企業AI採用度攀上轉折點 效益可期但仍有挑戰(上)

2022-09-15
IBM全球人工智慧採用指標(Global AI Adoption Index)分析全球整體AI採用的趨勢與發展,涵蓋阻礙AI發揮潛力的障礙、挑戰,以及AI最有可能蓬勃發展的使用案例、產業和國家。最新的調查結果,將分成上下兩篇文章跟大家做報告。

連續三年,IBM全球人工智慧採用指標(Global AI Adoption Index)均提供全球整體AI採用的洞察,包含阻礙AI發揮潛力的障礙、挑戰,以及AI最有可能蓬勃發展的使用案例、產業和國家。

調查發現,人工智慧(AI)的採用及其對企業和社會的影響在全球正處於轉折點,其採用率穩步增長,對比去年增長4%,已達35%。

藉由新的自動化功能、更容易使用與可及性(Accessibility),以及更廣泛的各種既定使用案例,人工智慧得以快速地為全球組織提供新的效益和效率,並且可透過現成的解決方案(例如虛擬助理)和內嵌在現有業務運作(例如IT處理程序)中來加以應用。根據調查,有44%的企業致力於將AI內嵌在現行應用程式和處理程序中。

全球AI採用率。

雖然已取得進展,但企業仍須慎重行事,透過灌輸信任並保證AI負責任地行動,以確保消費者欣然接受AI的好處。例如,大部分採用AI的組織尚未採取重要步驟來確保其AI值得信賴且負責,例如減少意外偏誤。同時,公司也將AI應用在更深遠的挑戰上,並對社會和環境產生更大影響,例如解決技能或人力短缺問題,或協助推動環境、社會和治理(ESG)相關計畫,並減少其對環境的影響。多達三分之二的公司打算或已將AI套用至其永續性相關目標。

全球AI採用持續成長

在此次調查中發現,全球人工智慧採用持續成長,並且在AI採用與策略、擴增人力、永續性以及使用案例等層面向均有正向的發展。

AI採用與策略

人工智慧採用持續成長,較2021年成長4%,有35%公司已在業務中使用AI,另外42%企業指出他們正在探索AI。

擴增人力

運用AI技術讓重複性工作自動化,藉此協助公司解決人力和技能短缺問題。有30%的全球IT專業人員表示,員工已利用新的AI和自動化軟體與工具節省時間。

圖說

永續性

高達66%的公司目前正在執行或是打算應用AI來達成其永續性目標。

使用案例

約莫一半的組織都看到使用AI來自動化IT、商業或網路處理程序的好處,包括節省成本並提高效益(54%)、IT或網路效能的改善(53%),以及更好的客戶體驗(48%)。

企業挑戰與障礙

然而,在此同時,企業仍面臨重大挑戰。

AI採用的障礙

阻礙企業成功採用AI的五大因素包含有限的AI技能、專門知識或知識(34%)、價格太高(29%)、缺乏工具或平台來開發模型(25%)、專案太複雜或難以整合與擴充(24%),以及資料太複雜(24%)。

可信任AI

大多數組織尚未採取重要步驟來確保其AI值得信賴且負責,例如減少偏誤(74%)、追蹤效能變異及模型漂移(68%),並確保他們能夠解釋採用AI技術的決策(61%)。

AI採用與策略

人工智慧採用在2022年繼續保持穩定的速度增長,超過三分之一的公司(35%)指出在其企業中使用AI。採用的主要驅動因素是可及性,讓AI更容易在整個組織中實作,不過公司也尋求AI協助提高作業自動化並降低成本。大型企業與小型企業之間採用AI的差距也大幅擴大。大型企業現在比小型公司在其組織中部署AI的可能性高出100%,而2021年只有69%。

採用AI,可能因公司、地理位置和產業而異。雖然大型企業積極部署AI作為其業務運營的一部分可能性是兩倍,但小型公司更有可能還在探索或未採用。中國和印度企業在這方面領先,這些國家近60%的IT專業人員表示組織已經積極使用AI,這比南韓(22%)、澳大利亞(24%)、美國(25%)和英國(26%)等市場的採用率要高得多。產業差異也相當大,汽車和金融服務業的公司比其同等產業更有可能部署,或加速部署。 AI採用持續加速,超過半數(53%)的IT專業人員表示,過去二年他們加速推出AI,這個比率遠高於2021年的43%。

到目前為止,為什麼AI採用是漸進的,一個主要的解釋是需要實作策略,以成功有效運作並將AI套用至商業目標。今天,許多尚未擁抱AI的組織都在努力制定正確的策略來協助他們這樣做,特別是採用AI速度慢很多的小型公司。對於如何在整個組織中使用AI制定全面性策略,大型企業比小型公司的可能性高60%。許多小型公司(41%)現在正在制定AI策略。

在各國,探索或部署AI報告的組織中大部分IT專業人員都報告其公司正在制定或已有AI策略。不過,印度和中國的專業人員最有可能表示,他們公司的AI策略在整個組織是全面性的。

成本與自動化是關鍵因素

驅動全球大部分市場採用AI的因素,源自於減少成本與自動化關鍵流程的需求,隨著AI技術一年比一年進步,AI工具變得更針對企業量身打造、更容易使用,而且AI技能通常繼續變得越來越普遍。

與兩到三年前的AI專案相比,最重要的改變是AI解決方案更適合企業需求(45%)、更容易取得且更容易部署(41%),以及資料和AI技能更普遍(38%)。 大型企業更有可能將AI嵌入現行應用程式和處理程序中,而小型公司則最有可能在未來一年內投資於研究開發。

許多對AI感興趣的公司也意識到他們沒有正確的雲端和資料基礎架構來這麼做,這也是為何大型和小型公司之間採用AI的差距越來越大的原因之一。例如,探索AI的公司更有可能報告其公司正在使用私有雲環境,而目前部署AI的公司更有可能報告其公司正在使用資料與雲端環境的混合,以便於可以在其需要的任何地方存取其資料並執行其模型。

大型企業使用混合雲或多雲環境的可能性比小型公司高70%,而已部署AI的公司使用混合雲或多雲環境的可能性,比未使用混合雲或多雲環境的公司高59%。

與調查中的大多數其他指標相比,全球資料和雲端環境中的不一致和變異更大。全球僅有部分IT專業人員使用私有雲,但中國、德國、印度和新加坡的IT專業人員報告他們公司使用混合雲或多雲環境。與世界其他地方相比,南韓企業使用公有雲的可能性是其他國家的兩倍以上(南韓企業為41%,而其他國家則為10%~20%)。鄰國之間有時會有很大差異,例如41%的德國公司使用混合雲服務,而只有23%的義大利公司使用混合雲服務。

當談到銜接AI和雲端生態系統時,企業比以往任何時候都更想要建置並執行其AI,無論其資料位於何處。相較於去年,2022年的調查高出了8%。

資料管理阻礙採用

大部分國家╱地區的IT人員均認為,確保資料安全是其組織資料管理策略中最困難的部分。

尚未部署AI的公司表示,對於是否擁有合適的工具,幾乎沒有信心的可能性是其三倍,而此項調查結果也進一步證明,有效的資料管理與AI部署必須齊頭並進。每五家公司中就有一家表示沒有適當的工具來尋找和使用企業中的資料。

雖然許多公司仍面臨重要資料管理問題,但大部分組織對其資料管理能力越來越有信心,五分之四以上的IT專業人員(84%)表示,他們對其公司擁有適當的工具非常或有些信心,可以在其企業中尋找並使用資料。

印度(45%)和中國(51%)的IT專業人員指出,他們的組織目前正在使用某種類型的Data Fabric架構,這種架構方法可簡化組織中的資料存取,讓有需要的人存取資料,而其他大多數國家的IT專業人員,則報告自身的公司正考慮使用Data Fabric架構。

除了更精密的雲端架構外,這份調查也顯示AI需要更複雜的資料架構的證據。例如,使用AI的公司更有可能使用Data Fabric架構,使其可在任何需要的地方存取及顯示精確資料。事實上,為了執行其模型並保護其資料,已部署AI的公司混合使用包括資料庫、資料湖、資料倉儲和資料湖屋在內之架構組合的可能性,比未部署AI的公司高65%。

小型公司的IT專業人員擁有不到20個不同資料來源的機率是大型組織的三倍,這些資料來源是他們的AI、BI和分析系統。在所有國家╱地區,大部分IT專業人員報告其公司正從超過20個不同的資料來源中汲取資料,以通知他們的AI、BI和分析系統;中國和印度的公司從最廣泛的來源中汲取資料。

目前部署AI的組織比只探索AI的組織,更有可能需要更高百分比的員工存取公司資料。中國、印度和新加坡的IT專業人員更可能報告,其組織中有四分之一或以上的人力需要存取公司資料才能做出決策。

技能缺乏是一大挑戰

除了成本、缺乏工具或專案或資料複雜性外,缺乏技能仍是阻礙AI採用組織的最大障礙。到目前為止,IT專業人員仍是組織內AI最可能的使用者群組,因為公司期待AI作業將其IT基礎架構現代化並自動化。同時,AI也協助組織解決技能落差,例如自動執行技術工作者的作業,讓他們更有生產力,或使用AI輔助學習或員工參與。

組織如何使用AI來解決人力或技能短缺的問題。

AI採用的障礙仍持續存在。阻礙企業成功採用AI的前五大因素是:有限的AI技能、專業或知識,以及價格太高、缺乏工具或平台來開發模型、專案太複雜或難以整合及擴充、資料太複雜。

除了受到新冠肺炎(COVID-19)影響外,在每一年「IBM全球AI採用指標(Global AI Adoption Index)」中,驅動AI採用的因素(以及阻礙AI採用的因素)都非常一致。技能有限、價格高昂,以及難以擴充或處理複雜的專案,仍是導致有限AI採用的主要因素。由於這些問題都對目前超過四分之一的企業造成負面影響,它們仍是廣泛採用的一大障礙。

AI在組織內扮演最重要的角色之一,就是協助他們解決影響全球大部分產業的廣泛技能和勞工短缺問題。30%的IT專業人員表示,他們組織的員工正在利用新的AI和自動化軟體及工具節省時間,特別是在IT等技能短缺普遍存在的領域。公司也越來越尋求AI來協助他們改善招聘和留任政策,尋找更多元化的員工,並讓員工擁有更好的技能和訓練。

<本文作者:廖俊榮現為台灣IBM公司軟體事業副總經理>


追蹤我們Featrue us

本站使用cookie及相關技術分析來改善使用者體驗。瞭解更多

我知道了!