IBM全球機器學習研發中心總經理朱輝建議台灣企業,要更前瞻性的思考AI會對現有業務流程、企業架構帶來什麼改變,再去規劃執行。

圖片來源: 

攝影/洪政偉

「許多企業已經開始將數據視為一種資源,並試圖從中發展新的業務。」IBM中國認知運算與數據分析研發中心總經理朱輝表示,在中國,數據越密集的行業投入越大,例如金融業,試圖讓數據成為未來的營收來源。甚至「有些中國的銀行,熱衷於將內部的IT部門獨立出來成為公司,比如民生銀行,原來的IT主管變成科技公司的法人代表總經理。」

率領400名研發團隊,打造出IBM第一個私有雲機器學習平臺的朱輝觀察,下一波AI應用場景是企業內部維運流程的優化,如AIOps(Artificial Intelligence for IT Operations,智慧維運),他也舉例,中國某間商業銀行使用IBM DB2資料庫管理系統,但維運團隊無法同時監測2000個以上的數據庫,何況每個數據庫也都有幾百個DB2本身維運的KPI參數等,因此,如何通過AI模型省去人力監控的工作是一大挑戰,「要讓維運團隊把時間集中在問題的分析上,而不是問題的發現上。」

企業要讓AI落地有4大困境,必須具備好的資訊架構才能克服

然而,儘管現在AI落地應用的案例越來越多,朱輝也揭露一份調查數據指出,中國有75%的企業在兩年內將數位轉型作為集團戰略核心,但也有81%的公司還不清楚部署AI需要哪些資料,「他們不知道AI要從哪些場景開始、要先解決甚麼問題、如何創造新的價值,也沒有方法論來倒推回哪些數據跟問題相關、哪些數據是我需要的。」

因此,朱輝提出4項企業在實踐AI轉型面臨的障礙,包括不健全的資料生態系統、不完整的分析工具、缺乏整合的工作流程,與僵化的企業文化。

首先,企業的資料常常分散在各處,導致存取困難,過去歷史資料可能也沒有妥善保存;就算有了資料,零散的分析工具也可能導致管理困難;再者,企業的AI研究成果若無法融入工作流程,光有很好的模型卻無法落地應用;最大的挑戰,則是傳統的企業文化較缺乏跨部門合作,且無監督學習的AI模型,具有高度不可解釋性,也難以說服決策者採信應用。

「我們常常把實驗室AI與企業級AI混在一起,實驗室AI只要模型表現的好就成功了,但企業級AI會讓工作流程、決策方法、內部維運,甚至企業的文化和主架構都產生變化。」朱輝認為,企業要導入AI之前,首先要意識到實驗室AI與企業級AI的不同,並從更全面的角度來思考AI應用會對公司帶來的變革,否則模型產出好結果,也無法進一步產生效益。

要解決AI無法落地的困境,IBM也提出「先有好的資訊架構(Information Architecture,IA)才有AI。」的概念,指出企業要善用工具蒐集數據,並且妥善組織數據,「因為你永遠不會進去一個亂七八糟的儲物間拿東西。」再者,要有一個能讓多部門、團隊共同協同工作的分析平台,同時具備資安防護的能力;最後則是要部署可信任的AI來實際驅動業務流程。

企業數位轉型過程中常採用兩種組織架構,各自面臨不同挑戰

企業導入AI過程中,除了要運用好的IA,在人力的編制上也要有好的組織架構。朱輝表示:「我覺得現在談最佳組織架構(best practice)有點早,很多企業都還在摸索。」他也指出,常見的兩種架構,一是企業內特別獨立出數據科學家的部門或團隊,甚至出現CDO(Chief Data Officer)的編制,另一種則是原來傳統的IT部門,將其中一部分的IT人力分派去處理數據相關工作。

第一種形式常出現於走的較快、擁有的數據量更多的企業。分出AI與大數據部門的優點,是團隊中聚集了相同技能的人才,擁有更多的研發能量也容易激盪出創新想法,但在跨部門合作過程中,可能因看問題的角度不同而無法很好的合作;第二種形式較第一種更為常見,企業可能為節省預算,直接從IT部門分出數據分析的人力,這種編制的優勢在於研究人員與IT團隊易於合作,但也可能因為他們並非數據科學專業學科出身,會受到本身IT知識與經驗的限制導致轉型困難。

「兩種方式走的人都有,也各有千秋,但真正的Best Practice是把多個部門、多種知識技能放在同一個框架下,以專案(project)的方式來驅動進行。」朱輝認為,現在的企業生態往往是IT部門與業務部門互踢皮球,不願意承接數據科學團隊的專案,但未來可能會相反,因為誰搶到就擁有話語權。

以中國經驗看臺灣,企業較欠缺快速決策與行動的能力

朱輝也以中國的經驗來給台灣企業三點建議,第一是要有勇氣、決心、快速執行的能力,再者,是從比較容易成功的應用開始導入,第三,則是要用前瞻性的思維來做整體的規劃。

「中國有他的特點,就是做事快、決策快、拍了版就定案。」朱輝舉例,中國最近一年意識到數據科學人才的儲備不足,因此教育部今年3月就宣布35所大學獲得建設AI專業學科的資格,這也表示未來每年將出現很大的人才庫。雖然他也坦言,這其中也與政治社會因素相關,但在推動AI落地,還是要有勇氣、決心、與快速執行的能力。

第二,AI要從小的、容易成功的專案開始執行,並由管理階層來帶領,較容易建立起信心,才會有下一個專案;第三是要用前瞻性的思維來做整體的規劃,AI的落地是從點的方式進行,但決策者要有更全面的規劃與想像,「去思考我們現有的社會、做事情的方法,會發生甚麼改變?」朱輝表示,銀行將IT部門獨立成科技公司,整個企業組織架構發生改變,正是因為銀行看見大數據的價值,要藉由數據分析的結果來創造營收,這就是具有前瞻性思維的例子。

朱輝也認為, 就AI技術的發展與應用來說,目前還在弱AI的階段,無論是從企業業務的改變、服務客戶的方式與質量、以及真正帶給客戶的價值來看,已經看見許多可能,但還沒發生;即便如此,現今AI分析運算的軟硬體成本與技術門檻都下降,各產業的投入也越來越高,也代表AI發展的趨勢已不可逆,只能更積極的導入與執行。

熱門新聞

Advertisement