在剖析臺灣大型企業的GenAI進化之路(上)，歸納出了臺灣大型企業擁抱生成式AI的演化之路，區分不同階段（起步、中途、登頂）所面對四大課題，資料與安全難題、價值與應用課題、人才與文化挑戰，以及信任與風險議題，畫出一張從落地到規模化的挑戰表。在這一篇，我們進一步從這些IT主管的洞察中，彙整出可公開的136位的心聲，來呈現不同GenAI發展成熟度的企業，看到的挑戰和機會，來反應CIO導入GenAI的第一線心聲。

【觀望者的心聲】（有需求但還沒展開計畫者)

金屬製造業資安副理
1.真實性與可靠性  •生成內容的準確性與真實性仍是重大挑戰，特別是在對抗虛假資訊方面  •需要更好的機制來驗證AI生成內容的可信度，並清楚標示AI生成的內容 
2.法律與監管框架  •全球各國對AI的監管政策逐漸成形，企業需要在創新與合規之間取得平衡  •版權、隱私、責任歸屬等法律問題需要更清晰的界定和解決方案 
3.資源消耗與環境影響  •大型語言模型的訓練和運行需要大量計算資源  •如何在提升性能的同時降低能源消耗，實現更環保的AI發展 
4.道德與偏見問題  •AI系統中的偏見問題仍需要持續改進  •如何確保AI在各種文化背景下都能公平、無歧視地運作 
5.人機協作  •如何更好地將AI整合到現有工作流程中  •平衡自動化與人類判斷，確保AI補充而非完全取代人類工作

高科技製造IT資深經理
1.在運用GenAI下，如何兼具提高同仁生產力下，也能妥善保護企業機敏資料不外漏?  2.如何說服公司高層願意擁抱創新科技像是GenAI，並提供相對應資源讓IT同仁學習新技術，而非以禁止使用GenAI的資安政策，以避免公司產品等機敏資料不小心被外洩。

連鎖餐廳資訊主管
1.資料未經匿名或亂數生成後,即投入(例chatgpt)使用,有可能會造成機敏資料外洩  2.如何爭取經費自建LLM  3.LLM如何提升訓練模式及回應精準度是最大的問題,而調校也是會耗費較大的人力

建設公司襄理
AI潛在風險的防範與治理，已經是AI發展過程中，人類必須承擔的必然責任，面對AI發展應該抱持審慎態度，當大眾人以為生成式AI帶來的便利，實則須謹慎提供的資料予AI。

老牌製造業資訊協理
1. 內部資料收集與整理  2. 難以形成企業專屬知識  3. 洩密風險  4. 花費成本與效益難以評估   

大眾運輸資訊課長
生成式 AI 模型的訓練數據若存在不客觀和偏見，則產生的內容也會帶有偏見，這可能導致歧視、誤導或不公正

零售賣場資訊經理
AI應用白熱化，未來攻擊也是AI自動化，防不勝防。唯有加強員工資安觀念且落實端點防護！

機器大廠數位處長
找到對於企業商業模式發展或業務增長具有明顯效益的應用，以及如何避免企業資料及資產洩漏

營造業資訊部主管
未能具體評估其影響，對於生成式AI影響勢必掀起革命性運用。卻無法有明確的因應步驟。

資訊部副理
傳統產業在生成式AI的應用上缺乏應用場景的想像力  以致還處在茫然的處境上

工具機設備廠資訊課副理
員工安全意識不足，誤用機敏資料或由GAI產生未經過驗證無中生有的資料。

建設公司資訊經理
1. 個資隱私保障，以及防止數據洩漏和濫用  2. 技術培訓及創新應用

區域醫院資訊組組長
產業生成式AI差異性、生成式AI產業運用。

食品業資訊處協理
如何應用在產業，建立中小企業的使用模板

飯店集團科技主管
產業界的應用仍不明顯，價格過於昂貴

電子元件大廠資訊中心資深經理
導入預算的編列與資訊人員相關能力的提升

醫院資訊中心主管
資料可信度，看似真實實際錯誤

老牌SI研發協理
內容的正確性及智慧財產權

銀行資訊副總
有效用的應用場景與監理

國立大學資訊中心人員
社交工程的攻擊會更氾濫

光電產業IT
董事會等高階主管的支持

紡織業高專
機敏資料非故意的洩漏

連鎖餐飲業資訊主任
AI資料的正確性

高科技製造資IT資深經理
企業的實際落實面

高科技製造資管部經理
訓練AI模型，可能會侵犯到個人隱私權，不小心就會讓個人隱私暴露於公眾。

食品業管理經理
要加強人員上課，不斷吸收新知識

製造業資管中心經理
LLM應用程式洩漏敏感資料

金屬製造業資訊課長
資訊安全

【計畫者的心聲】（規劃中但還沒展開計畫者)

阿官國際餐飲集團資訊部總監涂榮宗
​生成式AI廣泛應用於各領域，挑戰也將隨之增加。AI生成內容真假難辨，若無小心求證容易誤導，造成潛在風險。

南僑投資控股資訊處資深經理謝永輝
很難落地

尚立公司資訊處協理許峰維
​內容真實性(正經八百的胡說八道)與虛假信息(可創建非常逼真的文本進行造假)

中國文化大學資訊長王舒民
如何減少導入生成式AI應用的成本，無論是在地端算力的建置或是使用雲服務的算力與流量所沿生的費用。另外，如何讓生成式AI可以搭配自動化工具來大幅減少組織在人力上的短缺與行政效率的提昇，是大家在AI風潮逐漸停歇後，要回到根本思考資訊創新應用的成本效益，重新平衡價格、價值以及企業永續經營間的關係。

高科技製造業資訊部經理
展望 2025 年，生成式 AI 的技術能力將越加成熟，但正因為其應用範圍廣、影響層面深，如何在 「法規與道德」、「資訊可信度」、「資安與隱私」 等多重挑戰中取得平衡，成為技術提供者與社會各界最關注的課題。唯有透過 跨領域合作、道德自律與強化法規合規，輔以更先進的 技術研發與資源管理，才能兼顧生成式 AI 的創新價值與潛在風險，讓這項技術真正成為社會福祉的助力，而非威脅。

高科技業資訊處長
目前所面臨的問題,是尚屬了解及摸索AI階段,還未能清楚了解如何建立模型,建立何種模型,及訓練模型,以整合內部系統,以期達到企業實務運用AI之成效,尚需加深力度培養AI人才,或尋求有AI相關經驗之廠商協助規劃及導入,以加速AI運用之開展.

老字號工廠專案經理
資訊幻覺,資料的不正確性的判斷  DeepFake的氾濫  AI所有權的爭議  AI監管問題

電子支付業IT主管
身處金融機構的框架下，如何負責任的採用GAI，並兼顧提升工作品質，是現階段要克服的最大挑戰。

私立大學資訊中心主任
1. 資料來源涉及的學術倫理爭議  2. AI服務訂閱費用過高，學術單位無法負荷

壽險業資深IT協理
金融業最大挑戰仍為GAI資安及資料正確性，合規成本亦高，所以導入進度受限。

銀行資安協理
1. 內部機敏資料作為模型訓練時遭洩漏  2. 多元專業領域，驗證困難

精密製造業CISO
1. 如何辨識資料的真實性？  2. 如何防範針對prompt的攻擊？

光電業資訊長
挑戰是資料池 “量” 的增加、偽真，以及因 AI 生成便利後同仁的怠惰

電源供應大廠IT主管
如何加速企業員工學習AI，並有效利用學習成果加速企業發展。

老牌SI公司副總
駭客網路犯罪者使用GAI提升其生成駭客手法與工具

高科技夜MIS經理
外部真偽的身份識別，資安攻擊的頻率上升

50年傳產資訊主管
資料外洩、驗證生成結果、使用成本

老字號銀行資訊協理
驗證答案的真實性必須100%

電子支付業資安長
證明對業務改善的持續有效性

高科技資訊部經理
不當使用公司祕密資料外洩

私立大學圖資長
何時是導入的適切時機

投信公司資安長
敏感資料洩漏

私立大學圖資長
技術持續更新

服務業資訊長
資料正確

服務業資訊課長
人才不足

【導入驗證者的心聲】（正在導入和PoC驗證中的企業)

合勤投資控股資安長游政卿
​生成式AI的應用是一場長期的拉鋸戰，既要追求技術突破，也要管控風險。企業必須打好資安治理的基礎，搭配清晰的技術規劃和倫理指導，才能確保AI的應用方向正確。同時，資安團隊要快速提升自身能力，針對新型威脅建立防禦和應變機制，讓生成式AI真正成為提升競爭力的助力，而不是一個潛藏的風險炸彈。

第一商業銀行執行副總暨資安長劉培文
​任何創新科技均無法逃避誤用、濫用及跨越創新擴散鴻溝的天險。即便生成式AI看起來是如此不同，也終須面對人類人性的終極挑戰。

強茂資訊部方士碩
資料來源與品質，運算能源與資源

遠通電收資訊處協理鄭之偉
熟悉生成式AI的資訊人員不足

欣陸投資控股資訊部副總經理費而隱
最大挑戰是落地

雲林縣政府計畫處科長林欣生
可信任的回覆

​亞東預拌混凝土資訊處主管潘誼聰
依公司特性客製化

臺北市政府資訊局局長趙式隆
針對GAI幻覺所造成的風險

佳世達集團資訊長黃莉雯
鼓勵使用與安全管理上的拉鋸

大型銀行數位部門副總
1. 合規與風險管理 包含 隱私與資安以及模型可解釋性。
2. 與公司業務的整合 培訓員工理解生成式 AI 的運作與限制，在與客戶溝通時能快速應對與轉介。
3. 技術挑戰與人才培育 內部 IT 架構與傳統程式的整合度不足時，導入大型預訓練模型（LLM）將面臨基礎設施的升級與運算成本的壓力。
4. 數據品質與標籤 金融數據雖然龐大，但多屬結構化資料；數據標籤不精準，將直接影響模型輸出品質。
關鍵成功因素：前瞻的數據及AI治理、跨部門協作、雲端基礎建設與高水準的人才培養。只有同時兼顧“技術面”與“治理面”，並持續迭代優化，才能在數位金融時代保有競爭優勢。

營造業IT主管
生成式 AI 在營造產業的應用雖然有助於精進工程設計、減少人力錯誤與優化施工流程，但仍需要面對多重挑戰，如 數據安全、技術門檻、實務應用落地、法規風險管理、成本效益 以及 產業協同與標準化等議題。若能在以上挑戰上做足準備，包括建立安全合規的資料管理機制、強化內部 AI 能力與培訓、以及推動產業協同合作並制定標準化規範，將能更有效地將生成式 AI 引入日常施工與營運流程，並在數位轉型中佔得先機。

大學資訊長
生成式AI將會開始依據企業的需求落地，然而，落地時會面臨資料是否充足、設備是否足夠、回答是否有錯以及人的使用行為等問題，落地要能讓人真的覺得可用、好用、喜歡用，將會是最大的挑戰!

電子支付技術主管
1.證明企業所提供的資訊不會入到共用的訓練來源  2.服務金融客戶不能具有幻覺的預防與監控  3.AI受駭客攻擊的防禦手段，避免被套近而直接嶄露重要的核心資料

服務業IT副總
How to prove the value of GAI investment? Quantify the value of AI delivered.

化工大廠資訊經理
隨著生成式AI在企業內部應用範圍的擴大，如何保護個人隱私與企業機敏資料，並確保應用系統的安全，自然而然成為最重要的課題。

化工業資訊部長
目前GAI應用比較適用於銀行,電商等行業,多數應用為知識庫整合,對傳產而言,必要性不高,缺乏具體應用案例。

網路服務業資安長
如何驗證GAI的有效性以及實際運用的穩定性，例如：如何克服幻覺問題並提供有價值的產出

醫院資訊主管
具體運用在企業內部服務的資訊系統上，已降低內部使用者的工作壓力，提高工作效率及品質。

公共事業資訊主任
硬體資源缺乏  同仁資安意識不清(安全與便利分不清楚)  內部缺乏創新動力

工程顧問公司資訊長
生成的資訊無法到到完全信賴，企業恐誤用而造成損失，如何提高正確數最大挑戰

鋼鐵業資訊主管
產業性質差異，造成接受度差異，如何提升同仁及客戶接受度、信任感及投入。

高科技IT副總
AI模型需要大量的數據來進行訓練，而確保這些數據的隱私和安全是至關重要

一般製造業資訊長
成熟並可廣泛應用及運用到日常工作生活，改變或提升工作型態及效率

醫學中心IT主管
隱私權與倫理的規範，如何進行因應和後續取得平衡點。

金控資安長
1、資料隱私  2、能源與算力  3、合規性檢驗

銀行資訊協理
資料品質和資料量將成為企業導入生成式AI的挑戰

大眾運輸數位主管
如何從簡易導入內部程序，使同仁提昇整體作業效率

網通設備大廠資訊經理
確保數據品質、保護機敏資料及生成資料的真偽判斷

化光業IT經理
與2024年下半年差不多，2025會繼續持平

全國電子資訊長黃漢傑
缺乏AI專業人材  AI具體效益之量化指標

電子零組件業IT
建立地端LLM的精準度 & 硬體建置成本

電子零組件業資安長
找到具商業價值的應用並提供精準內容服務

金控資訊長
Business use cases

老牌製造業資訊處長
人才獲得及學習動力，團隊合作與整合

證券資訊副總
AI人才不足、及規範遵循合規議題。

服務業資訊部長
人類的信賴以及被取代的疑慮

醫學中心資訊主任
生成內容的真實性及幻覺問題

食品業資訊經理
AI幻覺問題難以有效解決

餐飲集團副總
在便利性及資安上取得平衡

高科技資訊主管
如何安全使用生成式AI

網通電信業資訊長
幻覺消除以及權限管理

大型購物商城IT主管
人力招募與應用需求

銀行資安長
缺少客觀的衡量方法

產險督導
AI治理與資安問題

半導體業資訊副處長
應用場景開發及管理

機械設備業資訊處長
解決方案還不成熟

物流業技術主管
資料安全如何保護

媒體集團IT主管
真實性的辨認問題

壽險資安主管
正確性與可解釋性

醫學中心資訊主任
如何避免過度依賴

交通業IT高管
應用及個資保護

大學IT主任
人機介面易用性

一般製造業IT
企業落地運用

半導體製造資訊中心副處長
資料落地應用

一般製造業資安經理
風險控管

證券資訊協理
變數太多

【正式啟用者的心聲】（在正式環境開始採用的企業)

聚陽實業資訊處處長謝孔超
1.生成式AI在這幾年技術仍在快速演進。今日企業採用的方案或投入的技術研發很快在未來的一年甚至數季內會產生極大的變動。落在應用端的企業對於外界科技巨頭的發展需要保持很高的連結性，以維持投資的有效性。
2.另外在軟體開發生態上需要儘早做出結構性調整，促使企業內部可以善用AI與軟體開發接軌。

百億高科技業IT協理
生成式一般的運用如文件的翻譯，文件的分析與處理，採用目前雲端服務可有立即性的效益，更輕易的導入使用。  進階的生成式AI應用，在工程，生產或品質的專家系統的建置，則需要投入更多的資源研發，其對智慧工廠的建置，將帶來革命性的改變。

醫藥業資訊長
1.商業運用模式的創新，從現今輔助助理到與透過API與公司內部系統連結，更多的高效率商業應用.  2. 同時兼顧資安風險及成本效益.  3. 多重角色的人才培養，在原有IT技術上要增加商業行為的了解及GenAI 技術層面．

旭寬企業總管理處IT資深經理林宗霖
因應少子化與缺工，製造業的人機協作模式已是明確趨勢。  RPA與GAI的結合已有助於減輕企業內員工工作負擔與人力需求，並將隨著AI Agent的發展而逐步完善。

家福公司資訊長丁平碩
如何找出有價值的 business use case，來利用生成式AI提升企業營收及降低成本，應該是目前各行各業在生成式 AI 的最大挑戰

英業達資訊長暨資安長黃英哲
如何真正落地整合於企業日常運作的系統及流程之中，而非完全獨立的各種輔助性應用

車王電子資訊部協理賴昶予
AI 快速發展，以如何提昇公司產品服務與作業效率為思考點，在精確應用的同時資料又不外洩

大千綜合醫院資訊副院長林禎裕
挑戰是個資保護

一般製造業資深IT經理
如何落實至業務流程與正確性校錯，對企業實做來說仍需有專業人員檢視驗證AI生成內容。  目前僅能提升效率，仍不到可以取代關鍵決策

大型顧問公司CIO
資料安全管理:企業難以掌握哪些資料被AI學習(甚至因此觸法)，當發現不當學習後亦無有效移除管道

五百大企業IT主管
對Agentic A期望與落實，Copilot的ROI難以衡量，合適的AI治理與治理平台

千億企業資深總監
資安：包含資料洩漏、隱私風險  正確性：模型訓練的資料汙染  驗證：模型透明度 

一級政府機關資訊處長
生成式AI帶來的風險及對應的管理問題

生技公司資訊處長
資料獲取與品質、人才短缺

醫院中心資訊主任
資料錯誤與幻覺

老牌工具機大廠數位處處長
挑戰是成本效益

醫院中心數位主管
資料清洗

電力設備廠IT
防偽

【深化內化者的心聲】（擴大採用和深化內化的企業)

鴻海集團鴻騰精密科技資安長杜偉欽
2025年生成式 AI 的最大挑戰和議題主要集中在以下幾個方面：
1. 生成式 AI 的發展依賴於高效能計算資源，隨著 AI 模型不斷複雜化，對運算能力的需求日益增加，如何確保充足的算力和高效的運算資源成為重要議題。  
2.生成式 AI 需要海量資料進行訓練，涉及個人隱私和數據安全，如何取得合適的數據，並保護數據隱私是關鍵挑戰。 
3. 隨著生成式 AI 被廣泛應用，AI 生成內容可能帶來虛假資訊、偏見及倫理問題。如何確保 AI 的倫理合規、避免偏見和誤用，是未來的重要議題。  
4. 不同國家對生成式 AI 的監管政策還在逐步完善，如何在全球範圍內制定一致且有效的監管措施，避免技術濫用，保持科技創新，同時保障社會安全，是主要挑戰。  
5. 生成式 AI 雖然在技術上已取得突破，但如何在不同領域，比如醫療、金融、自動駕駛等廣泛應用，並且實現商業價值，以及解決應用過程中的實際問題，仍需要長期探索和努力。    
這些挑戰和議題需要技術社群、政府和企業共同合作，才能在推動生成式 AI 發展的同時，確保其安全、負責和可持續。

TNL Mediagene技術長李致緯
如何在趨勢熱潮當中，找到一條真實符合企業所需的 AI 導入方法。

醫學中心資訊主任
從醫療(特別是醫院端)應用角度來說明：
一、數據隱私與合規性  醫療數據的敏感性極高，生成式 AI 在訓練和應用過程中需要處理大量病患資料，如何確保數據的隱私保護和符合法規（如 GDPR、HIPAA）是一個重大挑戰。特別是生成式模型可能無意中暴露隱私資訊，這需要特別的防護機制。   
二、模型可信度與解釋性  在醫療領域有分行政應用與醫療應用，對於模型的可性度和解釋性要求差異頗大，在醫療應用面，其決策高度依賴準確性和可信度，然而生成式 AI（如 ChatGPT）通常被視為「黑盒子」，缺乏透明度與可解釋性。如何讓醫療專家和患者對其診斷或建議有信心，是目前亟需解決的問題。
三、誤用與錯誤生成  生成式 AI 有時會生成不正確或具誤導性的內容（如幻覺問題），在醫療環境中，這樣的錯誤可能對患者安全構成嚴重威脅。需要建立強有力的校驗機制，確保生成內容的準確性。   
四、與醫療專業的整合  醫療系統與流程的複雜性使生成式 AI 的應用面臨挑戰，例如如何有效(包含了整體反應速度)整合到電子病歷（EMR）或其他醫療工作流中，並減少對醫療人員的額外負擔，同時提升效率。

大學資訊處長
內容真實性和誤導信息。生成式AI可以創建非常逼真的文本、圖像和視頻，這可能被用來製造虛假信息或進行欺詐。如何檢測和防止生成的虛假內容將是一個關鍵問題。

老牌化工集團IT
回到GenAI的最本質即是資料，認為效益極大化、敏感資料保護以及在商務面來看產出結果的合規性將是最大挑戰

光田綜合醫院資訊部部長林政杰
挑戰是個人隱私保護，生成式AI可以被用於犯罪活動，過度依賴生成式AI導致員工能力下降    

高科技製造業資訊副總
建立負责任的AI 應用文化及top-down 深化公司應用的廣度與深度