作者：資誠創新諮詢公司董事長 盧志浩
目前，AI仍屬昂貴稀有資源，雖有各式各樣應用案例，但在高耗能且高度倚賴運算能力情況下，企業必須謹慎選擇如何投資有效運用這個新能力，除了對於一般員工生產力提升的普及化應用外，要選擇能帶來較大商業價值的領域進行進階AI應用投資。
舉例而言：客戶服務在企業是十分沉重的成本，人力成本外，更嚴重問題是無法有效地留住客服人才，尤其在客服服務中心裡，客服專員的流動率居高不下，造成管理上難題也造成服務層級下降，最終影響到客戶對企業的購買決策。外包給服務中心業者，除了成本轉移之外，並沒有辦法達成客戶服務的最終商業目標：透過服務帶給客戶更好的體驗，並透過持續互動與了解，開發出客戶更期待的產品與服務。
引進AI的理解能力後，透過對於企業內部非結構資訊的學習，可以解決客戶過去無法透過自助解決的複雜問題，並且以客戶喜歡的互動方式結案，最後將問答處理都自動歸納與建立解決知識庫，並持續累積改善AI服務專員的問題解決能力。更重要的策略意義在於，企業可以直接擁有與客戶互動的主動權，而不是交付給客戶與外包中心，新的AI服務代理中心將逐漸取代服務卓越中心，並提供更個人化的優質服務體驗，更主動進行互動。這些都是可以量化的具體結果。
從上面的例子中，還可以歸納兩個重點，一是企業在推行AI時，應清楚知道商業價值。二是取得預期價值後，該思考如何進行規模化推廣。
驅動商業價值
企業在引進AI技術，需要訂定清楚的營運目標，才能衡量解決方案所帶來的商業價值。例如：許多企業引進普及型AI來提升工作團隊的工作效率，但卻沒有實際去衡量這些工作效率如何體現在工作產值或人力需求上，這樣的投資很容易被質疑也難以為繼。相對地，以客服案例而言，若訂定清楚的客戶滿意度改善、自動化線上解決問題比率、用戶回饋，以及實際對比過去費用成本，就可以清楚地衡量投入的回報，建立AI持續投入信心。但是，實務上有許多的AI投資，在取得量化指標上是有困難的，因此，需要用更寬廣架構來思考AI投資。
以下建議一個較完整的AI價值衡量或投資報酬考量架構，提供企業進行AI投資的參考：
推動AI規模化
企業都在尋找AI運用場景快速地大規模推動，得到最大效益，當初步取得AI成效時，如何擴大使用族群與推廣到其他功能？如同數位轉型一樣，AI轉型需要規劃與變革管理，才能順利推動，企業必須特別注意三個關注點。
1. 不要低估宣傳與教育訓練時間與成本
借助雲端科技發展，解決方案發展到部署，對比過去節省很多時間，但人的行為改變仍然需要時間及從認知到實踐過程，需要許多教育訓練與宣導。讓單位使用者互相分享他們運用AI的收獲與案例，可能比僅規劃系列課程更容易被買單。
2. 簡單先行
太複雜場景並不利於AI推行，有兩個原因，第一，複雜場景代表有更多變數，也更容易引發AI的幻聽狀況，也更容易失控，需要投入更多資源開發。其次，在推廣時，也需要更多的訓練與時間熟悉，最後可能反而影響整體時程。應該將複雜場景切割為多個簡單應用，可大幅減少推廣挑戰。
3. 資料品質比數量更重要
資料品質高，直接影響訓練效果；而資料多但品質不佳，會浪費運算資源，產出的品質會更差，例如許多企業都認為將過去所有累積的歷史資料，一股腦兒的丟進模型訓練，大部分的結果並不如企業預期。反而是將過去的資料挑出高品質或者更貼近現有的商業運作場景，在訓練效果上有較好的表現，訓練時間與訓練算力也都會大幅減少。
用AI來解決永續挑戰
AI確實需要高算力與高耗能，但相對地，AI也可以協助解決永續議題的挑戰，企業內部的能源運用、供應鏈、生產，以及物料使用都有各種大量資料，透過AI分析可以快速改善效率，找出各種節能與碳排改善的機會，協助企業面對全球關注的永續議題。對於國家或全球的氣候、交通、各種自然資源(例如：水資源)都需要考慮複雜多元的因素，也需要各種模型進行模擬，找出解決這個世紀難題的機會，也將深入研究領域，協助研發人員找到新的能源替代方案。AI對於世界的影響將是劃時代的，也將持續影響產業與世界的運行。
