不同於過往的任何科技，生成式AI快速地顛覆了商業和社會運作，促使企業領袖們重新思考原先的觀點、計畫和策略。為了幫助CEO們掌握快速變化的形勢，IBM商業價值研究院（IBV）發表了一系列主題式、以研究結果為基礎的生成式AI應用指南；本篇主題為平台、資料與治理。
從Netflix到NVIDIA，這些表現優異企業採用的是「平台」商業模式；它們建立在數位平台之上，藉著連結使用者和廠商創造更高的價值，不僅僅銷售產品，更是市場動能的導管。
首批採用平台型商業模式的企業，藉由比以往更快速、更有效地為客戶提供服務，已經拿下整個市場。然而，還有許多傳統型企業卻還未跟上這個潮流。事實上，只需要查一下股價就會發現：原生的平台型企業與傳統型企業之間的差距，正在不斷地擴大。
生成式AI提供了傳統型企業一次迎頭趕上的機會——它創造了公平的競爭環境，讓企業在各個方面都能「事半功倍」；提升生產力只是個開端，真正的效益將來自於商業模式的創新。
想要在新的市場型態中取勝，企業必須成為商業和科技平台的創造者，而不僅僅只是使用者。在未來的商業模式中，商業平台與科技平台是密不可分的。例如，生成式AI為基於平台的業務營運提供所需的技術支援；商業模式的創新倚靠現代IT架構以及可信任AI原則。生成式AI和業務平台都需要存取超越傳統歸屬定義的海量資料，並且在平台經濟中，擁有開放的生態系成為必要條件。
這使得AI和資料治理（從傳統定義來看，這屬於IT議題）成為企業高層關心、討論的議題之一。為了取得競爭優勢，企業必須摒棄繁文縟節。與此同時，也必須對AI倫理採取策略性作法，確保平台的透明度、可信度與公平性。因此，企業領袖們應該抓住顛覆型重塑的機會，展開生成式AI的資料探索，並將資料治理放在生成式AI生命週期的核心。
在平台探索生成式AI：企業要把握業務模式創新的機會
全球最有價值的企業都以平台為核心；它們的成功很難被複製，但生成式AI卻能使新的商業模式創新變為可能。根據接受IBM訪談的高階主管估計，2023年平台的投資回報率將比2020年高出57%；尤有甚者，94%的受訪CEO表示計畫在2022年採行平台商業模式；在2018年這個比例只有46%。
然而《哈佛商業評論》發現，過去20年，僅有17%的平台型企業成功。或許生成式AI就是那「失落的一角」。生成式AI可以革新組織裡的各個職能，為平台型企業賦予「超能力」。受訪的高階主管認為生成式AI將對銷售（57%）、研發創新（55%）、產品開發（55%）與客戶服務（37%）造成最大影響。
企業該如何把握這個顛覆型重塑的契機？
1.避免落入「漸進思維」，只期待小幅增長。設計一項生成式AI平台業務，讓它成為未來三年內公司裡最大、成長最快、利潤最高的部門。
2.以結果為導向。在構建平台時，確保每個接觸點都為平台成員增加實際價值。建立機制，根據不斷成長的資料量，持續評估和迭代運算模型。
3.同時，在做重大的投資決策之前，測試企業平台所使用的生成式AI功能。從公司為服務客戶而啟動的AI計畫中，汲取經驗教訓。
使用資料探索生成式AI
資料是「新型態」的天然資源，數量龐大、成本高昂且難以提取。如果資料的品質差，將「污染」整個企業生態系；反之，如果企業負責任地使用，資料就成了一座金礦。 隨著企業競相挖掘資料潛力，生成式AI讓資料變得更有價值。擁有大量「資料財富」的企業正在累積優勢。那些擁有大量高品質資料、能夠有效地將資料「變現」、且資料受內部和外部利益相關人信任的企業，其投資AI技術的回報率是其他企業的近兩倍（分別為9%和4.8%）。對於試圖單打獨鬥的企業來說，「資料財富」往往是遙不可及的。事實上，53%的CEO表示，缺乏企業專有資料是其生成式AI計畫成功的絆腳石。平台商業模式可從所有生態系成員和客戶那裡獲得企業專有資料，協助企業克服這個障礙。
另外，生成式AI平台藉由整合資料準備、訓練和調校模型、應用開發和部署等週期，推動業務模式創新。這種模式可創造「飛輪效應」：平台上的資料越多，對客戶的價值就越大；平台上的客戶越多，資料就越多，就能更好地訓練生成式AI模型。這也將增加合作夥伴關係的整體價值。
受訪的企業高階主管們認為，採用生成式AI來創新的最大預期效益，是強化生態系的協作。然而，為了使價值在整個生態系中流動，就必須將最基礎的「下水道」工程做好。由於開放平台需要互通性，因此整合資料儲存、數位產品和業務流程自動化至關重要。根據IBM商業價值研究院在2023年發表的《企業資料長研究》指出，採用消除孤島的作法和技術，可以創造出高績效、具互通性的資料營運成果，例如採用混合雲（78%）、流程和任務挖掘（70%）以及Data Fabric架構（68%）。
因此，IBM給企業的建議是，利用生成式AI探索資料潛力時，應先定義需要什麼樣的資料集。從客戶體驗出發，逆向思考：生成式AI平台需要提供什麼來吸引客戶和生態系的成員？生成式AI的價值主張依託於哪些資料？然後全力挖掘所需要的非結構化資料。將這種資料採礦能力發展成為凸顯平台價值主張、使企業從競爭中脫穎而出的利器。並且擴大資料探索範圍，納入客戶、可能的生態系成員以及他們的客戶，利用他們的資料流程來擴大平台網路的威力。
將治理放在生成式AI生命周期的核心
當探討企業該如何以及在哪些業務場景利用生成式AI創新技術之際，討論的重心就是生成式AI的可信度。如今，來自眾多源頭的海量資料被用來訓練生成式AI模型，因此瞭解資料與資料治理比以往任何時刻都更為重要。
CEO們深知這個道理。大多數受訪者表示，資料來源與出處（61%）與資料安全（57%）是採用生成式AI的障礙，而45%的受訪CEO表示資料隱私是採用的關鍵點。 在這種環境下，AI和資料治理並非只是IT議題，更是企業創造價值的策略。企業可以運用AI實現哪些目標，在很大程度上取決於該企業選擇、管理、分析和應用資料的方式。信任，奠基於上述過程中溝通的透明度。
因此，資料治理應成為高階管理團隊議程的一部分。企業應組建一支善於治理的執行團隊，並針對團隊和董事會展開教育訓練，以及讓AI和資料治理成為董事會的常規議程，確保其得到應有的關注度。同時，也要讓將治理融入AI生命週期的每一個階段。消除組織孤島，促進AI和資料治理的設計與執行。此外，企業需要一個端到端的系統。同時安排專人負責：任命並授權一位高階主管，專責領導整個企業的AI和資料治理。而且，積極消除因所有權和責任分散而導致失敗的風險。
本篇報告中引用的市場與客戶洞察，來自IBM商業價值研究院（以下稱IBV）的專屬資料與數個外部資料來源包括S&P Global、Statista、哈佛商業評論。
＜本文作者：本文作者為台灣IBM諮詢總經理＞