麥肯錫：想導入 AI，不能只靠工程師！老闆得想清楚３件事

管理顧問公司麥肯錫（McKinsey＆Company）預估，企業透過生成式 AI 自動化任務，能取代 70% 人力投入該任務的時間，這讓企業積極投入生成式 AI 應用。然而，2022 年麥肯錫針對 600 多家企業調查發現，數位轉型帶來的實際效益僅有預期的 1/3。

該如何應用 AI，創造競爭優勢呢？麥肯錫以一家太平洋地區電信公司為例，說明企業導入生成式 AI 創造效益的歷程。

從電信業導入 AI 長，看成功導入 AI 要做到的 3 件事

首先，電信公司聘請一位專家擔任「AI 長」，AI 長跟跨部門開會，從客戶旅程中，找到最能為客戶帶來價值的情境。

以電信業來說，維修服務的效率與品質會影響客戶滿意度，所以他們衡量效益和可行性，選擇「家庭電信服務維護與修繕」作為 AI 專案的示範點，希望幫助服務同仁更準確預測維修服務類型，以利即時派工、提前備齊維修零件，解決客戶問題。

AI 長籌組了跨職能的產品團隊開發生成式 AI 工具。為了預防生成式 AI 帶來的風險，AI 長制定「資料格式」，確保 AI 從沒有隱私疑慮、品質好的數據學習。模型開發完成後，公司成立了數據與 AI 學院，向客服人員、派工單位推廣 AI 工具。

麥肯錫認為，太平洋地區電信公司順利導入 AI，歸功於 3 件事：

1. 選對戰場

麥肯錫表示，企業通常會從生成式 AI 最常見的應用開始導入，例如：製造業看到電信業以生成式 AI 協助客服就決定跟進，但每家企業的核心競爭力不一樣，導入客服不一定適合自己。

此時，應該回頭思考自己的競爭優勢。假設顧客回購的原因是維修服務，那麼應用生成式 AI 協助工程師識別機台故障問題和推薦解決方案，就會比客服系統更有效益。

2. 花時間微調模型

採購現有的 AI 模型再客製化，成本較小，不過同仁還是需要時間學習新技能，包括 AI 模型微調、向量資料庫管理、提示工程（設計一個問題以指導機器生成內容）等。

麥肯錫也提醒，成功的 AI 專案，不只要有熟悉機器學習、資料處理的工程師，還需要各領域專家協力協助資料定義、校正模型，才能確保生成式 AI 產出的答案是正確、用語符合專業。

3. 風險預防

開發 AI 專案之前，團隊應該充分了解和管理 AI 的風險，特別是訓練資料的隱私權與著作權。制定 AI 技術開發指南和測試程序，做到負責任的開發，才能避免後續的法律爭議。

資料來源：2024.No2《McKinsey Quarterly》