（點擊連結立即免費下載：《2024職場學習趨勢報告》完整版）

在 ChatGPT 爆紅之前，台灣就有不少廠商正在嘗試讓 AI 變成組織核心競爭力的一環。台灣人工智慧學校（下稱 AIA）產學長郭秉宸的第一線觀察是，「產業討論 AI 愈來愈務實。更多企業從一開始的觀望，逐步接受成為轉型的目標，實際思考該如何往下做。」

這樣的企業有多少？《經理人》、《數位時代》、與 AIA 今年合作〈2023 職場學習趨勢調查：企業如何幫助員工學習 AI？〉，近 5 成受試者表示，公司已經有足夠的技術能力、或是正在嘗試 AI 相關專案；另外兩成則是公司大致了解 AI，尚在評估該如何應用。

企業導入 AI 會面臨哪些困難？

隨著生成式 AI 的普及化，會加速 AI 在企業落地應用嗎？根據上述調查，企業導入 AI 面臨最大的困難，其實不是技術的適用性，而是「數據資料不足、散落於各部門難以整合」。

郭秉宸解釋，其實更精確來說是「數據資料不全」。當部門各自為政，數據分散於各部門的流程與表單之中，不僅難以確認哪些數據應該被保留下來、哪些又是不必要存放，整理和儲存的方式也不 一致，部分存在雲端、部分以紙本留存，導致最終數據資料串連時有缺漏，難以解決企業遇到的經營問題。

「例如公司要求要『順利出貨』，但出貨只是結果。整串作業流程從原物料採購、製造、生管、品管、倉儲到物流，每個環節都可能需要數據去檢視發生了什麼問題，不會只是單看某一步驟。」

因此，要評估數據資料的完整性，必須從公司高層，執行長或 CXO 層級制定數據治理（data governance）方針，規畫數位轉型到AI導入的短、中、長期策略藍圖，並從解決問題的視角，觀察相關流程與部門單位的數據架構，才能判定欠缺哪些數據資料。

根據問卷調查，企業導入 AI 的第二大困難是「核心業務所在領域的 AI 相關技術尚未成熟」。郭秉宸表示，這個背後的問題可能是部門本位主義作祟，主管被動等待一個完美符合需求的工具出現。但真正可行的方法，應該是釐清自己部門遇到的問題、轉換成對應的「語言」，和擁有技術能力的專家溝通、共同討論如何運用既有的 AI 技術和工具來解決。

那把 AI 導入的任務交給資訊部門來執行，是不是就沒問題了？「實際上正好相反！」郭秉宸觀察，台灣企業的資訊部門通常無所不能，小到修電腦、接網路線，大到雲端策略，好像軟硬體問題都可以丟給資訊部門處理，其他部門置身事外，「但導入 AI 是完全不同的事，需要連動整個公司的不同部門，單是丟給資訊部門、欠缺各部門之間的溝通，最終一定會變成一場災難！」

具體來說，資訊部門熟悉於技術相關知識，但不夠了解公司整體運作、各部門日常營運環節，難以掌握該如何運用 AI 相關技術來解決其他部門的工作痛點，可能規畫了一系列的任務，最終就是白費力氣，還打壞了其他部門對於 AI 可以協作的想像。

如果要解決這個困難，必須回到組織層級來思考，從執行長到各部門主管都具備一定程度的 AI 素養，就像是過去為同仁裝備起 Excel、Word、 Gmail 等技能，大家才能運用同一套語言討論，共同找出 AI 可以應用的場景。

AI 人才不等於會寫程式，文法商非技術背景也重要

許多主管誤以為，AI 素養就等於要培養團隊成員寫程式的能力，但實際上不只如此。「與 AI 領域相關的人才，除了大家熟知的研發、運算、平台相關的工程師，還有不同領域的產業顧問、協助推動轉型的專案管理人員、維護 AI 運用合法性或倫理性的法規治理人員，或是如同 AIA 從事實務教學工作者，需求的專業不只限於程式技術，甚至還包含了文法商專業。」

郭秉宸也提醒，市面上已經有許多成熟、便捷的軟體工具，符合當前產 業追求低程式碼（low-code）、無程式碼（no-code）的開發趨勢，即便不是技術背景出身的人，也可以運用這些工具完成重要功能的開發。與其拚命找尋懂各種程式語言的工程師，不如先回頭思考公司需要解決的課題裡，有哪些已經能透過無程式碼軟體來協作完成。

另外，「今年 ChatGPT 在全世界火紅，如何幫助非技術背景出身人員，學習使用這些生成式 AI 技術和工具，完成撰文、繪圖、整理數據資料、跨媒介內容產出的需求，也持續升高。」

組織分三層級，裝備不同的 AI 素養

既然程式能力並非 AI 素養的核心，真正的 AI 素養又是指什麼？又該如何讓員工裝備起 AI 的基礎能力？在這次調查顯示，「不知如何循序學習（欠缺學習地圖）」是多數人認同、影響企業學習 AI 的重要痛點。

郭秉宸解釋，AI 素養要從人員在公司負責的工作出發，不同層級的員工，分別思考 AI 要幫忙解決什麼問題。例如工程師做專案，需要找到幫忙優化程式產出效率的工具；如果擔任採購經理，則要尋找能預估未來幾個月原物料價格的工具，解決方案可能就是運用過去累積的數據搭配好用的預測模型。光是這兩個例子，就會發現他們需要培訓的 AI 技能不完全相同。

為了協助企業養成 AI 人才，AIA 將組織員工分為三種：工程師、經理人、CXO，分別設計學習路徑。

1. 工程師（技術人員）層級：專精於學習 AI 核心技術，包括程式語言、預測模型、物件偵測、智慧製造等項目，是企業推動 AI 最核心的技術；
2. 經理人（各級主管）層級：肩負對上、對下、水平溝通的角色，因此除了必須了解技術基礎，還要具備策略思維和關注趨勢，跨領域、跨產業的應用交流必不可少；
3. CXO（高階主管，包含企業領導者）層級：推動 AI 的決策者，最關鍵的素養就是認識 AI 的能與不能。

「最怕的就是領導者將 AI 當作一個許願池，無所不能的工具。」誤判自家公司的資料準備度、可調度資源，想要無限制擴大 AI 應用的範圍、膨脹想解決的問題，導致失敗收場。

務實調整人才政策， 透過內部培訓補足能力缺口

近幾年高科技產業欠缺人才的現況並不是新鮮事，愈趨搶手的 AI 人才當然也是如此。郭秉宸認為，重金挖角優秀人才的難度愈來愈高，更務實的做法是，調整人才政策、更大比例透過內部培訓獲取需求的人才。

當公司內部多數人都擁有 AI 基礎概念，接下來就能跨出資訊部門的範疇，讓高階團隊從策略面來思考，如何運用 AI 解決公司經營最迫切的問題。

「攤開公司財報，看哪裡破了洞、哪裡最脆弱，就是應該專注解決的問題所在。」郭秉宸認為，多數公司資源有限，別為了跟緊競爭對手而投入、也別想著一步到位，領導者應該按照自己公司的需求，專注於解決迫切性高的問題。

「例如代工廠面臨出貨品質不佳，那麼聚焦改善製程良率，就能讓公司營運表現好上許多。在思考 AI 應用時，就應專注去做讓品質提升的改善方針。」

郭秉宸最後分享，每當有企業來找他諮詢 AI 導入相關問題，他都會反問對方以下這四個「靈魂拷問」:

所屬企業與機構:
- AI 藍圖與行動方案是什麼？
- 在生態系的哪個位置？
- 對應的產品或服務是什麼？
- 打算做什麼規模的投資？

其中第一項問題尤其關鍵，因為那攸關企業領導者如何看待、思考 AI 的心態，「必須要想清楚了，才能繼續往前，走該走的路。」

郭秉宸｜
交通大學材料科學與政治大學科技管理雙碩士，清華大學跨領域國際博士班博士候選人。
曾任 KPMG 台灣所顧問部協理，領導智慧製造團隊，長期經營工業產業、家族企業管理、創業創新服務三大市場。擁有管理顧問專業與超過 26 年的產業服務經驗。
現任台灣人工智慧學校產學長，致力於建構以人工智慧為中心、「產官學研創」協同的創新生態系統，推動台灣人工智慧的卓越發展。

（點擊連結立即免費下載：《2024職場學習趨勢報告》完整版）