外來檢修，這時GenAI就可以作為維修輔助系統，讓維修人員檢修時更有效率。第二階段則可以透過GenAI來進行預測性或判斷性的決策，例如遇到問題而不知如何解決時，GenAI也可以根據過去除錯的過程，或是現場的數據，來判斷根本原因，並提出一些建議的解決方案。第三階段則是做到自主性，人為介入越少越好。
2024戴爾科技論壇邀請波士頓顧問（BCG）董事總經理暨全球合夥人陳美融分享台灣產業生成式AI困境與轉型實戰。
不過，陳美融也強調，越到後面的階段，企業數位化的成熟度也必須達到能與GenAI形成很好的默契，才能有這樣的結果。
結合業務期望才能做大做好
儘管如此，企業在AI與GenAI的應用過程中仍面臨了諸多阻礙，包含與決策者的目標不一致、開發和實施週期緩慢、需求與投資不匹配、賦能力道有限、用例定義不明確以及擴展性不足等問題。
她提到，在協助企業的過程中，IT通常是執行單位，然而雙方討論時，最常做的事卻是詢問IT單位「業務單位的期望是什麼」，因為期望目標不一致將成為AI導入的一大障礙。唯有AI與業務能整合在一起，並且能因為AI導入而帶來效益，如此企業才會對AI有信心，才會持續地做大做好。因此與公司的目標策略結合在一起將是一大關鍵。同時企業也必須改變原有的硬體思維，從瀑布式開發轉變成更敏捷的方式，要有容錯的概念，錯了再調整，讓AI更聰明，使用者可以使用得更順手。另外，有不少企業不知道如何追蹤效益，使得AI賦能的力道有限，而這必須要從企業文化進行轉化，才能有效地推廣，讓AI創造價值。