打開台積電內部系統，員工無論是想請假、補假或是詢問特休事宜，都能透過AI對話機器人詢問，將不少繁瑣的人資的事務自動化。協助台積電導入這套系統的，正是創業20年，一路從搜尋做到對話式服務的碩網資訊（以下簡稱碩網）。
碩網成立於1999年，最早是做自然語言處理和語意分析，在AI還不熱門的年代，碩網必須耗費許多心力去向業主解釋自家產品。總經理邱仁鈿是麻省理工學院博士，他在受訪時表示，AI熱潮興起後，來詢問導入智慧助理的客戶，比之前增加了兩倍以上，「現在很多客戶要的是由繁而簡的處理。」
生成式AI提高智慧助理詢問度，碩網估：明年客戶大增2倍
當紅的AI技術實際上可簡略分成兩種：分辨式AI和生成式AI。
兩者最重要的差異在於，辨認式AI不會自行生成新的資料，是就既有的數據資料做運算，市面上大多數的聊天機器人皆屬此類。邱仁鈿解釋：「不管是文字、聲音還是影像辨識，精準度再高也就是100%，不可能再向上，因為分辨式AI不會無中生有地產出東西。」
生成式AI則不同，是透過大量運算後產出新的資料，例如自行作曲、繪圖或編寫故事，「以前是題目訂好，AI做到極致就好，現在生成式AI能做到超越100%想像。」邱仁鈿說。
以現階段而言，碩網協助如台積電、和泰汽車、IC設計大廠和眾多公部門設置的對話機器人為分辨式AI，但已有導入生成式AI的專案即將上線。邱仁鈿透露，今年底由碩網協助導入的企業客戶約有15至20家，明年底則是這個數字的雙倍以上。
生成式AI敲開產品新大門，對話式機器人未來的2大方向
生成式AI能「無中生有」的特性，加上大語言模型（LLM）的發展日益成熟，幫碩網開啟全新機會大門。在AI領域耕耘多年的邱仁鈿，提出了兩項發展方向，希望在接下來的幾年，能帶領碩網大啖AI對話式服務商機。
首先，是集中火力發展「移轉學習」（transfer learning）用的模型。 轉移學習指的是將原先為特定目的開發，並已訓練好的AI模型，套用其他數據進行學習。可將模型想像成一台果汁機，無論放入蘋果還是葡萄（數據），最終都能達到榨出果汁的目的。
碩網要做的，就是看準客戶需求推出對應的模型，讓企業只需準備好數據，無需從零開始自己訓練模型。然而，準備數據往往是讓企業最頭痛的地方，不僅所需體量龐大，成本也高昂。碩網資訊執行副總經理江明則指出，生成式AI出來後，恰好能解決數據不足的問題。
邱仁鈿比出手勢解釋：「生成式AI讓企業只需要準備一點點資料，就足夠讓碩網替企業訓練專屬模型，達到原本想做的9成功能。當企業將準備資料這負擔從肩膀上卸下來，採用對話機器人的意願就很大。」
其次，就是掌握對話機器人將資訊傳遞給使用者的最後一哩路。 邱仁鈿認為，即使企業導入生成式AI的對話式服務，如何提供使用者覺得直觀且好上手的訊息介面，是評斷服務是否「好用」的關鍵，「只有通過這個channel（溝通管道），對話式機器人才可以做得好。」
為做到這點，碩網並未選擇開發自有介面，而是積極打通包含微軟的企業協作工具Teams，以及Line等個人化訊息介面。邱仁鈿分享：「碩網與台積電合作，最漂亮的地方在於對話機器人就是在Teams上，讓員工能直接接收訊息。」
同樣的狀況也會發生在其他領域企業，以電商來說，在導入生成式AI處理退換貨流程時，如何在溝通介面上夠直觀，讓消費者覺得方便並增加黏著度，是不少企業老闆優先考量的事項。
延伸閱讀：日立把AI變老師傅，怎麼幫新人培訓？
LLM大浪很快就會打來，碩網：我們要踏在浪上
對於AI的未來，邱仁鈿直言AI技術變化太快，很難預測長久的變化，「但在未來12個月內，我們有想法。」
他將AI技術發展分成三層，最底層為大型語言模型，如Meta的LLaMA；中間則為API（應用程式開發介面），包含ChatGPT和Google的Bard；最上方則是App（應用程式），如微軟的Copilot智慧助理。
邱仁鈿指出，最下方的大型語言模型是寡占遊戲，「以前弄一個軟體新創1到2億美元就可以開始，現在AI時代，沒有個百億資金是不可能的。」他認為，當前仍於百花齊放的時期，過段時間後能「一統天下」大型語言模型將脫穎而出。
邱仁鈿表示，希望能在主流模型出現時就找到其中的立足點，而非重蹈2000年網際網路蓬勃發展初期，台系搜尋引擎不敵美國大廠攻勢而敗陣下來的歷史。為此，碩網在各大模型上皆有投注資源，「起碼標準化的大浪打來時，我們是踏在浪上，而不是被淹沒。」
責任編輯：林美欣
