AI（人工智慧）與數據分析公司SAS於今（10）日舉辦記者會，引用研調機構IDC對於2022年AI及自動化的預測，提到「2024年，60%的企業擁有應用ModelOps的能力。」此外，SAS總經理陳愷新（首圖中）特別點出「複合式AI」（Composite AI）是企業必須掌握的下一波技術。
「ModelOps」與「複合式AI」是什麼？對企業又有什麼影響？
ModelOps：讓模型管理有流程可以遵循
以SAS的客戶玉山銀行為例，自2006年起玉山銀行就導入統計模型進行預測，之後加入了大數據，並在2018年成立智慧金融處，進一步整合AI。
玉山銀行一路打造了很多模型上架給內部使用，包含語音辨識、人臉辨識、自然語言處理、流程AI、風控AI等，「但有一天卻開始發現，有些模型預測愈來愈不準。」玉山銀行科技長張智星（首圖右）說，原來碰到新型冠狀病毒（COVID-19）的影響，信用卡盜刷的模型偵測失準，因為消費者轉向電商，刷卡習慣不同、詐騙集團的手法也推陳出新，「世界變動的愈快，模型的挑戰就愈大，怎麼持續導入資料並監控，就成必要目標。」
張智星舉例，就像是一名養殖業者，養了3隻鳥來捕魚，「他們去捕魚，抓到回來就給一點小獎勵。」但當鳥的數量是30隻、100隻，管理起來就有困難，不管是哪隻鳥要休息、哪隻鳥需要照護，都成了養殖業者的困難。這些鳥就是一個一個的模型，而ModelOps就是管理鳥的系統，模型不是做完就好，需要監控、管理、更新，才能確保預測準確度。
以實際的狀況來說，玉山銀行的ModelOps把所有AI（商用或開源）模型版本、分析專案納管在一個中央儲存庫，設定權限讓應用單位機密不外洩；再來把整個模型生命週期的管理流程標準化，提高協作效率也便於監控。最後一步，就是打造統一且透明的回饋機制，讓應用單位的權責人員可以主動監控狀況，把關模型的品質。
「對銀行來說，不只把模型監控和報表的開發，從3天縮短至幾分鐘，更重要的是，因為透明能夠追溯足跡，符合法遵規範的需求。」張智星說。
台北榮總也與SAS合作，先導入AutoML（自動化機器學習）技術，讓資料處理、建置模型、部署與解釋的流程自動化，協助院內分析人員減少超過9成的建模時間，如在腎臟科加入血紅素偵測，協助醫師預判腎性貧血等。這僅是單一的模型舉例，當台北榮總擁有愈來愈多的模型，就也需要導入ModelOps，監控模型效能。
台北北榮資訊室主任郭振宗（首圖左）表示：「模型做好之後，希望可以拓展至全台灣的醫院，大家都可以用，所有病人都可以享受跟醫學中心相同的照護品質。」
複合式AI：用來解決真正複雜的商業問題
「複合式AI，是結合了不同AI技術，為複雜商業問題提出最佳解。」陳愷新說，「也是企業下一波必須掌握的重要趨勢。」
舉例來說，零售業者如果想要了解最佳化定價，可以用機器學習技術，搭配歷史交易資料、庫存量、競品價格、客戶屬性來決定價格區間，這是已經存在的技術。
如果想要進一步挖掘更深度的問題，像是了解在定價與促銷之間如何取得平衡，或是該最佳化營業額、利潤還是市占率？「像是有些促銷是可以接受賠錢來確保市佔率成長，或是獲利增加區間要從10%增加到15%等，問題很複雜。」陳愷新說。面對這樣複雜的問題，就需要運用橫跨機器學習、需求預測、統計及最佳化等AI技術。此外，複合式AI還可以從小數據中找出洞察，是企業在未來必須重點關注的轉型方向。
SAS在2021年於台灣取得雙位數成長，更奪下亞太區卓越績效國家冠軍，主要業務成長動能來自雲端產品及軟體授權40%的成長。獲利的領域包含風險管理與詐欺偵測、AI運算管理平台以及智慧醫療方案等，SAS也預計於2024年IPO。
責任編輯：侯品如
