不是所有事，都適合讓生成式 AI 做！企業導入 AI，要破解的兩個「常見迷思」

隨著人工智慧（Artificial Intelligence，AI）技術不斷發展和普及，愈來愈多企業開始探索導入 AI 的可能性；今（2023）年 ChatGPT 的爆紅更掀起全球熱潮，讓眾人見識到對話式、生成式 AI 的潛力。「AI 從話題、議題，到現在已經變成式產業、企業及個人的課題，」台灣微軟（Microsoft）總經理卞志祥在 AI TAIWAN 2023 未來商務展 論壇說道。

生成式 AI 與一般泛指的 AI 不同，更聚焦在能生成文本、圖像、音訊等多種形式的 AI 模型，能更好地處理自然語言的問題，並在語言生成、對話系統、翻譯等領域具有廣泛的應用前景。目前台灣也愈來愈多企業導入生成式 AI，強化自家產品帶給消費者的體驗與價值。

碩網資訊的對話式 AI 平台 SmartRobot 便導入微軟 Azure AI，讓客服平台能依據企業內部資料與知識（Know-how）來回答客戶需求，確保回覆的答案是正確、符合企業內部流程，且不會回應競爭對手的資料；遠傳 FriDay 購物 App 推出「問問小五」強化電商平台的搜尋體驗，顧客輸入「露營」，就算對露營設備毫無想法，也能快速找到系統推薦的帳篷、背包、睡袋、爐架隔熱墊等商品。

知易行難！企業導入生成式 AI，會遇到哪些問題？如何克服？

然而，導入生成式 AI 也帶來了一系列的挑戰和問題。鼎新電腦吳兆麟博士分析，企業導入生成式 AI 大致上會經歷三個階段：規劃期、評估期、導入期。企業經營者得先了解自己處在哪一個階段，才能制定策略、擬定下一步該做什麼。

規劃期：從兩面向發想，釐清生成式 AI 的應用場景

想釐清生成式 AI 的應用場景，吳兆麟建議企業能從兩個面向來發想。

以 GPT（生成型預訓練變換模型，Generative Pre-trained Transformer）為例，第一種比較單純，就是讓 GPT 根據任務，加上企業內部的 Know-how 來生成結果；第二種比較進階，除了賦予 GPT 任務、Know-how 外，多給 GPT 與任務有關的數據，期望 AI 根據新數據完成更進一步的任務，像是將數據轉換成其他形式，可能是翻譯、轉換、修飾、檢查等，也可能是衍生出更多回覆，或總結與摘要資料的重點。

《經理人》日前推出的「台灣第一支新聞 AI 摘要朗讀」服務「每日聽管理」，便是請 GPT 根據官網報導，賦予其重新撰寫播報稿的任務，針對文章資料做總結而誕生，讓平均閱讀時間約 3～5 分鐘的文章，能以 150 字左右的篇幅快速播報，幫助讀者更快速、更便利掌握重點。

評估期：破解常見迷思！不是所有事，都適合讓生成式 AI 來做

確定生成式 AI 的應用場景後，進入導入期前有兩個特別要注意的事。首先，生成式 AI 可以做很多事情，但「可以做」不代表「適合做」。吳兆麟舉例，部分基於大數據才能得出的分析或最佳化計算，或許交給傳統的 AI 執行比較適合；此外，生成式 AI 適合用在基於自然語言（讓電腦能解譯、操縱及理解的人類語言），並以人的原則、原理去分析的任務，如果相對固化的標準化處理任務，那交給程式來運作比較適合。

第二，不管是生成式 AI 或傳統 AI，其實 AI 最適合扮演的是輔助人的工具，而不是完全取代人。吳兆麟提醒，AI 的原理只是基於機率去產生最佳化的結果，這個結果到底適不適合企業來應用，最好還是有人為參與、確認，做出最後決策與調整。

導入期：經歷準備、設計與驗證階段，最後「反問」AI 來改善最終成果的品質

進入導入期的企業，開始著手設計、建立符合自身應用場景的生成式 AI，此時回經歷準備階段、設計階段、驗證階段。

首先，企業得先依據應用場景，以「訓練新手」的方式去蒐集 Know-how 給生成式 AI。準備完成後，在設計階段時要將 Know-how 做結構化的整理，幫助 AI 了解你想教它的事，並設計任務的輸入、輸出。吳兆麟提醒，根據過往經驗，此階段企業需特別注意，如果連人都做不到的任務，交給 AI 來做當然也不可能實現。

最後，在驗證階段時，如果訓練的結果無法被使用，吳兆麟建議，能 「反問」AI 是如何生成答案的，透過掌握 AI 生成結果的過程，了解該從何處著手修改企業自身的 Know-how，重新輸入給生成式 AI 來調整最終結果的品質。

台灣微軟首席營運長陳慧蓉認為，AI 時代下企業會更需要三種人：敏捷（Agile）、創造力（Creative）、溝通（Communication）。首先是 Agile，指的是很敏捷，同時也很願意學習的人；Creative 則是在自身專業上很有想法、很有策略的人；Communication 則是因為 AI 無法取代人做深層溝通，還是需要人來完成。