構建AI就緒企業：最佳化方法和策略

作者：王定遠，维曙智能解決方案架構師

AI實施的挑戰

在過去八年間，維曙見證了AI在各行各業中的快速發展與廣泛應用。根據我們服務過的客群統計，醫療保健領域的AI應用佔比最高，達到34%，其次是製藥與生命科學產業的25%，製造業則以23%緊隨其後，其他產業合計佔18%。儘管AI技術的潛力引發了廣泛的熱情與期待，其實際實施過程卻面臨著顯著的矛盾與挑戰。

雖然有高達92%的企業計劃在未來三年內增加對生成式AI的投資，但僅有1%的高階主管認為其組織已達到AI成熟度的理想狀態。更令人憂心的是，根據Gartner的研究報告，約有30%的生成式AI專案因實施成本過高，而在概念驗證（POC）階段被迫中止。這些數據不僅凸顯了AI技術在實際應用中的複雜性，也反映了企業在推動AI轉型時所面臨的現實困境。

AI就緒企業面臨的關鍵挑戰

來源：麥肯錫2025年1月報告 “Superagency in the workplace: Empowering people to unlock AI’s full potential”; Gartner Report; https://www.youtube.com/shorts/qF8BVM3N96Q

打造AI就緒企業是一項複雜且多面向的任務，必須克服以下關鍵挑戰：

商業價值：企業需清晰界定AI倡議與業務目標之間的關聯性，確保AI技術的應用能直接推動核心業務成果，並創造可衡量的價值。
人才：在少子化趨勢加劇的時代，企業面臨著人才短缺的嚴峻挑戰。如何吸引、培養並留住具備AI技術與跨領域能力的專業人才，成為企業轉型的關鍵。
技術：將AI技術無縫融入企業文化與日常運作中，以提升整體生產力與效率。這不僅需要技術基礎設施的升級，更需推動組織文化的變革，使員工能夠接納並善用AI工具。
流程：企業必須實現流程的躍進式轉變，同時確保AI系統的決策過程具備可解釋性與透明度，從而驅動有效的行動並建立信任。
數據：打造定制化的AI解決方案，使AI代理能夠透過卓越的用戶體驗提供核心價值。這需要企業建立高品質的數據基礎，並確保數據的可用性、安全性與合規性。

正如麥肯錫於2025年1月發表的報告《職場中的超級代理：賦能人們釋放AI的全面潛力》（"Superagency in the workplace: Empowering people to unlock AI's full potential"）所強調的，科學本身並不具備固有的權威性——真正的關鍵在於我們如何應用這些技術，並將其轉化為實際的商業價值與社會影響。企業在推動AI轉型的過程中，必須以人為本，結合技術創新與組織變革，方能充分釋放AI的潛力。

驅動AI應用的核心商業目標

來源：Gartner Report; 2024Executive Pulse: AI Funding and Accountability Is Not One Size Fits All

當前，企業推動AI技術應用的商業目標主要集中在以下幾個關鍵領域：

成本優化（23%）：透過AI技術提升運營效率，降低人力與資源成本，成為近四分之一企業的首要目標。
客戶體驗與忠誠度提升（20%）：企業期望藉由AI技術提供更個人化、即時的服務，從而增強客戶滿意度與品牌忠誠度。
商業成長機會（18%）：AI技術被視為開拓新市場、發掘新商機的重要工具，幫助企業在競爭中保持領先地位。
新產品或服務開發（16%）：AI技術的創新能力驅動企業開發更具競爭力的產品與服務，以滿足市場需求並創造差異化優勢。
基礎設施與運營改進（6%）：部分企業將AI應用於優化內部基礎設施與運營流程，以提升整體效能與穩定性。
軟體開發生命週期增強（4%）：AI技術在軟體開發中的應用，如自動化測試與程式碼生成，正逐步改變傳統開發模式，提升效率與品質。
其他目的（13%）：包括風險管理、數據分析優化等多元化的應用場景，顯示AI技術的廣泛潛力。

資料來源：Gartner 2024年報告《Executive Pulse: AI Funding and Accountability Is Not One Size Fits All》。這份報告揭示了企業在AI投資與應用上的多樣化目標，並強調了AI技術在驅動商業價值與創新中的關鍵角色。

選擇AI先導專案的關鍵考量

在選擇AI先導專案時，企業必須審慎評估以下四個關鍵因素：

成果：專案能夠實現哪些具體且實際可達成的成果？這些成果是否與企業的戰略目標一致？

價值：該專案能為企業帶來什麼樣的商業價值？是否能夠顯著提升效率、降低成本或創造新的收入來源？

技術可行性：企業是否具備足夠的技術資源與能力來實施該專案？現有的基礎設施與團隊能否支持專案的順利進行？

風險容忍度：組織能夠承受多大程度的風險？專案的潛在風險與回報是否在可接受範圍內？

專案的選擇應基於「風險與價值矩陣」進行評估。理想的先導專案應位於「高價值、適中風險」的象限，這類專案不僅能帶來顯著的商業效益，同時風險也在可控範圍內。位於「安全區」（低風險、低價值）的專案雖然容易實施，但其影響力往往有限，難以推動企業的實質轉型。另一方面，對於那些具有高野心但成功概率低的專案，企業應保持謹慎態度，避免因過度冒險而導致資源浪費或重大損失。

透過系統化的評估與選擇，企業能夠確保AI先導專案不僅具備可行性，更能為未來的全面AI轉型奠定堅實基礎。

AI方法的演進與範式轉變

AI領域正經歷多種範式的演變，每一種範式都代表著不同的技術焦點與應用方向：

AI中心（「見山是山」）
這一範式聚焦於通用AI能力的開發，強調基於文本的因果關係分析與摘要生成。其目標是打造能夠廣泛應用於多種場景的AI系統，具備高度的通用性與適應性。

數據中心（「見山不是山」）
此範式將重心轉向圖像識別與識別經濟，並針對特定領域進行優化。透過深度學習與數據驅動的方法，AI系統能夠在特定任務中表現出卓越的精準度與效率，例如醫療影像分析或工業自動化。

代理型AI
這一範式代表著AI技術的進一步進化，強調多模態企業AI代理的開發。這些代理能夠整合文字、圖像、聲音等多種數據形式，並跨業務功能進行協作，從而實現更高效的決策支持與流程自動化。

每一種範式的演變都反映了AI技術在不同階段的需求與挑戰。從通用能力的探索到特定領域的優化，再到跨功能的整合，AI方法的不斷進化正推動著企業與社會的數位轉型，並為未來的創新應用開拓無限可能。

AI實施的新槓桿點

再製造：AI賦能的供應鏈整合

再製造設施正積極運用AI技術來簡化供應鏈運作，有效解決勞動力短缺的挑戰，同時為企業開創第二成長曲線。透過AI的數據分析與預測能力，企業能夠優化庫存管理、提升生產效率，並探索循環經濟中的新商機。

超越生產線：整體AI應用

企業管理本身是一項複雜的任務，局部優化並不一定能帶來全局的最佳化（這是數據科學的核心原則之一）。因此，AI的應用必須突破製造車間的局限，擴展至企業的各個層面，從供應鏈管理到客戶服務，從而創造真正具有變革性的價值。

識別經濟：AI實施的加速器

在物件製造的過程中，通常始於數位藍圖的設計，這使得AI能夠在虛擬環境中進行訓練與優化，隨後再應用於現實世界的生產流程。這種「數位優先」的方法不僅加速了AI技術的採用，也大幅提升了實施成果的精準度與效率。

AI代理101：實用實施指南

落地還是上雲？

對於已擁有現有NAS（網路附加儲存）基礎設施的企業，本地部署可能是更合適的選擇。這不僅能確保數據的安全性和隱私性，還能充分利用現有資源，降低初期投資成本。然而，若企業追求更高的彈性與擴展性，雲端解決方案則提供了更強大的運算能力與協作潛力。

定義成功指標

在實施AI代理時，企業應避免僅追求最快速度或最佳接收率等單一指標。相反，成功的關鍵在於實現100%的流程覆蓋率，確保AI技術能夠全面融入企業運營的各個環節，從而創造最大價值。

客製化企業AI代理

利用遠端工作（WFH）的經驗，重新審視並優化工作流程。這不僅能提升員工的工作效率，還能為AI代理的設計提供更具針對性的應用場景。例如，透過AI自動化處理重複性任務，讓員工專注於更高價值的工作。

強化生態系統

領先的AI公司正透過增強用戶體驗來鞏固其生態系統。這包括提供更直觀的介面、更流暢的操作流程，以及更個人化的服務。企業在實施AI代理時，應借鑒這些成功經驗，確保AI技術不僅能提升內部效率，還能為客戶創造卓越的體驗。

邁向AI就緒企業的未來之路

要打造真正具備AI就緒能力的企業，必須遵循以下三大關鍵步驟：

洞察見解：理解AI的戰略價值

企業需深入探討AI技術對其業務的戰略意義，明確AI如何驅動創新、提升效率並創造競爭優勢。這不僅是技術的導入，更是對企業未來方向的重新定義。

精確執行：落實目標明確的AI解決方案

在實施AI解決方案時，企業應設定清晰的目標與可衡量的成果，確保每一步都朝著預期的商業價值邁進。透過精準的執行，AI技術才能真正轉化為企業成長的動力。

掌握未來：引領AI革命，而非跟隨

企業應積極擁抱AI技術，將其視為推動轉型與創新的核心引擎。透過前瞻性的策略與佈局，使組織在AI革命中站穩領導地位，而非被動跟隨市場趨勢。

這條前進之路不僅是技術的升級，更是企業思維與文化的轉變。唯有如此，企業才能在AI時代中脫穎而出，掌握未來的無限可能。