cwlogo

切換側邊選單 天下全閱讀 切換搜尋選單
切換會員選單
贊助

2018台灣產業AI成熟度: 金融業較高、但尚有6成企業未導入AI

精華簡文

2018台灣產業AI成熟度: 金融業較高、但尚有6成企業未導入AI

圖片來源:SAS Taiwan

瀏覽數

5773

2018台灣產業AI成熟度: 金融業較高、但尚有6成企業未導入AI

整合傳播部企劃製作
  • SAS Taiwan

由SAS台灣與天下雜誌所合作的「台灣產業AI成熟度大調查」顯示,台灣發展AI(Artificial Intelligence)人工智慧的投入程度以金融保險業較為領先,但整體產業發展速度,與國際近5成的企業已將人工智慧運用在至少一種領域相比,較為緩步。產業期待AI能帶來發掘客戶、物流預測、提升良率的效益,但「缺乏人才」是業界共通的痛點。而因應期待效益,目前各欲引進技術包含「最佳化與需求預測」、「電腦視覺/影像辨識」、「即時決策平台」等。 回應AI進程,SAS建議企業主勿追求一步到位,應該扎穩「分析技術」基本功,聚焦階段性產出,取得被高層認可的初步價值,才得以逐步養成「Mindset」並讓資源精準投入。  

台灣有半數企業尚未成立AI團隊

「台灣產業AI成熟度大調查」(註1)於2018年第三季針對台灣超過千家企業,從是否投入AI計畫、AI團隊規模、導入AI的預期效益、AI分析的領域、導入AI所面對的挑戰等面向,調查其現狀。主要的受訪產業為金融保險業、零售流通服務業及製造業等三大產業。

整體而言,已經導入或啟動人工智慧(AI)分析專案的業者大約4成,另有近6成比例尚未導入。如果以產業別來看,金融保險業較零售流通服務業及製造業來得快速一些。

根據該項調查,有54%的金融保險業已經成立AI分析專案團隊,有2成的受訪者企業,其AI團隊成員超過80人;但也有46%的金融保險業,迄今尚未成立AI分析專案團隊。而零售流通業則是有66%比例的受訪企業「尚未成立AI分析專案團隊」,有54%的受訪者表示,對於相關人才投資計畫「仍在觀望」。而製造業未成立AI分析專業團隊的比例也高達57%,處於觀望態度的也達46%。

相比於今年7月份SAS委託《Forbes Insight》(富比士洞見)針對全球305 位企業領袖,含超過半數的資訊長、技術長及分析長進行訪查(註2)。發現僅有13%比例的企業「尚未導入」人工智慧(AI),有近5成的企業已經將人工智慧運用在多種或單一領域,有3成左右擁有實驗性計畫。目前國內對AI的投入發展較為緩步。

企業期待AI能帶來的效益:發掘客戶、物流預測、提升良率

而細究國內企業對AI助益的期待,調查顯示,65%的金融保險業者希望「可以透過AI發掘潛在客戶,拓展客戶基礎」。57%的金融保險產業受訪者表示,希望透過AI,發現更複雜的客戶行為,「開發新的商業模式」,以及「創新商品與服務,取得市場差異」。

零售流通服務業者所關心的議題則擴及物流,除了主要想「提升客戶互動與增進關係」(77%),次之則希望AI可以協助「最佳化物流、庫存的預測與資源的調配」(58%),當然也期望有「更精準的個人化商品推薦」(57%)。

至於製造業因為製程複雜的關係,多半希望借助人工智慧和分析技術來「提升產品良率」(60%),逾5成的比例希望可以「透過串流資料,即時控管製程」及「降低錯誤警訊發生頻率」。

呼應上述期待,總體而言,三大產業皆表示正朝向引進包含「最佳化與需求預測」、「電腦視覺/影像辨識」、「即時決策平台」及「進階推薦演算法及模型」等技術。

缺乏人才是業界所遇到的共同困難

然而對於AI成熟度的追趕,企業也幾乎指向一大痛點:「缺乏人才」。不論是金融業、零售流通服務業或是製造業,超過6成的企業均表示「AI分析團隊缺少所需的人才」。

其他被提出的挑戰還包括「資料庫或系統尚未整合完備」、「缺乏適當或整合的AI分析平台」,以及「企業尚未有成熟的分析文化」。(下圖:以金融業為例)

SAS台灣業務支援部副總經理陳新銓觀察,對於AI或分析人才的短缺,目前台灣各界皆已開始重視,官方或民間機構不乏課程的提供,或是有各類低進入門檻的演算法工具,因此找到或培養符合產業領域知識的資料科學家或AI人才,雖需費時,但已指日可待。但企業其實需要同步發展導入AI所需的基礎建設,才得以接軌發展,這也呼應為何「整合的AI分析平台」被產業視為挑戰之一。

「擁有一個能『提供統一管理的基礎架構、整合開源軟體分析能力的AI自動化平台』是AI能被企業廣泛運用的最後一哩路,」陳新銓補充,「當你擁有一個AI自動化平台,讓資料科學家、營運企劃人員、決策者可以協同合作,快速執行資料整理、分析及模型開發、模型上線營運的完整作業,才能充分發揮AI多樣性、複雜性的效能,人才與平台建設缺一不可。」

AI成熟度最終體現? 企業做到產品及服務創新

究竟企業做到哪個程度算是成熟的AI應用?陳新銓指出:「AI成熟度大致可界定為三階段,台灣企業目前發展目標大多屬於『改善內部作業效率』的第一階段,領先一點的,則朝向『改造流程與服務』(第二階段),協助企業優化決策,但目前我們看到國外應用最成熟的,是能利用AI『創新產品及服務模式』(第三階段)。」

他以日本多功能事務機Konica Minolta為例,提及其當初找上SAS討論導入AI應用一事,即顛覆思維地提出要打造「事務機聯網」,將企業價值主張重新定義在維修服務上。因其觀察到事務機給商業用戶帶來的最大痛點,即在於遭遇非預期損壞的停機困擾,如加以備機調貨或維修不及,客戶滿意度驟降程度可畏。因此Konica Minolta與SAS攜手將事務機安裝上多個感測器,建立超過60個進階模型,用來預測客戶何時需要維修與零件替換。已在今年做到在客戶報修之前,就可以事先預警,讓Konica Minolta提早備料及安排檢修人員,成功提升客戶滿意度與黏著度。

另一國際知名輪胎製造公司,也利用AI邊緣運算即時串流分析技術,重新為自己創建了新的營運模式。他們將工具機的輪胎加裝感測器,改以租賃形式營利,除了同樣利用即時分析達到損壞預警外,同時也藉此了解輪胎運作模式了解客戶使用行為,後續開展不同的保固服務收費方案。

分析基本功打穩,再以小型專案開始發展AI

SAS全球調查顯示,表示已「獲得實質成效」的AI採用者中,77%認為「分析技術」在其中扮演「重大」角色。AI經驗愈多,愈了解分析對AI的重要性。陳新鍂表示,從前台灣企業並不重視分析,通常都是用經驗法則,幾年前開始大數據潮流風行,企業才開始重視分析能力,慢慢導入相關系統與人才。

對於想要導入AI的台灣企業,陳新鍂建議,要先從基本功夫做起,先具備「基本分析」能力,統計報表、視覺化儀表板監控等,再導入「進階分析」,如資料採礦、預測與關聯性分析等,若這些馬步都還沒蹲穩,那麼談論人工智慧與機器學習技術就太遠了。且有意想要導入AI的企業,陳新鍂也建議,剛開始不妨選擇一個主題和場景,並考慮其可執行性,先從一個專案開始,不要將時程拉得太長、太久,才得以適時介入評估資料品質與正確性,建立完善的分析基礎。有了成功經驗之後,再接著做第二個或第三個應用主題。「聚焦階段性產出,取得被高層認可的初步價值,後續才能加速部署的速度及業務解釋的透明度,使決策者與執行團隊有共同的Mindset,讓AI的價值得以被信任,」陳新銓總結。

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。
調查說明:本次調查時間自2018年10月5日起至11月5日為止,共取得1,051份有效樣本數,含金融保險、製造、零售流通業中高階主管424筆。
調查執行:《天下雜誌》天下實驗室
註2: 「人工智慧的動能、成熟度和成功模式」這項調查由 SAS、Accenture Applied Intelligence 及 Intel 委託,由 Forbes Insight 於 2018 年 7 月進行。為一項針對 305 位企業領袖的全球調查,其中有超過半數是資訊長、技術長及分析長。

關鍵字:

好友人數

文章下載

PDF下載 付費閱讀
 

【現在訂省最多】新春閱讀季,年度最優惠