人工智慧（Artificial intelligence； AI）是未來經濟成長的主軸動力，不只能改變人們生活型態，更能提高企業營運效率、增加營收與獲利，像 Amazon、GE 就是相當成功的 AI 應用案例。
Amazon 在購入 Kiva 物流管理機器人後，大規模地在倉儲物流中心部署機器人，並結合 AI 技術讓 Kiva 執行更多以前必須要用人力才能完成的工作；GE 原先的業務是製造與販售飛機引擎，應用 AI 偵測引擎何時需要維修，讓工程師提早在故障前進行維修，成功地由製造商轉型成預測性維護（Predictive Maintenance）服務供應商。
AI 應用現況調查：電信與金融業最積極、機器學習與自然語言處理最成熟
從 Amazon 與 GE 的案例可以看出，使用 AI 作為數位轉型工具的公司，極有可能成為提昇產業價值的領航者，換句話說，企業如果想要成為產業先驅，最好儘快開始導入 AI 應用，只是這個道理說來容易做來難，雖然 AI 不是什麼新科技，早在 1956 年便已經被確立是一門學科，但要說到蓬勃發展卻是最近這幾年才開始，如何將 AI 結合企業運作提高生產力，其實很多企業都還在嘗試與努力。
根據麥肯錫全球研究所發佈的 AI 應用現況調查，報告中指出，AI 市場的總投資額正快速成長，從 2013 年的 260 億美元到 2016 年的 390 億美元，短短 4 年就成長了 1.5倍，但是，儘管有這樣的投資熱潮，AI 的企業應用卻仍處於起步階段，只有 20% 受訪者表示已經大規模或在核心業務流程內導入 AI 技術，41% 仍處於實驗或測試階段。另外，在已經大規模或在核心業務流程內導入 AI 技術的受訪者中，30% 表示已經展現導入成效，透過 AI 技術提高了市場占有率及帶動營收成長。
若從 AI 五大技術應用領域來看：機器人與無人車、電腦視覺、自然語言處理、虛擬代理人及機器學習，機器學習、自然語言處理是目前發展最成熟的AI技術，預計未來將成為企業 AI 應用的核心技術。若換個角度從產業別來看，電信與金融服務業態度最積極，未來 1 年內將增加 15% 的 AI 技術投資，而跨產業 AI 技資額為 8%，也就是說，電信與金融服務業超過平均值 7 個百分點。
從數位化到智慧化 AI 是企業提高生產力的最佳工具
對企業來說，導入 AI 進行數位轉型，最大意義在於從資訊化走向自動化、智慧化，而自動化、智慧化不只可以取代人工，還能帶來很多顯著的效益，例如：強化生產力、提高交易吞吐量、改善預測模型、提高預測結果準確性、決策品質最佳化···等，甚至還能創造新的商業模式，本文一開始提到的 GE 就是最好例子。
麥肯錫認為，在目前各種 AI 技術應用中，機器學習最有機會做到跨產業應用，包括醫院急診部、飛機維修作業、石油和天然氣業務、雜貨零售通路、抵押貸款業務···等，都能透過機器學習降低營運成本並提高效率，麥肯錫專家預估，醫院急診部在轉型智慧化後，可以降低 10~15% 營運成本，飛機維修作業則可減少 25% 成本，成效最驚人的就是抵押貸款業務，可以提高 90% 撥款效率。
事實上，AI 應用不只有助於企業提高生產力，對整體社會經濟也有很大的幫助，包括合成生物學、癌症研究、氣候科學和材料科學等方面的研究，都可以看到 AI 應用的身影，舉例來說，美國麥馬士達與范德堡大學（McMaster and Vanderbilt University）的研究者便攜手合作，運用 AI 分析出治療憂鬱症和乳腺癌最有效的方法。
給企業主的 5 大建議
由此來看，AI 顯然是企業數位轉型過程中，最適合用來增加價值、提高生產力的工具，而企業領導者該怎麼做，才能跟上這波由 AI 引領的數位轉型浪潮？對此，麥肯錫提出以下五大建議：
第一、測試、實驗、學習和快速擴大規模：領導者需要累積的是實務知識，而不是書本上的常識。因此要積極將資源投入小規模的應用測試中，當 AI 能夠解決企業實際所面臨的問題後，再快速擴大應用場域。
第二、重新建構商業模式與業務流程：領導者必須思考如何在既有業務基礎上，創造出新的商業模式，並善用數據分析、人工智慧和其他數位工具，實現創新轉型目標。
第三、將數位力（digital capabilities）視做企業新的資產，並思考如何應用數位工具（包含軟體與硬體），塑造差異化競爭力或創新商業模式。
第四、持續修正 AI 投資方向，讓數位化的流程或業務，可以不斷進步。
第五、將機器視作人力資本的一環：在導入 AI 應用後，員工與機器需要緊密合作，因此現有工作流程也會隨之改變，企業必須進行教育訓練、甚至招聘新員工，才能適應改變後的工作流程。
成功導入 AI 的 7 個關鍵
最後，麥肯錫在 AI 應用現況調查中，除了訪問全球 3000 多位企業管理高層，也深入研究全球 160 個 AI 應用案例，並歸納出企業成功導入 AI 的 7 個關鍵。
第一、公司高層的支持。該調查報告顯示，已經成功導入 AI 應用的公司，其管理階層對 AI 的支持率，是沒有導入任何 AI 技術者的二倍，其實這和一般資訊系統導入是一樣的道理，無論導入哪一種新科技，管理高層的支持，絕對是成功與否的關鍵。
第二、專業分工、以採購取代自行研發。前文提及，AI 在最近幾年開始蓬勃發展，相關的技術人才其實並不多，就連 Amazon、Google 這樣的大型企業，也都是透過併購方式來強化內部的 AI 能力，因此，企業與其在內部自行研發 AI 技術，不如在市場上尋找合適的解決方案。
第三、不要只讓技術團隊負責 AI 投資，必須與業務單位或管理階層共同主導 AI 應用。畢竟 AI 這項技術必須完全融入業務流程，才能發揮價值，如果只讓技術團隊負責，很可能出現為技術而導入、AI 無法改善作業流程的窘況。
第四、根據短中長期三個階段規劃導入不同的 AI 技術。短期應選擇目前已經有成熟解決方案的技術，發揮 AI 應用的價值，中期可以嘗試已經出現但相對不成熟的技術，長期則可與學術界或第三方研究機構合作，建立新技術的應用案例，成為產業先期導入者。
第五、選擇正確的 AI 技術才能解決問題。AI 技術應用有很多不同種類，每一種所能解決的問題都不一樣，例如：提高客服接電話效率、自動辨識信用卡詐欺交易，所要使用的 AI 技術就不同，企業在導入 AI 應用時，必須先清楚自身想解決哪些問題、選擇最適合的技術，而不是盲目追求目前發展最成熟或最熱門的技術。
第六、導入 AI 前，先做好數位化基礎。企業的 AI 應用無法跳躍式成長，目前已經導入 AI 技術的企業，在導入前大多已做好數位化基礎，例如：基礎架構雲端化、累積／蒐集大量數據…等，另外，根據統計數據指出，在數位化上有較多經驗的企業，採用 AI 後的獲利率相對其他企業高出 50%。
第七、在導入 AI 過程中，企業面臨最大的挑戰是人和流程。機器與人不是互相取代的關係，而是要緊密地協同合作，因此企業管理者必須思考機器與員工如何分工、各自負責哪些任務，才能讓 AI 發揮最大效益。
AI 是未來經濟成長主軸動力，台灣近年來也積極推動 AI 技術的發展與應用，而TechOrange 長期關注人工智慧議題，期望台灣 AI 發展能在國際上不落人後，故提供即時的 AI 訊息，幫助台灣有志於 AI 應用的產學單位，能夠隨時掌握最新趨勢，促成更多 AI 應用的想像與實踐。
（本文開放合作夥伴轉載。圖片來源：flickr, CC Licensed。）
相關 AI 消息
【中美貿易戰】戰火推動 AI 站上風口，廣達董事長林百里：未來 30 年「AI 財」賺不完
【PTT 創世神當獨董】杜奕瑾入列中華電信獨董候選名單，助攻 AI 布局
COMPUTEX 2019 聚焦：新零售時代來臨，Beseye 用 AI 骨幹分析技術解析消費者輪廓
