【2019台灣企業AI領先度調查 (一)】 先進者多整合外部資源，超過8成表示AI專案符合預期

三大產業與團隊組織型態概觀。

究竟企業在導入AI方案時，到底要內建團隊自行打造、與外部共創或是委外開發？全球數據分析領導者SAS，其台灣業務顧問部副總經理陳新銓指出「需視企業核心競爭力而定，才能規劃內部組織與技術定調的策略。」他進一步解釋，有些企業的核心競爭力牽涉客戶隱私或是核心流程或製程資料，因此寧願選擇自行開發，但若評估客製化成本過高時，即會傾向將成熟技術外包。

中國信託商業銀行作業暨資訊處副總陳晞涵也回應，在發展AI過程中，中國信託比較是外部共創的方式，比如打造一個文件辨識平台，在機器視覺判讀文件這段流程，因牽涉到很多銀行領域專屬的情境，加上要靠內部隱私數據訓練模型，因此這部份會選擇自行開發或找外部單位打造客製化分析工具。而平台內會引用的Chatbot、人臉辨識等技術，則可以考慮導入成熟商用產品。

一名製造業高階主管也表示製造業製程複雜，許多數據分散各部門，工廠參數也高度敏感，因此必定有要自行打造的部份，但實際上他們偏好不要跑在AI前端，期望導入成熟的技術，因為產業特性最講究「投資報酬率」。

企業發展AI最關注：共識、人才、基礎架構、協同合作

「企業AI領先度大調查」進一步分析加速企業AI發展的組織面、資源面、資料面和技術面因素。首先從組織面來看，先進者、跟隨者和觀望者都認為「組織內部達成發展AI的共識」最重要，其中先進者認為次之重要的還有「團隊領導者有足夠的經驗帶領團隊」，顯見大家目前都對企業領導者在AI策略制定與自身經驗有所期待。

企業AI領先度分群與加速企業AI發展的組織面因素。

其次為資源面因素，調查中顯示，不管哪個族群都認為「人才」是發展AI的關鍵，其次才是「年度預算」。

然而，AI人才難尋卻是企業普遍的困擾，有金融業者即指出，許多優秀資料科學家不會首選金融業，因為不少銀行業資料科學家隸屬於業務單位成支援性角色，少了可主導創新的誘因。因此企業得創造留才、適才的制度，才能吸引創新人才加入團隊。

企業AI領先度分群與加速企業AI發展的資源面因素。

第三則從資料面來看，調查指出「發展AI的基礎架構齊全（如：資料庫）」在所有族群皆排序第一，其次為「蒐集的資料量充足」。

研揚科技系統平台產品處協理薛紹周指出，「發展AI，企業最大的痛點就是Data，包含Data的蒐集、分析、清理….等。」初期企業得花費時間定義要解決的問題，進而才得知要蒐集與建構的基礎架構。一名製造業高階主管也補充，從需求端到供應商整段營運流程，都會是你要貫穿基礎架構的範疇，如能完備甚至做到「one system」將可加速發展。

企業AI領先度分群與加速企業AI發展的資料面因素。

第四為技術面，調查顯示，所有分群都認為「使多元分析人才能協同合作 (如:Python、R、BI分析、深度學習等)」最重要。對先進者而言，其次希望能打造單一AI平台，集結所有AI工具，達成AI端到端的情境；對追隨者與觀望者則希望可以「降低撰寫AI程式的困難程度 (如:程式過於複雜、難以維護、難以協同合作)」。

企業AI領先度分群與加速企業AI發展的技術面因素。

各大產業AI採用方向

而各大產業目前已採用或正在驗證階段的AI解決方案，也呼應了獲利模式。調查指出金融業與零售/流通/服務，已有採用「虛擬助理」、「自然語言處理」方案，而「機器學習模型」、「進階推薦演算法/ 模型」也在驗證中。其投入AI或分析方向會以改善「對外」增加服務效率體驗與推薦系統為主。

製造業則已採用「電腦視覺」、「機器學習模型」，正在驗證「最佳化與預測」技術與「即時決策平台」。著重考量於「對內」輔助決策與管理，以降低營運成本為最終目的。

三大產業與採用之AI解決方案。

三大產業皆認為，「明定AI發展目標」最重要，其次為「AI團隊組織是否到位」。金融業相較其他產業更強調「是否有發展AI的資料與工具」；製造業相較其他產業，更強調「AI團隊組織是否到位」；零售業相較其他產業，較看重資源面「發展AI的預算與人力」。

三大產業與影響AI發展的各層面因素。

啟動AI的關鍵:小步快跑、自動化AI作業流程

至於企業到底如何邁向導入AI的第一步，中國信託商業銀行資訊處副總陳晞涵建議:「導入AI得要小步快跑！」將AI應用在使用者的場景中，找到一個小領域做出流程精實化，進行降低成本或提高營收的實驗，邊做邊學，看到成效再逐步擴大，將AI導入流程中創造效益。

SAS台灣業務顧問部副總經理陳新銓則提出另一層次觀點，「可先分析內部作業流程，找出AI運作自動化的著力點，加速」陳新銓指出，AI是人工智慧，也可詮釋成Automated In-telligence自動化的智慧。當把整個AI、分析的作業流程也自動化，才可以加速執行分析及上線運用，迅速掌握市場反應，持續優化分析模型，創造最大的AI投入報酬率。

總體而言，「企業AI領先度大調查」揭露台灣企業導入AI的現況，綜觀發展AI較成熟的先進者企業，不僅有相對獨立團隊作專業分工，也懂得混合運用外部合作夥伴共創AI發展及採用技術成熟的解決方案。

先進者經歷定義核心競爭力、定義關鍵問題、達成發展AI的共識、打造AI團隊、發展AI的基礎架構、蒐集所需資料、建立AI模型等過程，從試錯中摸索學習。由於橫跨多平台的AI工具漸增，更希望能打造單一AI平台，集結所有AI工具，才能打造AI端到端的環境。

然而對台灣企業而言，AI落地的關鍵痛點在於制定AI績效的衡量標準，企業負責人、AI執行者能否達成一致共識判定AI投資的成果？企業內不同職等的人又將如何看待AI的發展？更多資訊將於【 2019台灣企業AI領先度調查 (二)】揭露。

---

調查說明：本次調查時間自2019年6月13日起至7月19日為止，共取得1,200+份有效樣本數。
註1：本調查所指人工智慧(AI)是企業擁有「能反覆學習或自動化的系統，其可協助或部分取代高重複性及高運算需求的人類工作，甚至做到資料驅動的自動化決策」，涵蓋有分析技術包含機器學習、自然語言處理、最佳化與時間預測、電腦視覺…等。
註2：本調查針對「AI領先度」設定三個維度作為分群依據：踏上AI分析旅程的時間長短、分析組織人數、目前已採用AI專案數量。針對問卷回覆結果，賦予各選項權重分數後，執行k-means分群演算法，最後得出「企業AI領先度四大分群」，定義如下：
1.先進者：開始AI分析3~10年，分析組織50~100人，5~10個AI專案。
2.追隨者：開始AI分析1~5年，分析組織10~20人左右，1~2個AI專案。
3.觀望者：開始AI分析1~5年，分析組織10人左右，委外的比例最高， 0個AI專案。
4.未啟動者：無AI或分析相關組織，也未採用任何AI解決方案

調查執行：《天下雜誌》天下實驗室

【延伸閱讀】

【2019台灣企業 AI 領先度調查 (二)】 企業導入AI績效指標首重「營運效率」，決策與執行層級對成功定義大不同