領導 Leadership > 團隊管理
feature picture
4

小心觸法!ChatGPT、Midjourney 規定大不同,侯宜秀:要懂3道「保險」

撰文 王毓茹
2024-08-27
分享
收藏
已完成
已取消

自從 ChatGPT 面世後,AI 不僅改變了人們的生活方式,也影響各行各業的工作模式。在享受新科技帶來的便利之餘,也要謹慎使用,小心誤觸法律與倫理問題。

新科技會衍生新問題,AI 的使用界線在哪?

2023 年,美國就發生了律師用 AI 寫假判例的真實事件。《紐約時報》(The New York Times)報導,一名執業 30 年的資深律師使用 ChatGPT 寫訴狀卻沒有仔細查證,被法官發現裡面引用的 6 個判例根本不存在,都是 AI 虛構出來的。這名律師出席聽證會時表示,不知道 ChatGPT 會捏造案件,由於違背了律師職業倫理,最終被罰 5000 美元(約新台幣 16 萬元)。

台灣人工智慧學校基金會秘書長侯宜秀表示,AI 是新科技,會衍生出新問題,不只國外,台灣也有許多類似的事。舉例來說,有新聞媒體在報導中試圖還原現場,利用 AI 生成圖片,後續引起的討論是,用 AI 圖片取代新聞攝影,是建構真實,還是會誤導讀者?

延伸閱讀:使用外部 AI 工具,如何避免公司機密外流、降低資安風險?

再舉一個例子,使用 AI 技術打造的「虛擬鄧麗君」,不只能獻唱,還能對話互動。問題是,使用逝者的聲音、影像和文字生成一個「虛擬人」,這件事誰可以做?會被怎麼使用?「這些事不見得違法,但牽涉到社會倫理,要看社會大眾能否接受。」

對於 AI 的規範,各國已陸續推出相關法案。台灣政府預計在 2024 年推出《人工智慧基本法》草案,日前國科會提出的草案列出 7 大原則:永續發展、人類自主、隱私保護、資安與安全、透明可解釋、公平不歧視及問責,包括避免 AI 的應用造成歧視、廣告不實或造假等問題。

侯宜秀表示,基本法的作用是為台灣的人工智慧規範與發展建立一個大方向,之後各機關會再訂定更具體的法規,保障基本權利。大原則是,秉持「以人為本」的理念 —— AI 是用來提升人類生活,不能用於歧視、操縱或犯罪行為。比方說換臉的「深偽技術」(deepfakes)可以用來讓消費者模擬自己試穿衣服的樣子,但不能用來詐騙和不當誘導。

延伸閱讀:如何免受 AI「幻覺」影響?3 個檢查重點,確保生成內容正確性

避免侵害原著權利,內容生成最好經人為編修

侯宜秀進一步指出,使用 AI 也必須留心權利歸屬,避免發生爭議。「現在 AI 工具很多,不管用哪一個,都要看清楚使用者條款,免費和付費版的規範也會不同。」

舉例來說,OpenAI 就明確指出 ChatGPT 生成的內容所有權利會轉讓給使用者,代表該公司不會對 ChatGPT 生成的內容主張著作權;AI 繪圖工具 Midjourney 則要求年營收超過 100 萬美元(新台幣 3250 萬元)的公司,必須採用進階付費的「Pro」或「Mega」方案。她提醒,如果公司要導入工具,可以把工具的條款做一個白話文摘要,確保每個員工都了解使用規則。

此外,用途也得考慮著作權問題。「像是我拿一本完整的書餵給 AI 摘重點,會不會侵權?」侯宜秀表示,這涉及「重製」,取決於摘出來的重點有沒有「合理使用」。最簡單的判斷方法是,有沒有對外公開、是否商業利用。比方說摘錄的內容只是自己參考,就沒有問題。如果上傳到網路分享甚至販售,就可能會侵害到原書作者的權利。「AI 生成的內容最好不要直接使用,經過再製或改寫比較保險。」

明定守則,別讓 AI 幫倒忙!

隨著 AI 工具愈來愈多元,企業已經習慣用它來提升員工效率。不過侯宜秀提醒,運用工具工作仍有些風險,必須建立基本觀念。

1. 由「人」做最後把關

目前生成式 AI 較難確認來源的真實性和時效,因此最好避免用它來取得事實資訊,或是生成的內容必須由人做最後的查證和把關。

2.制定 AI 使用守則

公司內部應該明定使用規範,例如不能把內部資料上傳,建立一套機制記錄從生成、後製到編輯的內容,以便出問題時可以舉證。

3. 生成內容須再製

AI 模型通常是由大量網路資料訓練而成,生成內容可能包含受著作權保護的資料,為了不侵犯他人權利,最好再經過人為編修。

繼續閱讀 團隊管理 AI
相關文章
商業 Business > 數位轉型
feature picture
1

生成式 AI 不是技術題,而是管理題!中階主管該怎麼看待?

採訪.整理.撰文 李岱君
2024-09-02
分享
收藏
已完成
已取消

近 2 年最熱門的科技議題非 AI 莫屬,2022 年末隨著 ChatGPT 的問世,掀起了生成式 AI(generative AI)熱潮,政府和產學各界都前仆後繼投入,從技術、產品、服務面向盡可能挖掘商機。

而這個科技議題,已演變為管理議題,大家對 AI 的疑問已經從「是什麼」晉升到「如何應用在企業、導入工作場景」。《2023台灣產業AI化大調查》發現,雖然5成以上的企業已經開始接觸生成式AI,但僅有 16% 的企業將生成式 AI 導入到公司營運流程,原因是缺乏技術人才、公司資料尚未進行整合、導入 AI 成本太高等。

效益產生平均要花14個月!導入後先別急著算投報

台灣微軟大型企業商務事業群總經理李倩表示,企業領導者最大的困擾,是擔心對 AI 投入資金後,無法立即看到投資報酬率(ROI)。然而,根據全球市場調研機構 IDC 的調查,企業從導入 AI 系統到真正產生效益,平均需要 14 個月。

這時,就格外考驗企業願意嘗試的心態。如果要讓團隊融入 AI,領導者與主管的態度很重要,需要由上到下制定訓練計畫、舉辦黑客松,帶著員工一步步了解怎麼運用 AI 工具等。李倩提醒:「不要急著去算ROI,反而會抹滅掉一個高度成長的機會。」

不光是高階領導者,麥肯錫(McKinsey & Company)2024 年 3 月的報告《AI的人性面》(暫譯,原文為The human side of generative AI)指出, 中階主管在這波科技革命同等重要,他們作為承上啟下的樞紐,更需要引領下屬適應新的工作節奏。

據統計,中階主管的工作時間有一半以上都花在個人業務和行政上,僅有 25% 的時間花在管理。當員工都積極使用 AI 工具,主管也不能有認知上的落差,應該更積極使用 AI 處理行政業務,多花時間制定戰略、輔導下屬與協調工作量,甚至把 AI 當作團隊成員之一,讓科技更融入組織。

如何減緩 AI 焦慮?理解它,才能擁抱它

麥肯錫顧問公司全球董事合夥人譚宏強調,企業還沒辦法規模化運用 AI 的原因有 2 個。首先是隱私問題,生成式A I 雖然能摘要報告、寫信、翻譯等,但也因為模型需要透過大量數據進行訓練,這些數據可能包含個人隱私、商業機密,所以模型可能會在生成內容時,意外洩漏機密資訊。

第二則是,即便生成式 AI 可以完成部分工作,但它無法跟日常工作流程緊密連結。例如,在金融業要做一筆放款,需要有產業趨勢、公司業務等多項數據參考,假使利用A I 工具整理出報告與洞察,還是需要人工將生成結果另外彙整。這 2 大因素容易讓企業卻步,甚至會因為擔心無法克服資料隱私、技術等問題,就乾脆先觀望一陣再決定是否投入。

然而,AI 應用其實有不同類別、不同類別的使用場景也不同,如果領導者只著重於技術面,認為 AI 是一個遙遠的技術,更會覺得導入 AI 是道阻且長的事。唯有真正去了解 AI,才能夠減緩「AI 焦慮」。

企業經理人應該從經營策略跟管理風險等層次思考,先評估組織對於 AI 的理解與深入程度,接著再估算應該投入多少成本、選擇什麼樣的方案;當系統導入到內部時,該如何讓團隊成員擁抱 AI;最終也要考量資訊安全跟法律疑慮。明白自己在這波技術革新的座標,才能真正對症下藥。

119AI應用4層級,你的公司在哪裡?
經理人
繼續閱讀 數位轉型 AI
商業 Business > 數位轉型
feature picture
2

麥肯錫:想導入 AI,不能只靠工程師!老闆得想清楚3件事

撰文 簡鈺璇
2024-08-27
分享
收藏
已完成
已取消

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。

延伸閱讀:得來速改用 AI 點餐,適合嗎?為何麥當勞棄用,肯德基卻想導入?

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。

延伸閱讀:從禁用到全面採用 ChatGPT!摩根大通高管:懂得用 AI,一般員工就能「變主管」

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》

繼續閱讀 數位轉型 AI
相關文章
商業 Business > 數位轉型
feature picture
3

AI 2.0 來了!主管應該懂到什麼程度?把握 3 件事就行

整理.採訪.撰文 李岱君
2024-08-28
分享
收藏
已完成
已取消

回首工業革命,蒸汽火車首次亮相時,一些馬車伕還不以為意,堅信傳統的運輸方式才是王道,隨著鐵路的普及,這些馬車伕最終還是被時代淘汰。然而,百年奢侈品牌愛馬仕(Hermès)雖然是馬具起家,但隨著交通革新,他們明白馬具終將成為夕陽產業,於是轉型做皮革製品,品牌發展至今仍是有聲有色。

一、AI 1.0 vs. AI 2.0,你的需求是哪個?

企業在思考是否需要使用生成式 AI(generative AI)前,不妨想想過去的技術革命。當有更好用又方便的東西,人們自然會選擇較輕鬆的生活方式,只有抓住時機、創造新商業價值的人能夠存活。

長期提供客戶 AI 解決方案的華碩雲端暨台智雲總經理吳漢章表示,過去是一個模型解決一個問題,但這一波 AI,是一個模型可以解決多個問題。

這樣的區別,其實就是提供 AI 2.0 平台與應用的創新工場董事長李開復所說的 AI 1.0 與 AI 2.0。AI 1.0 指的是單一或特定任務的處理,例如圖像辨識、語言翻譯,模型訓練需要人工逐一標記(label),如果要多一個功能,就得花很多力氣訓練,過程繁瑣又耗成本。

AI 2.0 則是有大語言模型(LLM,large language model)的加持,可以用非監督式學習(unsupervised learning),讓 AI 從未標記的數據中自動找出有用資訊的技術。就大量資料去學習、預測,只要一個模型就可以處理多種任務,如 ChatGPT。

「經理人一定要抓到這一波 AI,」吳漢章認為,進入 AI 2.0 以後,AI 的本質跟 1.0 相比,無論是能力,還是商業化程度,都更容易上手。

不過,前提是要區別兩者的不同,才能真正幫助商業決策。例如醫療產業,要對肺部進行判斷,如果用 AI 1.0 做影像判讀,可能需要 50~60 個 AI 模型,但 2.0 只要一個。也就是說,同樣問題如果用 1.0 來做,就會喪失機會。

「當 AI 比自己想像的更厲害,就有了急迫感,好像自己不做,競爭對手就會做,」但吳漢章強調,經理人至少要能分辨別人口中談論的技術是哪個層次,才能判斷工具跟資源從何而來。

二、一定要自己訓練模型嗎?技術取得的 3 種模式

以現在當紅的生成式 AI 來說,可用技術取得方式跟應用策略 2 種維度,來選擇適合的自己方案。技術取得的模式有 3 種:地端自建(on-premises )、買現成的(pre-trained models)、雲端訓練(cloud-based training)。

第一種模式,就是公司內部使用自己的數據和資源,自建在本地的伺服器,從頭開始訓練一個 AI 模型,換言之,就是自己買硬體設備,例如 GPU(圖形處理器),用自家資料進行訓練。可以完全客製化模型以符合特定需求,適用有較雄厚資本的大型企業。因為依賴內部 IT 人員技術,還要更新與維護,其架設跟營運成本也要考量。

買現成的就是購買已經由第三方訓練好的 AI 模型,可以直接使用或經過微調後使用。例如 OpenAI 的 GPT-4 API、 Anthropic 的 Claude,適合需要快速運用 AI 解決方案,但沒有足夠資源或時間訓練的企業。

第三則是利用雲服務提供商的算力(執行計算任務、數據的效率)和平台進行 AI 模型訓練,這種方式既可以從頭訓練模型,也可以微調現有模型。例如 Google Cloud 的 Vertex AI、亞馬遜雲端服務(AWS)的 SageMake、IBM 等科技巨頭都有提供,適合需要靈活的算力資源,但沒有預算投資大量硬體的企業。

在實際運用上,企業最需要解決的問題,是如何減少 AI 幻覺(hallucination),也就是避免 AI 無中生有、亂給答案(參見 P.125 圖表)。檢索增強生成(RAG,retrieval-augmented generation) 在近半年是最廣受歡迎的方法,它的原理是利用檢索(retrieval)和生成(generation)來提高 AI 的準確性,可以不用透過引用權威資料訓練 AI,就能提高生成品質。

RAG 的出現,讓 AI 又更好用了。吳漢章指出,現在 RAG 有很高的比例是結合提示工程(prompt engineering),設計提示詞以優化生成的結果。

1254策略化解AI幻覺,確保回應正確性
經理人

三、提升生產力只是第一步,用「新4P」架構體現企業價值

吳漢章建議,企業在思考 AI 的使用場景時,可以從「新 4P」著手,從員工(people)、業務流程(process)、產品(product)到企業戰略定位(position),漸進式的導入 AI。

要做到這 4 個 P,愈往後走,要打通的關節愈多,需要滿足的條件也有所差別。吳漢章表示,幾乎所有企業都能想到把 AI 用在員工或客戶(people)身上,用來做知識管理或知識服務。

以營造業為例,過去公司內部存有大量文件,像是施工標準與規範、標案文件等,尤其是標案結束後文件就會封存,公司沒有多花時間整理,未來如果要用,就難以查找,也無法發揮留存文件的價值。如果能讓人更容易找到過去的知識,形成新的想法與提案,就能真正做到知識管理。

延伸閱讀:當 AI 取代人力,工作者還有什麼價值?看 IBM 如何協助員工轉職

「每個人每天都在跟文件搏鬥,你能找到對的文件,本身就是件有價值的事,更何況它還幫你做一點處理,例如翻譯或摘要。」吳漢章認為,讓 AI 讀懂非結構化的資料(沒有固定格式或結構的資料,例如文字、圖片、音訊),是很重要的應用,也不需要花太多時間整理。

隨著 AI 2.0 的發展,AI 讓大家既想得到又用得到,但吳漢章表示,這也帶來潛在問題:「員工對企業的競爭力其實是間接的,企業的競爭力要從流程做起。」企業主或是經理人在思考 AI 對公司的商業價值時,一定要想到後面 3 個 P,因為第一個 people 是提升人的價值,還未體現在企業價值。

這也帶出了流程(process)的重要性,流程導入的門檻要求較人員使用來得更高。處理第一層人員(people)問題,通常用現成的模型就能辦到,但到第二層流程,「絕大多數會牽扯到企業是否要建立自己的模型、有沒有算力工具、有沒有對的人來做事情,不同 vendor(供應商)提供的工具難易度,也會影響進入門檻。」

舉例來說,企業可以用結構化的資料(有明確格式的資料,通常以表格呈現,如地址、姓名、電話等)進行銷售預測、客戶推薦,過去這部分可能會透過大數據做,但現在的 AI 可以做得更好、更廣。

另一方面,也可以把 AI 融入既有的研發流程,比方說,化學或製藥產業就可以用生成式 AI 預測精確的蛋白質結構。吳漢章比擬,過去「尋找配方」的工作流程,要花大量的時間用顯微鏡、電腦測量,現在從生成的序列就可以抓準。

第三層次是產品(product),企業要思考自家產品中,能夠應用 AI 的機會在哪,例如 AI PC(具備 AI 功能的電腦)、AI 手機等。吳漢章認為,會有愈來愈多人在自家商品中尋求能夠使用 AI 的面向。但相對地,要投入的研發跟嘗試成本也較高。

最後一個定位(position),指的是企業要理解在未來的 AI 發展裡,自己在市場、產業鏈、地緣政治等的的角色定位和影響為何;要如何利用 AI 技術來提升競爭力,就像近來傳出晶片設計大廠博通(Broadcom)在與 OpenAI 商議合作開發 AI 晶片,找到下一個發展賽道。

吳漢章提醒,面對生成式 AI 帶來的技術革新,企業要把競爭力放回自身營運跟產品上,「員工只管自己的工作有沒有更輕鬆,但經理人要關注的是企業價值、顧客經營,這才是企業長跑的競爭力。」

延伸閱讀:從禁用到全面採用 ChatGPT!摩根大通高管:懂得用 AI,一般員工就能「變主管」
繼續閱讀 AI
相關文章
會員專區

使用會員功能前,請先登入

  • 台灣首款對話式 AI 職場教練,一次提升領導力
  • 會員專享每日運勢、名人金句抽籤
  • 收藏文章、追蹤作者,享受個人化學習頁面
  • 定向學習!20 大關鍵字,開放自選、訂閱
  • 解鎖下載專區!10+ 會員專刊一次載
追蹤我們