隨著人工智慧技術的快速發展，大型語言模型（LLM）已被廣泛應用於各個領域，越來越多人開始仰賴使用 AI 工具來輔助工作任務，證實生成式 AI 確實對於提升工作產能與效率有著顯著的成果。
根據麥肯錫全球研究院（McKinsey Global Institute）2023 年的報告，生成式 AI 技術可使企業員工工作效率提升 20-30%；此外，同時能協助企業快速探索新思路、新方案，從而促進創新，例如，以大數據分析為根據，生成式AI可用於發想新產品與服務的開發，甚至是創建全新商模的商業解析建議。普華永道（PwC）的研究報告指出，到 2030 年，AI 將使全球 GDP 增加 15.7 兆美元。在全球快速競爭的賽道，AI 技術的應用儼然已成為各家企業提升競爭力與創新力不可忽視的發展趨勢。
售前業務、售後客服，虛擬 AI 員工正逐步進駐企業
將以市面上的大語言模型不具備企業專屬知識，本文將以雲動力資訊以 LLM 為核心的智能對話機器人（chatbot）「Argon 企業 AI 夥伴」來說明，結合生成式 AI 技術和 RAG 架構（Retrieval Augmented Generation)，透過建構企業專屬的知識庫來輔助 AI 檢索，大幅的強化了 AI 回應的實用與精準性，並簡化開發程序，實現自動化的工作流程。
用戶可透過與生成式 AI 的對話互動，從單純的問題詢問一路到需求執行完成，低導入門檻和快速啟用特性，為企業帶來全新的工作模式和用戶體驗。使其在推出的短時間即達成亞太區突破 7 萬用戶數的成績，在在驗證著企業對生成式AI產品的強烈需求和各種應用創意。
AI 賦能，不被特定大語言模型綁定，高效整合企業專屬知識領域
智能客服 Chatbot 對大多企業來說應該不陌生，但過往舊式 Chatbot 因沒有整合 AI，經常無法確切理解使用者的語意，也無法從互動中的上下文去進一步理解使用者意圖，最後只能以選單式的樣貌來提供服務，讓使用者明顯感受是在與機器或罐頭文對話的不佳體驗。
而 Argon 則是利用 AI 模型本身具有的優勢，除了擁有前後文推理、情緒感知、支援多語言等能力，使 AI 能夠更準確地理解使用者意圖，提供更精準的回應；而透過檢索企業知識庫，以 RAG 架構，快速學習，打造出專屬的知識領域，使 AI 能夠針對企業的特定需求與實際營運來提供服務，大幅減少生成式 AI 最容易被詬病的幻覺回答（Hallucination）問題。
隨著 AI 技術與硬體算力發展的速度，市場上的大型語言模型也以飛快的速度在競賽，短短數月內各家主流 LLM 不斷推出更進化的模型，每個語言模型都各有其優缺點，適合的領域及成本也不盡相同，因此 Argon 採取讓用戶自由選擇 LLM 的設計，可隨時自由切換 Google Gemini Pro 1.0/1.5、OpenAI ChatGPT-3.5/4/4o、Claude 3 以及 Baidu 等多種 LLM，更能對接企業私有落地模型，而非綁定在特定的模型上，讓機器人可以隨著 AI 模型的技術精進持續進化。
零編碼設定，大幅簡化開發門檻，插件、API 串接實現自動化工作流程
傳統的 Chatbot 開發與訓練往往需要具備程式設計能力，這對於許多企業來說是一道難以跨越的門，Argon 採用零編碼設定，使用者只需透過拖曳、點選等簡單操作即可完成 AI 機器人的啟用與設定，大幅降低了開發機器人的難度，讓更多企業能夠輕鬆導入 AI。
同時，還可透過功能插件（Plugins）和 API 的串接，為 AI 機器人加入更多執行性的功能，讓機器人不僅只是回應使用者的問題，更能直接將需求完成執行，達成自動化的工作流程。譬如常被詢問的光學字元辨識（Optical Character Recognition，OCR）、語音轉文字、DALL-E 繪圖、網頁爬蟲等服務皆有對應的外掛程式來串接，大幅降低企業自行開發的時間和成本風險；也能透過 API 串接，連結至企業系統來執行工作流程，例如，員工可透過 Argon 查詢個人報帳簽核狀況，並自動發送提醒郵件給相關人員進行核決；Argon 也支援真人核決功能，可在適當的階段介入，確保 AI 執行任務時的合規性、安全性與可靠性。
自 ChatGPT 問世的短短一年多內，AI 技術和各式各樣的商業應用，正以驚人的速度在競賽並實際落地在全球企業，如何能在企業零基礎的狀況下，將合適的AI應用快速地導入到企業專屬領域並與營運實際結合，相信會是企業要思考如何在未來的市場運作中，取得最大效益和競爭力的重要關鍵。
延伸閱讀
AI 驅動未來商務：2024 AI TAIWAN 未來商務展，六大亮點搶先看
2024 年十大行銷科技趨勢：更注重需求產生、積極擁抱「影片優先」心態
AI 就職中！虛擬助理進入職場，成為你的上班好同事