企業導入AI應用，金融與醫療兩產業為何做最快？亞馬遜AWS提觀察
即將迎來ChatGPT問世的兩週年，企業運用生成式AI，已經出現不少成功案例。有些企業開放讓員工應用AI工具，有些正在進行概念測試，有些則制定出完整生成式AI戰略。導入過程中，到底是技術、資料還是業務重要？企業要如何駕馭生成式AI？相當善用AI的亞馬遜網路服務（AWS）高層提供觀察：他們指出有4個迷思，是許多企業常犯的，卻會讓花大錢與心力導入AI的創舉，最後形同做白工。你也犯了嗎？
對於導入生成式AI，已經有不少公務機關、大型財團和中小企業，從過往的觀望轉變為採取行動，因為擔心若沒跟上競爭對手的腳步，會就此落後於人。對於尚未開始的人來說，要怎麼避免「為做而做」、「為AI而AI」的陷阱？AWS亞馬遜網路服務部門，本身就是善用AI的團隊，高層提出有四個迷思需要避免，值得台灣企業借鏡。
企業導入AI迷思一：只追求技術
「你最想解決什麼樣的問題？」接受《遠見》專訪時，AWS科技副總裁布克薇（Mai─Lan Tomsen Bukovec）拋出這個疑問，這也是面對想運用AI、卻不知該從何處著手的企業主管時，她最常向對方提的問題。
經歷過運算、儲存等雲端服務的崛起，在這兩年間，布克薇也親眼目睹生成式AI掀起的風潮，在她眼中，生成式AI和雲端技術都是基礎元件（building blocks），對公司經營來說，重點都是如何運用這些工具如何幫助自己。
在AWS負責生成式AI的副總裁菲羅明（Vasi Philomin）的看法完全相同。「不要從技術出發。像是看到每個人都在客服領域中使用，就跟著做一下。這當然是一種方法，但我認為（導入AI）應該始於真正有價值的業務問題。」
AWS生成式AI副總裁菲羅明表示，他都會告訴客戶，先從業務中有價值的問題出發尋找AI應用場景。曾子軒攝
菲羅明指出，生成式AI就像其他新技術，能夠替企業提高收入，或者降低成本。以近期備受關注的推理能力來說，可能用來提升員工的生產力，也可能用在公司的新產品之上。「你完全可以進軍以前無法進軍的領域，或者極大地提高團隊的效率，這樣你就可以用更少的資源做更多的事情。」他建議初步思考時，先從降本和增效兩個問題開始。
企業導入AI迷思二：只想追求最新模型
不過，有許多客戶將雲端服務視為降低成本的解方，相較之下，AI雖然能夠創造價值，但也意味著付出更多投資。
菲羅明也注意到企業的擔憂。「以推理能力來說，現在仍舊昂貴。」若客戶一開始鎖定的問題有足夠價值，那就有能力承擔相應的試錯成本；若把重點放在相對低價值的目標，則可以先不考慮具有推理能力的尖端模型，先用輕量或者價格已經跌落的過往版本，這樣就能承擔大規模部署的費用。
布克薇指出，以摘要文章、創作內容、分析等常見應用來說，上週（11/22）剛宣布與亞馬遜深化合作、準備在既有40億美元基礎上再接受額外40億美元投資的Anthropic，旗下模型Claude的中版本模型Sonnet和輕量版本模型Haiku就很適合派上用場，衡量成本效益，表現不俗。
當企業找到問題，也調整好心態準備花錢試驗，下一步就是開始嘗試。
Anthropic和Amazon與AWS加深合作，除後者向前者追加投資40億美元外，Anthropic還將AWS當作主要訓練合作伙伴，利用其晶片訓練並部署基礎模型。曾子軒攝
企業導入AI迷思三：覺得資料品質不重要
有企業選擇梳理既有業務與工作流程，從中辨識出生成式AI發力之處；也有企業發揮生成式AI特色，帶來不一樣的服務。無論採取何種方法，資料很重要。
「如果一年半前問我，我可能不會猜到這兩個領域採用生成式AI如此快速。」菲羅明所說的，分別是金融科技、醫療保險暨生命科學。
菲羅明表示，這幾個產業相對保守且動作較慢，現在卻「瘋狂地」採用生成式AI，箇中原因便是受到監管。台灣有金管會盯著金融業、美國有證券交易委員會（SEC），醫院和生技業在台灣則受衛福部關注，美國亦有食品藥物管理局（FDA）看著，「因為必須處理監管，他們不得不將資料整理得很好。所以他們有資料策略、有上雲，還有資料治理實務。」
呼應菲羅明說法，布克薇指出，在幫助企業探索應用潛力的AWS生成式AI創新中心計畫裡，能夠打造出新應用的企業，通常是準備好乾淨資料的公司。
不只是因為擁有乾淨資料，就能快速建構起知識庫，接著透過檢索增強生成（RAG）取用資料，關鍵在於老生常談：「你知道，好的資料就是好的AI。」
AWS生成式AI中心總監斯里分享，不只是產業應用，就連公務機關也有生成式AI的創新正在發生。圖為亞馬遜辦公室，曾子軒攝
布克薇強調，她並不是想表達企業的首要任務是清理資料，而是在透過AI驅動新業務或者改善既有業務之前，先決定有哪些資料與其有關，且有著一定價值，接著才是確認資料的實際狀態。「有時AI應用的最大挑戰不在模型上，模型已經越發進步了。」
確認問題、檢查流程與產品，整理資料後就能著手進行實驗。
菲羅明分享，報稅軟體TurboTax的開發商Intuit，便全面推進生成式AI的運用。對內，Intuit運用基礎模型輔助工程師開發軟體、幫忙設計師完善使用者體驗，對外，Intuit提供智慧助理，讓使用者得到個人化的協助並制訂出行動方案。
菲羅明舉例，在報帳流程的最後一步，TurboTax會提供摘要，說明收入、扣除額、稅率以及稅款，「他們有這些資料，因此能夠替客戶提供很棒的體驗，揭示出稅款的差異。」能夠在現有產品中提供更好體驗，便是從資料出發，接著活用生成式AI，試圖創造出差異。
企業導入AI迷思四：永遠停留在測試階段
當組織實驗生成式AI應用以後，有可能確認實驗失敗決定暫緩，也可能還要持續改進才能上線。
新應用會停留在測試階段，背後有許多理由，例如現有系統太過龐雜，難以接入新服務，也可能是組織沉痾已久，不同團隊之間難以融入。布克薇就分享，從概念驗證轉移到開發、上線的最大難點之一，在於必須將其納入服務或者產品之中。
「你可以做一個關於聊天機器人有多棒的實驗，但是，若它沒有整合到你的應用程式中，那麼它將永遠無法停止成為概念測試。」
以降本增效為出發點的嘗試，有時候會發現新技術已經初見成效，有時則發現你並不需要它。最怕的就是沒有繼續向前，始終停留在測試階段。
菲羅明認為，生成式AI炒作高峰已過，企業已經開始發現哪裡適合應用、哪裡不適合。曾子軒攝
就菲羅明觀察，客戶在實驗中已能掌握在當前情況下，哪裡是使用生成式AI的正確位置。就顧能（Gartner）提出的技術成熟度曲線來說，他認為我們已經走過膨脹期或者泡沫期了。
「它已經不再是純粹的炒作，存在真實的應用案例。」雖然預期人們在試圖大規模部署新應用時，發現生成式AI並非萬靈丹，仍會感到失望，但再往後，菲羅明表達樂觀，隨後就會進入穩定狀態，最終取得成功。
從檢視業務、發掘問題，到最後的嘗試與部署，有ㄧ段不小的路要走，但關鍵在於不再抗拒，勇於挑戰未知。
隨著版本迭代，基礎模型成本下降的速度驚人，這讓兩人一致同意，企業不該停止測試的腳步。「現在就做你的實驗，看看帶來哪些好處，⋯⋯它可能比你想像的要低很多，」這是布克薇從經驗中淬鍊出的提醒。
延伸閱讀：