輝達執行長黃仁勳最近把人工智慧產業比喻成五層蛋糕。這五層包含了能源、晶片、基礎設施、模型，還有最頂端的應用。這套架構精準畫出了全球供給端的競爭地圖，也確認了台灣在晶片與基礎設施層的地位。不過，對於企業資訊長來說，最困難的問題在於，當組織採購了算力與模型之後，人工智慧投資真的能轉化為可驗證的臨床成效、量化的營運效率，或是可以向董事會交代的財務回報嗎？
台灣 CIO 雜誌 報導指出，許多企業投入數百萬建置炫目的三維戰情室或是數位看板，甚至直接接入大型語言模型供員工查詢。開幕時雖然掌聲四起，但半年後往往成為無人使用的數位裝飾。這就是所謂的特斯拉儀表板迷思，也就是把前端的視覺介面誤認為後端的決策引擎。如果底層數據沒有治理，一線醫療人員在查房時仍要切換十幾個系統視窗，認知負荷就沒有減少，決策速度也不會提升。這種做法就像是給腳踏車裝上特斯拉的儀表板，買到了介面卻買不到預測風險與改變組織行為的能力。
為了打開應用層這個最難兌現價值的黑盒子，醫療集團策略總監提出了三層現實建構模型。這套模型不是要挑戰輝達的五層架構，而是要放大其中的應用層，回答人工智慧如何創造價值。
第一層是現實數據層，核心屬性是可知性。企業的數據不會自然變得整齊，而是需要被定義出來的。如果行銷定義的活躍客戶與門市不同，或是急診與門診的疾病編碼不一致，對人工智慧來說，這些碎片化資料在治理之前都只是噪音。這裡提到的資料治理，簡單來說就是把亂七八糟的資料整理乾淨，並讓不同系統之間能用同一種語言溝通，例如使用國際通用的醫學資料交換標準標準。
第二層是孿生智慧層，核心屬性是可計算性。傳統的看板只能記錄過去，而這一層的任務是把靜態數據轉化為動態的數位孿生模型。數位孿生就像是幫現實世界做一個虛擬分身，讓電腦能在危機爆發前提供早期預警與因果推演。例如在設備停機前四十八小時，系統就自動調整保養排程。這也呼應了近期熱議的世界模型概念。世界模型不只是讓人工智慧生成文字或畫面，而是要讓它能理解現實狀態並模擬變化路徑。
第三層是空間互動層，核心屬性是可操作性。就算預測模型再精準，如果操作介面太複雜，仍是無效投資。這一層的本質是將複雜的預測轉化為人類直覺可操作的決策沙盤，目標是降低操作者的腦力負擔。
要讓這三層環環相扣，還需要一套跨層治理框架。這套框架必須處理資料語意、模型漂移以及價值回饋等問題。所謂模型漂移，是指人工智慧模型在上線一段時間後，因為現實世界的數據發生變化，導致預測準確度下降的現象。
根據波士頓諮詢公司在二零二零年的研究，約有百分之七十的數位轉型專案最終未能達成目標。這通常是因為缺少了從資料治理到行為改變的完整閉環。一個有效的投資回報，必須從高品質資料出發，經過智慧運算與人機互動，最終驅動流程改善與商業成果。
對資訊長來說，現在有三個即刻可執行的決策。首先要扮演應用層的品質守門人，在任何採購前，先確認數據治理是否完備，以及介面能否實質降低一線人員的負荷。其次要把核心資源壓注在數據資產，因為模型可以租用，但能理解自家業務脈絡的數據才是對手無法複製的護城河。最後要以閉環系統思維重寫採購準則，確保每一筆投資都能對應到財務報表上的可見優勢。人工智慧時代，資訊長的使命已經從基礎建設提供者，進化為建構現實的總架構師。
[ 文章來源：從五層 AI 供應鏈到三層現實治理：CIO 如何讓 AI 真正創造價值 ]
