科技的變革是企業(yè)管理能力得以躍進(jìn)的推手，而當(dāng)今 AI 的普及化無疑將帶來另一次的變革，本文敘述如何建立人人皆具 AI 思維，以數(shù)據(jù)分析為核心來解決問題的企業(yè)文化。

企業(yè)的管理能力隨著科技的變革已經(jīng)歷了幾個(gè)階段的轉(zhuǎn)變。從電腦尚未被廣泛利用時(shí)，產(chǎn)業(yè)專家以紙本紀(jì)錄各項(xiàng)數(shù)據(jù)、帶領(lǐng)學(xué)徒將管理制度標(biāo)準(zhǔn)化的階段，到企業(yè)大規(guī)模導(dǎo)入電腦與軟體系統(tǒng)，透過資訊數(shù)位化及系統(tǒng)流程輔助將營運(yùn)流程標(biāo)準(zhǔn)化，科技的變革無疑是企業(yè)管理能力得以躍進(jìn)的推手。

什麼是決策標(biāo)準(zhǔn)化？

當(dāng)今 AI 的普及化無疑將帶來另一次的變革，促使企業(yè)發(fā)展新的管理模式以奠定下一波成長的優(yōu)勢。

Deloitte 於研究報(bào)告中指出，受訪企業(yè)認(rèn)為導(dǎo)入 AI 的前三大好處包括：

- 加強(qiáng)目前的產(chǎn)品

- 優(yōu)化內(nèi)部營運(yùn)

- 協(xié)助做出更好的決策

尤其在治理與品管相關(guān)的應(yīng)用場景，AI 能夠免於人類的偏見和情感因素而做出更客觀的判斷。在臺(tái)灣，蜂行資本公布的 2022 臺(tái)灣企業(yè) AI 趨勢報(bào)告中指出在臺(tái)各企業(yè)的 AI 模型部署率為 50-75% 之間，遠(yuǎn)高於全球的 20-50%，表現(xiàn)出臺(tái)灣企業(yè)對(duì) AI 應(yīng)用持開放的態(tài)度，並積極透過數(shù)據(jù)分析、建立模型來應(yīng)對(duì)快速變化的市場所帶來的挑戰(zhàn)。更大量的運(yùn)用 AI 模型便是判斷標(biāo)準(zhǔn)化的基礎(chǔ)；基於判斷標(biāo)準(zhǔn)化創(chuàng)造領(lǐng)先優(yōu)勢的企業(yè)能夠大量運(yùn)用 AI 模型做出判斷、結(jié)合自動(dòng)化技術(shù)執(zhí)行判斷結(jié)果、確保作業(yè)流程能夠快速地被複製到其他場域，例如到不同地理位置建廠，而不受人為因素造成的判斷落差所影響。

圖一 : 基於判斷標(biāo)準(zhǔn)化創(chuàng)造優(yōu)勢的企業(yè)能夠大量運(yùn)用 AI 模型做出判斷、結(jié)合自動(dòng)化技術(shù)執(zhí)行判斷結(jié)果。

邁向判斷標(biāo)準(zhǔn)化需具備哪些條件？

Sam Altman 於一場訪談中說到，在這場由 ChatGPT 引領(lǐng)的 AI 大革命中，人們需要具備韌性、適應(yīng)性，快速學(xué)習(xí)新事物的能力，以及能夠使用 AI 工具的創(chuàng)造力來因應(yīng)未來的挑戰(zhàn)。對(duì)企業(yè)來說，培養(yǎng)員工的 AI 思維和建立易於使用 AI 的環(huán)境，便是企業(yè)利用 AI 發(fā)揮創(chuàng)造力大量產(chǎn)出和部署 AI 模型，邁向判斷標(biāo)準(zhǔn)化的重要途徑。

McKinsey 在「The State of AI in 2022」的企業(yè)調(diào)查中指出受訪企業(yè)中的領(lǐng)先者，即前 8% 的企業(yè)，皆透過 AI 應(yīng)用實(shí)現(xiàn)至少 20% 的 EBIT 增幅。相較於其他企業(yè)這些領(lǐng)先者在以下幾個(gè)領(lǐng)域擁有卓越的表現(xiàn)：

1. AI 策略的發(fā)展與商務(wù)需求有高度連結(jié)

2. 能夠同時(shí)進(jìn)行大量的 AI 應(yīng)用開發(fā)與部署

3. 數(shù)據(jù)結(jié)構(gòu)高度模組化

4. 確保數(shù)據(jù)的品質(zhì)

5. 利用 low-code 或 no-code 工具

從管理角度來看，領(lǐng)先者皆透過標(biāo)準(zhǔn)化的 AI 工作流程與協(xié)作方法來增加 AI 應(yīng)用產(chǎn)出的自動(dòng)化程度，進(jìn)而降低模型無法落地的風(fēng)險(xiǎn)。

企業(yè)導(dǎo)入 AI 的挑戰(zhàn)有哪些？

Profet AI 透過其開發(fā)的 no-code AutoML 系統(tǒng)已服務(wù)超過 100 間的製造企業(yè)，而在輔導(dǎo)客戶從議題探索至模型生成落地（即是 AI 生命週期）的過程中，發(fā)現(xiàn)多數(shù)企業(yè)在導(dǎo)入 AI 時(shí)皆面臨以下 4 大挑戰(zhàn)：

1. AI 議題探索過程未能標(biāo)準(zhǔn)化

對(duì)處於 AI 應(yīng)用早期階段的企業(yè)來說，人員所具備的 AI 知識(shí)不一，尤其是非與 IT 或資料科學(xué)相關(guān)的員工可能都不太了解 AI 是什麼。當(dāng)面對(duì)企業(yè)內(nèi) AI 應(yīng)用的展開，管理階層與員工因缺乏能力與經(jīng)驗(yàn)而不知到能利用 AI 做什麼，且企業(yè)無知識(shí)系統(tǒng)可協(xié)助他們提案，導(dǎo)致每個(gè)團(tuán)隊(duì)評(píng)估 AI 議題適性的方式與執(zhí)行流程不一，而最後的提案往往也因缺乏領(lǐng)域?qū)＜覅⑴c評(píng)估的過程，沒有明確的商務(wù)目標(biāo)可用於檢視 AI 應(yīng)用的效益。

2. AI 議題執(zhí)行過程透明度不佳且組織協(xié)同不易

由於 AI 應(yīng)用的開發(fā)是一項(xiàng)技術(shù)性的工作，所以非技術(shù)相關(guān)的人員較難參與議題或?qū)０傅膱?zhí)行，導(dǎo)致開發(fā)的過程過於仰賴技術(shù)人員的判斷，缺乏領(lǐng)域?qū)＜遥ɡ绗F(xiàn)場的設(shè)備維護(hù)人員）的協(xié)助以了解問題的全貌，而管理人員也無法確實(shí)掌握各單位做了哪些題目？題目何時(shí)完成？目前進(jìn)展如何？以及資源如何被這些題目所運(yùn)用？只能被動(dòng)式的接受專案負(fù)責(zé)人的工作回報(bào)。

3. 企業(yè)內(nèi)部 AI 典範(fàn)議題無法傳承與擴(kuò)散

規(guī)模較大的企業(yè)中往往會(huì)有不同組織或地區(qū)的團(tuán)隊(duì)嘗試解決相似的 AI 議題，在知識(shí)不通透的情況下就容易發(fā)生團(tuán)隊(duì)各自閉門造車的情形，導(dǎo)致人力和時(shí)間的重複投入造成資源浪費(fèi)，且實(shí)作過程中的錯(cuò)誤也容易重複發(fā)生。在沒有系統(tǒng)化管理企業(yè)內(nèi)部的 AI 知識(shí)的情況下，過往的經(jīng)驗(yàn)就難以被搜尋和重複利用，造成企業(yè)難以透過延續(xù) AI 經(jīng)驗(yàn)來加速提升企業(yè)能力。

4. 缺乏正向與優(yōu)質(zhì)的獎(jiǎng)勵(lì)文化來提升員工自主學(xué)習(xí)使用並分享 AI 經(jīng)驗(yàn)的意願(yuàn)

若要加速 AI 能力的擴(kuò)散，光靠 top-down 的教育訓(xùn)練是不夠的。除了學(xué)習(xí)之外，企業(yè)還需員工積極參與 AI 的應(yīng)用來累積經(jīng)驗(yàn)。鼓勵(lì)員工之間分享知識(shí)是提升企業(yè)整體 AI 能力水準(zhǔn)的捷徑，因此企業(yè)需思考如何建立良好的獎(jiǎng)勵(lì)機(jī)制來形成知識(shí)共享的文化。

什麼是 AI 生命週期管理？

關(guān)於AI 生命週期管理（AI Lifecycle Management；AILM），可以從AI 應(yīng)用落地的生命循環(huán)區(qū)分為技術(shù)與商務(wù)視角。目前在市場上較常見的是從資料科學(xué)家的角度思考的循環(huán)，即 MLOps，其目的較專注於模型開發(fā)與部署的系統(tǒng)建立和流程整合，如 data pipeline、運(yùn)算資源的分配、以及模型監(jiān)控等。而商務(wù)角度關(guān)注的部分在於 AI 議題的定義是否具明確的商務(wù)目標(biāo)，讓最後產(chǎn)出的模型的效益可被評(píng)估檢視。

如下圖中右邊的循環(huán)所示，相較於 MLOps AI 生命週期管理涵蓋了更多細(xì)節(jié)，特別是在 Planning 階段的商務(wù)需求分析。

圖二 : 由不同視角來看AI 應(yīng)用落地的生命循環(huán)週期。

AILM 如何助企業(yè)奠定穩(wěn)固基礎(chǔ)？

AILM 解決方案是一個(gè)依循 AI 商業(yè)生命週期管理決策需求而誕生的平臺(tái)，協(xié)助企業(yè)在解決內(nèi)外部問題過程中，有效管理執(zhí)行、監(jiān)控、決策之間的資訊整合應(yīng)用，讓企業(yè)快速成為AI應(yīng)用的領(lǐng)先者。

AILM 平臺(tái)在企業(yè)活動(dòng)中將 AI 議題探索標(biāo)準(zhǔn)化與常態(tài)化，讓組織之間的協(xié)作更加順暢，

有助於企業(yè)在各種執(zhí)行策略發(fā)展上有更高度的連結(jié)，在數(shù)據(jù)品質(zhì)管控上能有更多專家一同參與來提升精確的關(guān)鍵要素。同時(shí)，AILM 在企業(yè)的運(yùn)作環(huán)節(jié)上也扮演著職場導(dǎo)師的角色。

平臺(tái)標(biāo)準(zhǔn)系統(tǒng)化的保留內(nèi)部專家所解決問題的歷程，將過去寶貴的經(jīng)驗(yàn)與知識(shí)能快速擴(kuò)散於企業(yè)內(nèi)部，讓企業(yè)降低傳承所造成的時(shí)間與成本，相對(duì)的也讓企業(yè)避免不必要的知識(shí)斷層所造成的無形成本。當(dāng)企業(yè)內(nèi)的 AI 應(yīng)用開始擴(kuò)散，企業(yè)便可建立好的獎(jiǎng)勵(lì)制度文化，透過平臺(tái)的成果發(fā)表機(jī)制分享問題解決的過程經(jīng)驗(yàn)，鼓勵(lì)員工持續(xù)並積極地思考可利用 AI 提升工作效率之處。

最後，AILM 平臺(tái)與 AutoML 的搭配使用能夠協(xié)助企業(yè)有目的性的進(jìn)行大量的 AI 應(yīng)用開發(fā)與部署，且工具皆以 no-code 的形式降低人員的使用門檻，加速企業(yè)將 AI 工具融入於日常的工作流程中，助企業(yè)具備大量利用 AI 模型、邁向判斷標(biāo)準(zhǔn)化所需的條件，成為 AI 應(yīng)用的領(lǐng)先企業(yè)！