專家見解

台灣近半企業投入AI轉型，大家都在哪裡卡關？

採訪．撰文｜溫為翔　編輯｜林庭安、韋惟珊　攝影｜侯俊偉

郭秉宸
交通大學材料科學與政治大學科技管理雙碩士，曾任KPMG台灣所顧問部協理，領導智慧製造團隊經營工業產業、家族企業管理、創業創新服務3大市場，現為台灣人工智慧學校（AIA）產學長。

在ChatGPT爆紅之前，台灣就有不少企業嘗試讓人工智慧（AI）變成組織核心競爭力的一環，像是玉山金控2018年就開始將AI導入服務流程，友達光電更是花了近10 年時間推動生產製程的AI轉型。

台灣人工智慧學校（AIA，Taiwan AI Academy）產學長郭秉宸觀察，產業討論AI愈來愈務實，從4、5年前聽到AI還覺得摸不著邊，後來逐漸有更完整的認識，開始具體思考如何用AI解決企業問題。

這樣的企業有多少？《經理人》、《數位時代》、AIA今年合作推出〈2023職場學習趨勢調查：企業如何幫助員工學習AI？〉，近50%受訪者表示公司已經有足夠的技術能力，或是正在嘗試AI相關專案；另外20%則說，公司大致了解AI，仍在評估該如何應用。

換句話說，業界對於AI的態度，從一開始的觀望，已逐步納入企業轉型的進程與策略規畫。在這個階段，企業面臨的主要問題已不在於是否要導入AI，而是過程中可能遭遇哪些困難。

整合散落、不齊全的數據，跨出AI轉型第一步

根據上述調查，企業導入AI面臨最大的困難，是「數據資料不足、散落於各部門，難以整合」。郭秉宸解釋，過去部門各自為政，數據分散在各部門的流程與表單中，不僅難以確認哪些數據應該被保留、哪些該捨棄；整理和儲存的方式也不一致，導致資料串聯時有缺漏，難以解決問題。

例如，公司要解決「無法順利出貨」的問題，但出貨只是結果，整串作業流程從原物料採購、製造、生產管理、品質管理、倉儲到物流，每個環節都需要數據檢視發生了什麼問題，不會只看單一步驟。如果想用AI做到順利出貨，在建立AI模型前，就需要彙整流程上每一步驟的數據，完整判讀與分析，才能真正解決問題。

要確保建立AI模型前掌握數據資料的完整性，必須從公司C-level開始制定數據治理（data governance）方針，規畫數位轉型到AI導入的短、中、長期策略，並從解決問題的視角，觀察相關流程與部門單位的數據架構，才能判定欠缺哪些數據資料。

企業導入AI的第二大困難是，認為市面上的AI產品無法解決自己業務的問題。但郭秉宸表示，這是因為只從單一部門去考慮問題，見樹不見林。

AI導入需全體動員，跨部門協作才能解決問題

舉例來說，行銷團隊認為找不到合用的AI工具加速推廣社群，但重新檢視問題發現關鍵在於內容團隊提供的素材需要先行整理才能加快後面作業。這時如果換成從內容團隊導入AI幫忙整理素材，行銷團隊再接手，同樣能提升作業效率。郭秉宸建議，部門間不能各自為政，應該合作找出問題癥結，才能對應正確的AI技術來解決問題。類似情況也常出現在公司把AI導入的任務專責交給資訊部門執行，其他部門卻置身事外。由於欠缺跨部門溝通，最終也會變成一場災難。 閱讀完整內容