AI的2025願景：邁向數據與智慧驅動的未來
人工智慧（AI）技術正在改變全球經濟與組織的運作模式，而2025年可能是其應用趨勢的關鍵轉折點。未來這一年，AI會有那些核心趨勢呢？
美國知名學者托馬斯·達文波特（Thomas H. Davenport）與藍迪·比恩（Randy Bean）最近在《麻省理工學院斯隆管理評論》撰文指出，數據科學與AI的發展已開始愈來愈融入企業文化與決策過程當中，並提出五大核心趨勢。這些趨勢涵蓋代理型AI的自主化應用、生成式AI的價值測量、數據文化的推進與非結構化數據的重要性，以及數據與AI領導角色的重新定位。
「代理型AI」：從技術概念到實際應用
代理型AI（Agentic AI）是2025年最具影響力的技術之一，其特點在於能夠自主完成任務並進行協作。這些技術的應用範圍從初期的簡單內部任務到執行更複雜的企業營運任務，已有顯著進展。例如，代理型AI可在IT領域快速處理密碼重置、在人力資源系統中完成員工排休，甚至協助企業內部的資源調度。根據調查，有68%的美國企業IT主管們有意在六個月內採用這項技術。
此外，許多專家預測，代理型AI未來將成為業務流程自動化的核心技術，結合機器學習與數據分析，達成更高層次的任務協調與資源分配，為企業創造更大價值。同時，代理型AI的進一步發展也可能促進更精細的決策支持系統，幫助企業在動態市場中保持競爭力。
他們認為，代理型AI不僅可用於提升效率，更將成為人類解決複雜問題的創新夥伴。以農業為例，AI結合機器視覺技術能幫助農民檢測農作物病蟲害，並制定精準的灌溉與施肥計劃，從而提升收成的穩定性與資源使用效率。此外，這些助理的垂直應用不僅滿足個別產業的特定需求，也會創造新的商業模式，為企業開拓更廣闊的發展空間。
生成式AI的商業價值測量與挑戰
儘管生成式AI（Generative AI）已廣泛應用在許多領域，但它實際的經濟價值仍需透過精確測量來驗證。根據2025年的《AI與數據領導執行基準調查》，58%的企業自認生成式AI應用有提高生產力，16%自認有效減輕了知識工作者在執行高重複性的工作負擔。不過，到目前為止，尚缺乏結構化方式來量化生成式AI到底為企業提高了多少效益。例如，投資銀行高盛的研究顯示，生成式AI工具將程式開發人員的生產力提升約20%，但這樣的提升是否具有普遍性仍需更多實證。此外，企業應探索生成式AI應用的更多創新場景，例如高效率的客服、自動化文件生成及數據處理，從而進一步擴大其商業影響力。同時，生成式AI的實際應用需要考量倫理與內容品質的問題，以確保其生成的內容符合使用場景的需求。
數據驅動文化的挑戰與機遇
生成式AI催生企業對「數據驅動文化」（data-driven culture）的重視，但要真正達到「數據驅動組織」（data-driven organization）還有許多挑戰需要克服。根據最新調查，37%的受訪企業認為其組織已實現數據驅動，但這與2024年的調查報告相比反而有所下降。換句話說，這可能意味著生成式AI雖然強大，但還不足以從根本上改變組織文化。
比方說，許多企業在疫情期間加速數位轉型，但其文化與變革管理的挑戰依然存在，尤其是在傳統企業中，92%的數據與AI主管認為文化因素是實現轉型的主要障礙。此外，數據驅動文化的建立需要組織從高層領導到基層員工的共同參與，特別是在數據素養與技術能力的培養方面投入更多資源。同時，如何讓數據驅動的價值觀內化於企業決策過程，也將是未來企業的關鍵挑戰。
非結構化數據變得更加重要
生成式AI的快速發展使非結構化數據（unstructured data）變得更加重要。根據調查，94%的企業數據與AI主管們認為，生成式AI促使企業重新關注數據管理。許多組織的數據以非結構化形式存在，例如文字、照片和影音。一家大型保險公司在接受調查時表示其擁有的數據有高達97%是非結構化的，這對數據處理能力構成相當程度的挑戰。到目前為止，企業大多採用嵌入技術、向量數據庫及相似性搜索演算法來處理這些數據。然而，面對非結構化數據的龐大規模，許多企業仍需投入大量時間與資金進行數據治理與標註的工作。同時，如何平衡數據隱私與應用效率也是重大挑戰。企業若能克服這些障礙，非結構化數據或將成為推動創新與競爭力的重要資產。
數據與AI領導角色的演變
隨著AI技術的進步，企業對數據與AI主管人才的需求愈加迫切。根據調查，85%的美國企業已設置「首席數據長」（CDO）一職，其中33%的企業更專門設置「首席AI長」（CAIO）。儘管如此，只有51%的數據主管認為其職責在組織中得到充分理解，這顯示職稱與職責分工仍需完善。一些企業如Capital One和Cleveland Clinic，已成功將CAIO提升至與CDO平行的角色，負責推動技術創新與策略執行。此外，隨著AI技術的普及，企業需要進一步強調這些角色的商業價值，以確保技術領導者能有效支持企業目標，並提升跨部門協作效率。同時，如何在領導角色中平衡業務價值與技術創新的需求，也將是企業在AI時代面臨的重要課題。
AI與數據驅動的未來願景
從以上相關調查資料與預測趨勢顯示，技術本身無法解決文化、測量與組織管理的問題，但它正在推動企業重新思考其營運模式與人事結構。從代理型AI的自主應用到非結構化數據的重要性提升，AI的未來充滿挑戰與機遇。唯有透過技術、文化與商業價值的融合，AI才能成為真正改變世界的核心力量。
然而，我們也必須理解，AI技術的影響不限於經濟領域，還會涉及倫理、隱私與社會公平等面向。企業與政府需要共同努力，以確保AI技術的應用符合倫理並促進社會整體利益。特別應加強對AI技術普及與應用能力的培養，讓更多人能夠參與這場AI與數據驅動的技術革命並分享其成果。