企業引進人工智慧創新　人才與思維是關鍵

國際研究暨顧問機構在去年底發表的2017十大策略性科技趨勢中，人工智慧（AI）與先進機器學習被列為首項重要顛覆性應用。人工智慧最令人振奮之處，在於可以開發出不同的解決方案，做到以前只有人可以做到的事，並且取代重複單調的工作、減少錯誤。隨著AI的競爭愈益激烈，很多新創公司崛起，並且希望在市場上提供創新的解決方案。Gartner研究總監Angela McIntyre指出，在北美歐洲等地，與AI相關的新創公司達2,100家，微軟跟百度等大型企業則有數千名員工投入AI相關開發。

▲ Gartner研究總監Angela McIntyre指出，人工智慧原本在2012年就已進入成長高原期，其後卻由於DNN、GPU以及大數據趨勢的結合，使得AI成長趨勢大幅起飛。

她提到，深度神經網路（Deep Neural Network，DNN）、圖型處理器（GPU）以及大數據（Big Data）是讓AI具有突破性發展的三大科技趨勢，「AI原本在2012年就已進入成長高原期，其後卻由於DNN、GPU以及大數據趨勢的結合，使得AI成長趨勢大幅起飛。」而這也加速了人工智慧在各行各業的應用，例如分析醫學的影像或圖像，以協助找到腫瘤的存在位置，判別其為良性或惡性；透過電腦視覺判讀消費者表情，進而判斷廣告訊息是被正面還是負面看待；結合衛星影像與大數據，觀察氣候變遷對環境的影響；或是金融業虛擬助理（Virtual Personal Assistant，VPA）以及創造全新的購物型態行為等等。

成本與創新是兩大驅動力

Gartner分析，AI的運用場景仍是以B2B為主，例如政府單位運用AI打造智慧城市就是一個典型的案例。而企業最希望AI對公司環境帶來的改變，節省成本與創新商業模式分別位列第一、二名。在應用層面，企業最有興趣投資的為智慧顧問（Smart Advisor），第二名則是虛擬助理。

Gartner研究總監呂俊寬指出，AI可以取代很多複雜瑣碎和制式化的工作，就以客服為例，以往客服人員遇到訪客來電詢問，先翻閱客服手冊，指引下一步動作。引進了AI技術後，這些問題可以先由虛擬助理回答，在需要真人介入處理時，再讓客服人員接手回覆，如此便能大幅節省成本。另外，他也建議，企業可以從內部開始落實AI，舉例而言，過往電腦故障需要維修，流程是要先線上報修，再等候IT人員前往維護，若是能將其改由虛擬助理幫忙處理電腦問題，就能改善IT服務。

人力、成本與資料是三大挑戰

從技術層面而言，AI並沒有界限，企業可以隨時發想創新的想法，只有具備足夠的競爭力就能成功。但實務上企業在引進人工智慧時，卻很難得心應手，原因可能是傳統舊有的IT架構包袱過於沈重、人力與技能不足，或是面臨成本與資料管理挑戰，尤其是人才缺乏、成本與資料管理問題，往往也影響台灣企業人工智慧發展。

▲ 優拓資訊顧問黃鐘揚指出，台灣既有的企業文化基因很難吸引到真正優秀人才，而這將影響著企業AI應用的結果。

優拓資訊顧問黃鐘揚指出，台灣要發展人工智慧其實有其困難，如果從AI的工具、平台端出發，目前由於企業端仍然極少有AI應用的需求，因此，在缺乏消費端的刺激下，很難激發出具有全球市場的想法，或者即使難得有不錯的想法，但它往往在國外早就已經有成熟的產品了。另一方面，如果從落實AI技術到實際的產業來看，台灣既有的企業文化基因很難吸引到真正優秀的AI人才，而這將影響著企業AI應用的結果。他提到，同樣的資料量在頂尖專家的手中，可以透過各種開源函式庫（Library）的運用以及特徵工程（Feature Engineering）的方法，找出深度的洞察，創建出精準的模型；但一般的資料分析師可能只會根據理論公式或是現有的工具模板來進行分析，其結果差異立見。「許多企業的現狀是處於後者，看似有人工智慧的應用，其實並沒有對企業造成太大的改變或幫助。」

如果企業不能吸引到優秀人才，那麼在這波AI的浪潮中，委外也不失為一種好的方式。但問題在於，多年以來，在硬體思維之下，台灣企業並不看重軟體服務，願付價格並不高，企業願意投資數百萬乃至上千萬的硬體，但是軟體服務報價100萬，企業就覺得太貴，這是一個很吊詭的思維。另外，他也提到，在進行資料分析或人工智慧之前，企業需先做好資料庫／資料倉儲的基礎工程，例如資料的收集、清整、盤點與歸戶等等，但許多企業往往沒有意識到這點，或者是不敢當先鋒來做這樣的投資，企業主通常會詢問，做好資料庫／資料倉儲的基礎工程可以看達到哪些成效？如果投入了這些預算，卻只蓋好了地基，如何知道做的事情是對的呢？

黃鐘揚認為，實現AI並沒有想像中的容易，需要有長期投資的遠見，企業要運用人工智慧來轉型，資料收集、人才培養與分析技術缺一不可，如果企業在舊思維下，只想節省成本，既不懂得整理資料，也缺乏技術團隊，將很難在人工智慧領域取得創新商業模式的好處。

跨部門共同參與

Gartner預估到2021年之前，將有30%利潤會由AI來驅動，如果公司不投資AI，未來就少了30%掌握市場的機會。對於人工智慧應用與人才的培訓，Gartner研究總監Angela McIntyre也建議，可以先從大專院校中開始培養DNN與深度學習方面的技能，特別針對深度學習的資料科學家。但她也提到，現在不管是推動何種新方案，都需要跨部門的組成人才，除了資料科學家之外，需要真正使用到這個技術的業務團隊，還有行銷人員來定義採用的方法，任何專案在開始之前都需要有高階主管的投入與支持，這樣才可以把原先的計畫或專案大規模的採用。