芯科技消息（文/方中同），美商赛仕计算机软件公司（SAS）在台举行企业AI领先度大调查，揭露台湾企业导入AI现况。调查发现，发展AI较成熟的先进者企业，半数有成立独立AI、分析团队，也懂得运用外部合作伙伴共创AI发展及采用技术成熟的解决方案，对AI项目结果也较满意。但AI成功与否最重要绩效指标为提升运营效率，在决策层级与执行层级却存在歧见，突显企业内部对发展AI的评估机制有认知落差。
SAS观察，发展AI所重视的四大要素，包括达成发展共识、AI人才、AI的基础架构、多元分析人才能协同合作等。不同产业导入AI的情况，金融业属先进者，占比高于其他产业，且超过8成通过外部资源或委外投入AI分析；零售、流通、服务相较于其他产业，以完全委外比例最高。
SAS全球人工智能研发中心资深副总裁Saratendu Sethi建议，导入AI应用第一步企业，应掌握从小做起、掌握产业核心价值以及延伸价值3大原则。
（图片来源：SAS台湾）
他进一步说明，组织易于协作的小型团队，给予成员清楚的时程、达成目标及合理预算，让投资相对无痛；而让所有关系人能理解投资价值，且选择能搭起领域知识专家及AI技术人员沟通桥梁的领导者，如此当项目具成效，对组织才有扩散的影响力。至于不吝给予团队阶段性成果表扬，将为其他企业内部其他团队发展AI，发挥鼓励作用。
半数先进者、追随者倾向整合外部资源
本次企业AI领先度大调查针对台湾千家企业以AI领先度分群，将台企业分为先进者、跟随者、观望者及未启动者等四大族群。调查发现，以AI团队组织型态而言，先进者拥有独立的AI分析团队相较其他分群比例较高，从先进者到观望者，有独立AI团队的比例从50%、40.6%、32.2%一路下降。
但无论是先进者还是追随者，平均约6成会选择整合外部资源(采购分析软件或顾问服务)；观望者则相较于其他分群，委外的比例是最高(21%)。提及AI项目的整体满意度，85%先进者表示满意且与预期成效相符；追随者、观望者则依序递减，显示AI分析投入需要时间与经验的持续累积，更能实际感受到效益。
若加入产业面向解析，金融业已投入AI分析者高达58%，是相对启动较早也有一定规模的产业；制造业虽然也有45.5%开始投入，但还没开始的比例也高达49.5%。此外，金融业高达82%通过外部资源或委外投入AI分析；其余产业自行打造与外部资源的比例约各占一半；而零售流通服务相较于其他产业，以完全委外比例最高。
然而，究竟企业在导入AI方案时，到底要内建团队自行打造、与外部共创或是委外开发？SAS台湾业务顾问部副总经理陈新铨指出，需视企业核心竞争力而定，才能规划内部组织与技术定调的策略。他进一步解释，有些企业的核心竞争力牵涉客户隐私或是核心流程或制程资料，因此宁选择自行开发，但若评估客制化成本过高时，则倾向将成熟技术外包。
企业发展AI最关注共识、人才、基础架构、协同合作
另外，这份调查进一步分析加速企业AI发展的组织面、资源面、资料面和技术面因素。首先从组织面来看，先进者、跟随者和观望者都认为组织内部达成发展AI的共识最重要，其中，先进者认为次之重要的还有团队领导者有足够的经验带领团队，显见大家目前都对企业领导者在AI策略制定与自身经验有所期待。
其次为资源面因素，调查中显示，不管哪个族群都认为人才是发展AI的关键，企业普遍反应AI人才难寻，年度预算反而居次。
第3则从资料面来看，调查指出发展AI的基础架构齐全（如：数据库）在所有族群皆排序第1，其次为搜集的资料量充足。第4为技术面，调查显示，所有分群都认为使多元分析人才能协同合作 (如:Python、R、BI分析、深度学习等)最重要。对先进者而言，其次希望能打造单一AI平台，集结所有AI工具，达成AI端到端的情境；对追随者与观望者则希望可以降低撰写AI程序的困难程度 (如:程序过于复杂、难以维护、难以协同合作)。
各产业AI采用方向不一但呼应获利模式
观察各大产业已采用或正在验证的AI解决方案，同样呼应了获利模式。调查指出金融业与零售流通服务，已有采用虚拟助理、自然语言处理方案，而机器学习模型、进阶推荐算法模型也在验证中。其投入AI或分析方向会以改善对外增加服务效率体验与推荐系统为主。
制造业则已采用计算机视觉、机器学习模型，正在验证最佳化与预测技术与实时决策平台。着重考量于对内辅助决策与管理，以降低运营成本为最终目的。
而尽管提升运营效率为AI成功与否最重要绩效指标，然决策层级与执行层级存在歧见；至于最受关注的，如何衡量AI导入是否成功的绩效指标，不论族群皆指出最重要的是提升运营效率、降低运营成本次之。而对金融业来说，提升客户满意程度、业务创新程度又较其他产业重视。
若以各职等看法分析，虽都认同提升运营效率是导入AI成功与否的共识，但近60%企业负责人仍视品牌市占率为重要绩效指标、55%中高端主管看重业务创新程度，惟70%一般职员与专业人员却集中认为降低运营成本是绩效指标的重要性。显示决策层级与执行层级，有认知落差，决策层级仍期望有品牌效益，让客户有感，但执行层级则坚守成本概念。凸显组织内部需要更透明的沟通，以让AI项目更有创新的空间。（校对/Jurnan）
