AI 在 2023 年開始史無前例的高速發展，ChatGPT 的出現讓人們意識到 AI 技術的潛力，也點燃了科技巨頭之間的 AI 軍備競賽戰火。各家科技大廠的 AI 策略布局動向在下半年都顯著往自身擅長的領域發展，包含 Google 聚焦企業端應用、開發者與智慧手機生態系，亞馬遜（Amazon）將 AI 應用於企業雲端場域，而 Meta 則專注於社群網站，透過 AI 投放更精準的廣告。以整體數位經濟生態戰局來看，下一階段的決勝點將建立在 AI 通路之上。
同時，大型語言模型（LLM）展現了在視覺和解讀能力上的顯著進展，GPT-4 不僅可以識別地標，還可以根據發票內容計算消費稅。AI 的應用逐漸滲透進生活，並在多元領域中展現出近乎人類水準的表現，接下來，AI 模型將走向微型化，大模型開始被裂解為不同的輕巧小模型，較易於部署在終端設備內，且維運成本較低。
iKala導入AI模型，優化產品搜尋方式
面對 AI 科技不斷迭代更新，企業應如何擬定 AI 戰略？以 iKala 為例，分享我們在公司內部如何策略性導入 AI，加值於既有商業模式、賦能內部員工生產力提升。iKala 自3年前開始以「中央廚房」的模式管理內部所有的 AI 模型，透過收集內部散落數據、外部公開數據進行整合與分析，結合自有 140 種應用於精準行銷與企業轉型場域的 AI 模型，提供不同部門、企業所需的商業洞察。其中有些模型負責分辨顧客情緒、廣告價值推算、粉絲偏好偵測等，如同聽說讀寫各自具備不同的功能，這些模型也有各自擅長的任務。這正是未來企業需要的知識管理模式，亦即內部的「企業 AI 大腦」，集中式地管理自身營運與客戶所需的 AI 模型。
自去年開始，我們發現企業客戶對於知識管理的需求提升尤其明顯，我們也常被問及「知識管理該怎麼做？」而 iKala 所打造的 AI 網紅數據行銷平台 KOL Radar，就是一種知識管理的應用。KOL Radar 集中跨國的網紅資料提供全世界查找，協助企業找出真正有影響力且符合品牌與產品調性的網紅，透過資料管線即時的數據更新，與社群脈動緊密結合，做到全自動化、即時的資料分析並提供給企業客戶。
我們也持續優化搜尋方式，從原先的關鍵字搜尋，到現在使用者可以利用自然語言聊天的方式搜尋，促進使用者和產品之間更自然的互動，並透過分析過往歷史資料來預測未來網紅的表現，將生成式 AI 結合預測式 AI 產生強大的新應用。以往的知識管理都是在大企業內部，現在運用生成式 AI 搭配資料庫技術，可以協助讓查找互動更有彈性，並且預期 AI 未來將能進一步解釋、提供推論。
此外，我們也發展出自動貼標的 AI，能夠分類社群上多元的人類知識類別，當 AI 在分類這些不同領域的知識，我們發現它已經有能力可以窮舉完這些知識類別，除了自動貼標，還可以自行產生新的類別，這對於我們發展網紅搜尋引擎背後的資料庫有很重要的啟發。以往人類建立新的知識體系要花很多時間和體力，現在透過 AI 的監督式學習與非監督式學習就可以做到，並且隨著外界的變化，AI 可以自動進行調適，這是我們已經發展出的底層技術，未來要如何把語言模型效率提升、縮小、特化也都會是我們持續發展的關鍵技術。
數據為AI之本，3招激發生產力
在 AI 技術大躍進的時代下，接下來企業在打造 AI 策略時可以關注3大重點：良好的數據策略、AI 對企業內外部加值、將 AI 當成電力。數據是 AI 策略的基礎，收集、整理、保護企業內獨有資料會是第一步，接下來是找出 AI 對於既有商業模式帶來的加值以及如何賦能員工生產力提升，日前我們內部讓工程師導入 AI，歷經超過2季的實驗證明顯示，生產力提升 100％，亦即完成一項 AI 開發專案的時間縮短了1倍，也讓我們目前軟體更新的頻率從2周1次變為1周1次。最後是取得雲地端算力方面，企業可以採取混搭的模式來打造最佳算力組合，並將 AI 當成電力來規畫事業策略。
展望 2024 年， AI 的發展可歸結於信任、使用者體驗和商業模式。當 AI 愈普及，黑箱也可能愈加嚴重，因此近期針對 AI 可解釋性的研究數量劇增。歐盟也在日前通過了人工智慧法案（AI Act），明確要求對全球的 AI 進行管制，顯示出未來企業經營的成本將不斷上升，針對 AI 合規要同時結合技術和法遵，將會是企業龐大的挑戰，也是商機。再來是使用者體驗，AI 目前有各式各樣的應用，包含機器人的互動方式，但針對最能讓消費者接受而普及的應用，整個市場都還在持續探索當中。
最後回歸到商業模式，當 AI 技術愈便宜、競爭就愈激烈，我建議企業千萬要保護好自己的資料，數據將成為企業的獨門武器，也會是企業未來長期的競爭力。
責任編輯：蘇柔瑋
