過去兩年生成式 AI 的快速崛起，讓我們見證到 AI 如何以驚人速度影響著世界！不少企業對 AI 懷抱美好想像，但當實際著手導入 AI 專案，才驚覺內部 IT 基礎架構與資料策略存在許多缺漏。對此，Google Cloud 與人工智慧科技基金會（AIF）公布《台灣產業 AI 準備度調查》，作為企業經營者擘劃 AI 藍圖的參考，同時也為資訊長、IT 主管提供內部資源盤點指引。
前瞻技術能否發揮影響力，可藉助其應用產值加以觀察。根據麥肯錫 2023 年發布《生成式人工智慧的經濟潛力》報告，指出生成式 AI 每年可為全球經濟增加數兆美元的價值。另外，PwC 的 2023《全球人工智慧研究：發掘 AI 革命》預測到 2030 年，AI 將為全球 GDP 創造高達 15.7 兆美元價值。
AI 紅利大家都想分一杯羹，而究竟台灣企業普遍在擁抱 AI 機會的準備度現況又是如何？ Google Cloud 攜手 AIF 製作《台灣產業 AI 準備度調查》，評估的面向涵蓋：數據力、創新力、技術力、治理力、運算力，結果發現，2024 年台灣企業整體 AI 準備度指數平均 54.08。其中，「數據力、運算力」與 IT、資訊工作最相關的指標，在這份報告提供深具價值的關鍵洞察。
▲Photo Credit: Google Cloud
▲Photo Credit: Google Cloud
企業 IT 部門最該關注「數據力、運算力」兩大指標，關鍵仍在企業策略
首先是「數據力」，對於計畫導入 AI的企業，數據的準備度至關重要。企業必須能快速蒐集、處理多個數據來源的資料庫，例如要跨部門合作打通ERP、CRM系統資訊，以整合不同來源的資料餵養企業 AI 模型、幫助企業各部門同仁從日常工作更輕鬆從資料獲取價值。
不過《台灣產業 AI 準備度調查》點出，目前僅 17.8% 的台灣企業有能力整合並快速處理不同來源資料。多數企業尚未打造一個資料存取的整合平台（如資料湖、資料倉儲），內部各類數據散落在不同單位，導致數據孤島 （Data Silos）情況普遍存在。除了業務單位無法快速、自主運用資料，當然也無法訓練 AI 模型洞察營運全貌，找出企業第二成長曲線的可能性。
至於該如何解此困境？根據《Google Cloud 如何協助機構運用生成式 AI 實現創新》白皮書，提出策略建議：善用雲端平台整合企業資料，同時在雲端環境訓練 AI 模型來深入分析營運資訊。像是 BigQuery、Cloud Spanner、Looker、乃至於 Vertex AI 相關解決方案，都已涵蓋在雲端的整合式智慧資料平台，不僅解決數據孤島還有效管理資料生命週期各個階段。
《台灣產業 AI 準備度調查》另一個值得科技人注意的是「運算力」，因深度學習訓練、圖像生成、自然語言處理等任務，皆需大量而複雜的計算，算力架構的規劃更應納入 IT 決策進行整體評估。從報告可以發現，目前 AI 模型所仰賴的 GPU 運算環境部署，混和雲、公有雲及私有雲，各有約 2 成的企業支持。
▲Photo Credit: Google Cloud
▲Photo Credit: Google Cloud
不過，進一步調查企業的運算資源策略，發現達 51.5% 企業仍處於不清楚規劃或沒有需求的狀況，若想要充分發揮生成式 AI 的潛力，構建兼具性能、敏捷和可擴展的基礎設施及運算資源是至關重要的。Google Cloud 台灣技術總監安玟宇提到，「當企業在評估運算資源，可先考量是否需要發展自己的大型語言模型，或是把 AI 視為驅動企業成長的工具之一，借助第三方 AI 方案對應企業的使用場景。」
評估算力資源的方式，目前有兩大模式為主流。其一是企業準備投入人力撰寫程式碼，希望部署專為 AI 訓練優化的特殊加速器，如 Google 提供的 Tensor Processing Unit（TPU），利用更進階的硬體進行更高效益的訓練運算；另一則是使用通用型 GPU 執行，把資源投資在其他優先處理相關業務場景。
從 0 到 1 打造生成式 AI，Google Cloud 分享 10 大步驟
有鑒於眼下 AI 的快速發展，企業資訊長或 IT 主管往往肩負起高層的期望：在公司內部快速導入生成式 AI 工具，幫助各部門成員提高生產力。至於該如何從實驗階段進展到加速階段，最終走向規模化？Google Cloud 在《給高階主管的生成式 AI 指南》白皮書當中，分享「30 天內推出第一個應用實例的 10 個步驟」，幫助企業快速展開 AI 旅程。
▲Photo Credit: Google Cloud
這 10 個步驟參考上圖所示，可粗略區分為幾大環節，第一階段是準備期（步驟 1 ~步驟 3），確認 AI 要解決哪個業務領域，或關注哪項需要 AI 輔助的工作職務。並且決定資料來源，減少幻覺回應並改善 AI 的可解釋性。
到了第二階段（步驟４~步驟７）則是展開期，包含選定專門團隊人才；確定意圖、目標和期望達到的成果；與專門團隊攜手設計提示；打造容易使用的操作體驗與介面。有了上述累積的基礎之後，到了第三階段（步驟８~步驟 10）則是擴展期，包含向團隊其他人員開放模型的使用；擬訂計畫監管 AI 模型輸出內容；以及將應用範疇拓展至其他應用實例。
當企業期待透過生成式 AI 來加快業務流程，甚至進一步為組織帶動成長，從《台灣產業 AI 準備度調查》發現，企業掌握資料搜集與應用能力的下一步，想要持續發揮 AI 價值綜效，必須在數據整合及運算工具資源繼續耕耘，尋找合適的雲端合作夥伴，AI 才會成為推動企業轉型的真正驅力。
本文章內容由「Google Cloud」提供。
暂无评论内容