企業與消費者對軟體的期待正在改變，不再只滿足於儲存資訊或簡單自動化的工具，他們希望軟體能思考、協助，甚至在他們開口之前就預測需求。傳統軟體即服務（SaaS ）難以滿足這些新需求，這正是人工智慧即服務（AIaaS ）逐漸受到重視的原因。
編譯／酷魯
SaaS 讓使用者能透過網路存取軟體工具，而 AIaaS 則更進一步，提供企業可用來優化營運的智慧能力。AIaaS 不只是提供工具，而是提供能學習的系統，能分析資料、產生洞察，並自動化複雜任務。像 OpenAI 這樣的公司，透過 API 提供其 AI 模型，即為 AIaaS 的最佳顯例。
許多 SaaS 公司開始加入 AI 功能，但這並不代表它們就是 AIaaS 服務供應商。真正的 AIaaS 是提供企業可用來改善自身產品與服務的 AI 工具，而不只是某廠商強化自家軟體而已。
以 OpenAI 的 ChatGPT API 為例，它讓企業能將 AI 整合進自己的應用程式。企業可以利用 OpenAI 的 AI 模型來建立自己的聊天機器人、內容生成器或虛擬助理。這就是關鍵差異所在：AIaaS 提供的是「智慧即服務」，而不只是既有產品中的一項功能。
量子運算與神經形態晶片正發威，從根本上重新定義 AIaaS
如今，我們正見證量子運算、神經形態晶片（neuromorphic chip ），以及顛覆性架構的融合，這些技術將從根本上重新定義 AIaaS。當前人們關注的重點，並非在於這些技術是否會改變企業 AI，而是你的組織能多快適應這場已然展開的劇變。
據調查，當前 AIaaS 市場在 2024 年估值為 157 億美元，預計到 2030 年將達到 1,484 億美元。這反映出當前企業所面臨的嚴峻事實：有 73% 的組織回報其 AI 工作負載受限於現有的運算能力，而有 68% 則指出能源成本是推動 AI 規模化部署的主要障礙。正是這些挑戰正催化著對下一代運算架構的投資，而這些架構有望在效能、效率與能力上帶來指數級的飛躍。
[ 加入 CIO Taiwan 官方 LINE 、 Facebook 與 LinkedIn，與全球CIO同步獲取精華見解 ]
對 AIaaS 供應商而言，量子運算提供了前所未有的機會，能夠攻克過去在計算上難以處理的問題。根據產業分析師的預測，到 2030 年，量子電腦將達到 100 萬個實體量子位元，實現容錯量子運算，進而徹底革新 AI 工作負載。
神經形態運算為 AIaaS 供應商帶來多項極具吸引力的優勢，包括神經形態晶片可將功耗降低 100 到 1000 倍，大幅減少營運成本與環境衝擊；事件驅動的處理方式可實現微秒級反應時間，對於自駕與工業自動化等即時 AI 應用至關重要；超低功耗特性使神經形態晶片非常適合邊緣 AI 部署，讓 AIaaS 能力延伸至資源受限的環境。
加速 AI 驅動的 IT 與商業成果，高性價比取得訓練模型所需算力
選擇 AIaaS 架構能加速企業取得 AI 驅動的 IT 與商業成果，並透過雲端資源與按需付費的服務模式實現效益。由此可見，我們可以預見導入 AIaaS 可為企業帶來以下優勢與好處。
首先是雲端熟悉度，多數企業已熟悉雲端資源的使用，因此員工只需少量培訓即可快速導入 AI 服務。再者是成本效益，部分企業缺乏建置新 IT 基礎設施與培養內部 AI 能力的資源。透過 AIaaS，企業可使用雲端 AI 服務，無需大幅改造基礎架構或投入大量資金。同時，AIaaS 的高性價比也讓企業能取得訓練機器學習（ML ）模型所需的大量運算能力。
再來是聚焦業務，在不需面對複雜基礎架構與陌生系統的情況下，企業可設計以資料驅動洞察為基礎的業務與 IT 應用案例，實現高度流程自動化。企業也可借助供應商的專業知識，協助 AI 部署、建議合適的 ML 演算法，並提供模型訓練建議。
48% 企業缺乏高品質資料推動 AI，系統整合問題成最常見挑戰
企業導入任何服務都難免會面臨各種挑戰，在此列舉出大多數企業在採用 AIaaS 最普遍遇到主要因難與挑戰。
首先是資料格式問題，為了訓練大型語言模型（LLM ），必須確保相關資料具備正確格式。一旦資料不完整、不適當或過時，可能導致錯誤結果並浪費 AI 部署資源。最新研究顯示，48% 的受訪企業缺乏足夠的高品質資料來有效推動 AI 計畫。
其次最常見的問題，莫過於 AIaaS 工具與既有舊系統在整合上面臨障礙。同時，過時或專屬軟體也可能與 AI 部署不相容。此外，新創與成熟企業都可能面臨內部人員缺乏 AI 專業能力與熟練的資料分析師等重大挑戰。企業可透過與 AIaaS 供應商合作，運用其專業知識與雲端工具來簡化 AI 部署，彌補培訓不足。
[ 推薦文章：《人工智慧基本法》三讀通過 構築 AI 創新與安全治理基石 ]
供應商的選擇也往往成為導入上的挑戰，但不論如何，企業需根據關鍵參數評估供應商的相容性、擴展能力、模型更新頻率，以及是否能應對未來成長的需求。安全性則是導入所有服務都會考量的要點，面對 AIaaS，企業需處理資料治理、合規性與資安風險。管理者與 IT 領導者應確保供應商與企業自訂的防護措施到位，以防止訓練資料外洩與隱私違規。
以先導專案作為起步再擴大全公司，透過 KPI 計算 ROI 來衡量 AI 成效
企業應以先導專案作為起步，透過測試進行必要調整，並隨著 AI 專案成熟逐步擴展至整個組織。如同前述，供應商的選擇是導入上的重大挑戰。但不可否認的，選擇合適供應商無疑是導入成功關鍵因素之一。企業應選擇專精於所需 AI 類型的供應商，例如流程自動化、智慧客服或 IT 預測性維護。供應商的平台必須支援企業的資料格式與資料量。
再者，資訊管理至關重要，因為高品質資料既是 AI 演算法的燃料，也是高效 AI 模型的關鍵。有效的資料使用政策能作為指引，規範客戶資訊與敏感資料的收集、分配與保護。
企業必須設立關鍵績效指標（KPI ）有助於管理者監控 AI 導入進度。企業可透過 KPI 計算投資報酬率（ROI ）、衡量 AI 成效，並評估短期與長期目標的達成情況。最後一個決定性因素是針對業務與 IT 團隊的再培訓計畫，這有助於建立 AI 合作夥伴的認同與接受度。雖然 AIaaS 部署可彌補內部專業不足，但專業訓練能加速 AI 推動，並協助員工適應不斷演進的 AI 生態。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
