AI 的商業應用和挑戰
AI 應用的普及與商業價值
近年來人工智慧（AI）在全球科技界和商業界引起了廣泛的討論，其中像是 ChatGPT 和 DALL·E 等應用的影響非常大。由於這些應用程式，消費者對於大型語言模型（LLMs）和生成式 AI 的潛力有了更深入的理解。根據 AppRadar 的研究，自去年 11 月以來，新的 AI 應用程式已經被安卓使用者下載了 2360 萬次。在過去三個月裡，超過 700 家 AI 新創公司獲得了總計 71 億美元的資金。很少有科技創新能夠同時捕捉到科技界、投資者、商業界和消費者的想像力。相對於區塊鏈或與虛擬世界相關的技術，AI 的商業價值更具有潛力。
然而由於潛在應用範圍的廣泛性，從客戶服務到供應鏈融資等各個層面，決策者和投資者都面臨著一個問題：該支援哪些應用以及何時支援。畢竟，有些已經投入資源到與虛擬世界相關的技術或區塊鏈領域的公司可能會發現真正的商業價值還遙遙無期，因此可能對追隨最新的熱門技術感到猶豫。實際上儘管 ChatGPT 使 AI 走入了主流，但生成式 AI 實際上只是眾多以資料科學為基礎的應用中的最新進展。舉例來說保險科技行業在過去十年中已經被資料解決方案的應用所改變，這些方案自動化了流程、幫助數位化處理風險、提高了處理量，最終改善了客戶體驗。對於很多人來說保險公司不會是第一個與引進尖端技術相提並論的傳統行業。然而對於這些機構來說關鍵是他們可以立即看到 AI 解決方案的邏輯和商業價值。只需很少的投入和最低的風險，他們就可以快速範圍並實際地改變業務的各個方面。因此當我們考慮 LLMs 對業務的最佳機會時，最重要的原則是：什麼能給他們帶來最好的投資回報率，並帶來最小的風險？
選擇傳統方法還是最新技術
對於大型企業的決策者來說 LLMs（以及 AI）提供了大量的選擇。每個業務功能都可以應用 AI 技術。首先要考慮的是每個解決方案不同的成熟度和發展水平。嘗試最新的創新技術或者創造自己獨特的用例可能很吸引人，但這當然也存在一些風險。通常，成熟的產品，例如 ChatGPT 等通用 AI 解決方案，對於某些企業應用來說可能存在無法使用的風險。決策者應該將這些能力視為一種工具，用於加速他們的視野，同時確保根據每個應用的性質使用正確的技術。例如，金融科技新創公司長期以來一直在使用資料科學來建立複雜的解決方案，以減輕金融部門的負擔，為企業領導者提供即時洞察。最近的一些進展集中在以 AI 為基礎的現金流分析和預測上。鑑於許多這些服務提供商的經驗，他們的產品更有可能經過嚴格測試，進一步降低 AI 帶來的風險。
解決商業痛點和低效率
最佳的方法是從問題出發，而不是從令人興奮的新 AI 解決方案開始。我們建議將新技術視為構建企業級解決方案的基石，以解決實際的痛點。企業始終可以進一步提高效率，改善客戶體驗和減少痛點。確保哪些領域最需要這些改進，將能夠為新的 AI 解決方案提供最佳的投資回報率。為此，您需要研究內部資料以及團隊和客戶的反饋，從而能夠縮小您對 AI 解決方案的搜尋範圍。
謹慎構建 AI 基礎設施
任何新技術在與現有業務流程和基礎設施的整合方面都存在疑問。急於使用 AI 技術往往會導致一些公司因為缺乏技術堆疊或內部專業知識而偏離軌道。AI 系統只有在使用的資料是流動、完整且清晰的情況下才能常規執行。在許多組織中，這種情況實際上並不常見。資料管理基礎設施往往被忽視。通常，訊息被分散在不同部門中，各個平臺無法輕鬆共享或分析資料，而且資料收集和管理政策不一致。糟糕的資料會導致糟糕的 AI 結果。從小範圍或用例開始使用 AI，能讓你更有信心，確保您的基礎設施、政策和流程能夠推廣到更大範圍內。這也有助於更容易地獲得團隊和管理層的支援，因為這樣可以降低初始費用和潛在的干擾。有許多專門的第三方供應商可以有針對性地快速啟動這些計劃。
不要忽視人工監督
企業在有效採用 AI 工具方面會面臨嚴重的資料技能短缺問題。公司內需要基礎資料教育，以確保最適合的解決方案，從而能夠對使用的系統進行適當的監控和取證以及在最有效的方式下使用這些系統。企業不應盲目相信 AI 所告訴他們的內容；他們需要經過專業人員的監督。這種專業知識不能僅僅局限於資料團隊，而需從高層開始，覆蓋每個部門。這種模型通常稱為“人在迴圈內”的模型，其中系統不依賴於人為輸入來進行活動（傳統的“人在迴圈內”的模型），而是將人類控制從自動化決策中推遠，並在監察角色中確保輸出的精確性和可靠性。
對哪些解決方案押注？
當前最受關注的生成式 AI 的新應用案例是在市場銷售中，尤其是文案和影象生成方面。很自然地，許多企業會首先考慮在這方面應用生成式 AI。然而正如我們之前所討論的，任何新技術都吸引著企業夢想著新的應用案例，這往往會導致現有的應用案例進展緩慢。我們的建議是思考 AI 如何加速解決現有的痛點，這通常不需要生成式元件（具有幻覺的挑戰），而是依賴於對非結構化資料的基礎理解。請記住，僅僅找到最適合您業務的 AI 解決方案只是第一步。您需要具備基礎設施、支援的買入、內部專業知識以及各種檢查機制，以確保您獲得最大的效益。
【引用來源】Huang, C. (2023, August 16). 如何選擇應用於企業的 AI 解決方案？你需要考慮這些因素。經濟日報. https://money.udn.com/money/story/5612/6435567
