Google Cloud 台灣技術副總林書平(Harry Lin)

若把人工智慧(AI)與機器學習(machine learning)比喻為推進企業營收成長的火箭,那麼數據(data)就是它的燃料。——Google Cloud 台灣技術副總林書平(Harry Lin)

COVID-19 疫情加速了全球企業數位轉型的進程,無論是小型、中型、大型企業,都更加依賴蒐集龐大數據。對外,企業主希望依此獲得商業洞察、增加市場競爭力;對內,則是希望優化工作流程、產品品質等,降低成本。

根據 Gartner 的預測,高達 85% 企業會在 2025 年前變成雲端優先(Cloud first)公司,企業能否在快速變遷的時代存活並致勝,與雲端戰略密早已不可分。

「企業如果沒有大數據(big data)很難做到 AI 或機器學習。隨著過去十幾年雲端技術、資訊科技的演進,現在企業已經能藉助各式雲端工具與服務蒐集、處理非常龐大的數據(data),協助企業以 AI 面對更快速多變的市場。」林書平指出。

雲端技術的演進,不但改變了企業的思維,更翻轉了市場的面貌。

林書平指出,雲端的規模擴展彈性,讓企業得以處理的資料規模達到數千 PB(Petabyte),因此更需要好的雲端架構(framework),「過去企業可能會因為考量到成本、效能,放棄某些資料的蒐集與處理,隨著雲端技術的演進,現在企業什麼資料都可以蒐集了,且放眼過去,到處都是不同且有用的數據。

林書平以疫情期間爆發成長的電商如何蒐集數據為例,「例如消費者打開一個網站,點了哪個連結、做了什麼移動、最後購買了什麼商品?透過這些蒐集到雲端的數據,便能了解他的嗜好興趣等,特別是電商非常需要對客群做『分類』,才知道怎麼精準行銷,AI、機器學習就可以輕易做到這件事情,協助電商做商務判斷與決策。」

AI 仍是大企業的遊戲?

林書平指出,過去企業如果需要做 ML 訓練,往往需要耗費很多資源,但雲端可以提供更多的彈性與可能。

他以簡單的數學解釋,假設訓練一個 ML 模型,用一個 GPU 要花 100 小時,在雲端提供資源彈性與擴展性下,企業便可以選擇開 4 個 GPU 機器,100 小時的訓練只需要花 25 小時就做完了,且成本相同,都是 100 小時的價格,這是因為雲端就是 pay as you go 的付費機制,因此能在不增加成本的狀況下,增加效能的優勢,更不會造成設備資源的浪費。

因此,雲端對於企業在提升敏捷性上也有非常大的好處,以往買機器、設備都需要等上數周,如果企業只是想要測試一個 idea,就可以很快在雲端對 AI 模型展開訓練。

不過若從《TechOrange》的 2022 雲端 AI 應用大調查可以發現,「企業 AI 績優生」往往是人數 500、1000 人以上的大型企業,AI 是否真的只是大企業的遊戲?

林書平認為,過去的確市場上有這樣的跡象,但現在這種說法卻不一定成立。

AI 是顯學但非萬靈藥,找到「對的命題」更重要

之所以會有這樣的跡象,林書平解釋道,「這是因為 AI、機器學習需要仰賴大量數據資料,通常是大企業才會擁有這種規模的資料量,也較有意願跟想法與機制導入 AI 工具。」

但並不是只有大型企業才會去做 AI 訓練,這也是雲端的規模彈性帶給小型企業的好處,即企業已不再需要龐大的成本才能做 AI 訓練,「現在處處都是不同且有用的資料。」

他舉例,台灣中型紡織企業—和明紡織就在 2018 年與 Google Cloud 合作,以 AI 來辨識布料顏色與材質,不但解決了傳統紡織業面臨的高人力與時間成本等挑戰,最後還成功開創創新服務與商業模式。

另一個案例則是遊戲公司 X-LEGEND,該公司希望能解決遊戲聊天室的廣告騷擾、詐騙等問題,因此決定蒐集大量的文字數據,並藉由 AI 自然語言的分析,偵測可能的犯罪行為,同時提升玩家的遊戲體驗。

《TechOrange》 2022 雲端 AI 應用大調查亦顯示,有三成左右企業受訪者指出,「產業間有意識到 AI 的重要性,但找不到對的命題」、另外三成的受訪者則指出,「已有同業開始導入 AI,但僅限少數領先企業」。

可以見得,AI 在現代已不只是大企業的遊戲,關鍵在於企業必須要找到「對的命題」。

「其實我們最怕客戶不知道導入 AI 之後要達到什麼目標,直接把 AI 當成萬靈丹!」林書平笑說。上述和明紡織、X-LEGEND 等都不是超大型企業,卻能讓 AI 發揮真正的效益,解決問題之外更能創造新的商業價值。

疫情間接帶動企業對 AI 需求,Google Cloud:各產業需求動能都很強!

疫情下全球各產業都在尋求數位轉型,無非希望達成兩大目標:固本以及創造新營收。

固本是指優化企業既有作業流程以降低成本,後者則是希冀透過數位轉型找到新的商業模式、創造新營收。

「疫情下的數位轉型浪潮間接帶動了企業對 AI 的需求,且各產業都在爆發,包括電商零售、製造業、金融業、電信產業、遊戲、媒體等,各產業的龍頭企業都有找上 Google Cloud 尋求導入 AI 的可能性。」林書平提出觀察。

像是製造業者便會希望透過將 AI 導入產線來優化生產流程,例如全球移動設備產業的領導廠商富智康(FIH)與 Google Cloud 合作, 便利用比人眼更快、7×24 不用休息的視覺檢測 AI 技術來提高製造過程中的產品品質與效率。

至於哪些產業在疫情後對 AI 需求最強?林書平說,事實上各大產業的需求都非常強勁,尤其電商的需求是最明顯的,「電商在疫情之下大爆發,這個產業近年來非常大量使用機器學習技術。」

舉凡電商網站的產品推薦(你可能也想買…、買了該產品的人也看了這些…)、產品搜尋結果的客製化排行等等,背後都是 AI 與機器學習的影子。

金融產業則利用 AI 與機器學習技術來達成反洗錢、防詐等目的,更能結合 Google Cloud 的系列產品與 AI 工具達到金融產品廣告的精準行銷。

Google Cloud AI 平台 Vertex AI 的終極目的是?

AI、機器學習開發流程往往非常冗長與繁瑣,怎麼讓 AI 模型真正部署落實,並在之後持續模型的精確性?是現代企業都相當頭疼的核心問題。

而 Google Cloud 的 Vertex AI 即是希望解決這樣的問題,從資料蒐集到發揮資料商業價值,都在 Vertex AI 這個單一平台完成,並協助每個版本的模型控管以及協助開發者在不同版本之間進行比較,讓開發者透過整合式平台,免除過去需要開發者們在各個解決方案、平台中「到處管理」的難題。

透過 Vertex AI,開發者可因此專注在資料的分析與應用程式的開發上,而不是花費時間在不同平台的資料介接、處理底層資源的問題。

林書平指出,Vertex AI 也整合了 Google Cloud 的各式資源與優勢,例如 AutoML 就是其一,該工具的目標是希望讓 AI 平民化,也就是在企業內部令 AI 更為普及。他舉例,若企業用戶需要做瑕疵檢測,只需要把圖片資料丟上 AutoML,就能自動訓練出模型並且自動判斷,「這過程甚至不用寫 code,企業就可以用非常少的工作流程訓練 AI 模型,加速企業部署 AI 的速度與可能性。」

企業想導入 AI,前中後期的注意事項有這些!

「為什麼要導入 AI 機器學習?想要達成的商業目標是什麼?」林書平強調,在開始之前企業得先為自己找到對的命題,再來才是去想導入前中後期的注意事項。

他強調,不同產業應用 AI、機器學習的方式大不同,但在前期,Google Cloud 主要會協助企業蒐集與分類資料,「許多企業雖然都有蒐集資料,卻沒有做分類與處理,或許也不知道為何自己要蒐集這些資料。」

在中期則需要特別注意各種資料的存取控制權,避免機敏資料被不當存取。這包括定義何種資料只能何時、何人存取,甚至定義出 A 團隊只能檢視資料、B 團隊則可修改資料等細節,全面顧及資料安全。

到了導入 AI 的後期,因為不只有越來越多資料會被蒐集,「存取這些資料的人員數」也越來越龐大,企業此時便該思考資料治理。這包括如何有效管理巨量資料?跨部門之間的資料授權如何管理?是企業在後期階段需要特別著重的。

立即下載《2022 雲端 AI 應用大調查分析報告》,解密企業成為高績效資優生的核心秘訣!