根據 ISG Provider Lens 在 4 月中旬發布一份針對歐洲年營收超過 20 億美元之大型服務供應商的《數位工程服務》（Digital Engineering Services）研究報告指出，歐洲企業正快速採用「AI 原生」（AI Native）與軟體定義的方法來推動數位工程，以提升創新速度、確保法規遵循，並實現永續產品開發。
編譯／酷魯
AI 原生已經成為許多企業重新打造既有軟體開發、數位工程、產品生命週期管理乃至營運管理的利器。尤其是近年來生成式 AI 的進展，更加速了新一代 AI 原生系統的發展。
在生成式 AI 出現之前的 AI 原生系統通常偏向專用，因為設計者往往是針對特定任務進行最佳化。而生成式 AI 框架則將原本多條獨立的處理流程整合為統一架構，使單一系統能夠處理各種類型的使用情境。
換言之，由於生成式 AI 模型讓系統能動態產生文字、影像、程式碼及其他內容，系統得以從狹義的自動化進一步演進為能自主推理與決策的代理式 AI（agentic AI）系統。在這樣的系統中，生成式 AI 不只是新奇的附加功能，而是整個系統的認知核心。由此誕生的智慧系統重新定義了使用者體驗，也讓介面從傳統的控制面板，轉變為更像即時助理或副駕駛（copilot）的存在。
初始設計就將 AI 視為核心組件 邁向持續學習式邏輯 Software 2.0
隨著AI已發展到隨處可見的地步，人們動不動會將 AI 驅動、AI 賦能或 AI 導向掛在嘴上，但這只是將 AI 視為輔助工具或附加功能，而不像 AI 原生則是以 AI 作為核心驅動力量。
所謂「AI 原生」是指：凡公司、產品或工作流程從一開始設計時就將 AI 視為核心組成部分，而不是事後才額外附加的功能。進一步而言，「AI 原生」意味著 AI 以端到端的方式融入整體架構與技術堆疊之中。
通常，以 AI 作為核心策略重心的新創公司可被視為 AI 原生企業，這樣的企業不只是單純使用AI工具而已，而是從一開始，舉凡從系統架構/生命週期、決策機制到使用者體驗，再到資料蒐集、工作負載、延遲管理乃至系統擴展，皆由 AI 來主導。
[ 加入 CIO Taiwan 官方 LINE、Facebook 與 LinkedIn，與全球 CIO 同步獲取精華見解 ]
若拿傳統企業軟體來與 A原生相比，傳統企業軟體開發是建立在確定性邏輯（deterministic logic）與人類程式設計師預先定義規則的基礎上。它由一連串「If-Then」條件語句所組成，一旦業務條件發生變化，就容易失效。尤其是利用軟體工具完成一項複雜任務，通常需要透過各種資料輸入手動引導系統，並調整參數以獲得期望結果。長久以來，企業都是透過投入數以千計的人工作業時數，進行資料比對與分析，來填補這種「邏輯缺口（logic gap）」。
至於 AI 則不需要明確的指令，它會透過檢視大量任務範例，自行「學會」其中的規則。AI 軟體與系統利用機器學習演算法，在海量資料中尋找模式，藉此做出決策或預測，在某些情況下還能夠隨時間持續學習。
由於 AI 原生架構建立在機率性輸出、反覆迭代與持續適應之上，而非傳統軟體所依賴的僵化規則與確定性流程，因此其工作流程不只是把舊有流程自動化、讓相同步驟執行得更快而已。原本冗長且需要多個步驟完成的流程，也能夠被濃縮成一個提示（prompt），再由 AI 代理接手指令的下達，透過一連串的推理步驟來完成任務。
不僅如此，AI 原生系統還能根據使用者的行為模式持續改進。隨著時間推移，它不僅能更有效率地完成特定任務，更能在與使用者互動的根本方式上變得愈來愈有用。
總而言之，AI 原生的核心使命，是從固定邏輯的 Software 1.0 轉向持續學習式邏輯的 Software 2.0。其不只是像導入聊天機器人那樣，把 AI 接進去而已，而是根本性地以 AI 為核心地重建整個企業。
尋求最佳方法論，四大分層架構與五階段 AI SDLC成熟度模型
企業到底該如何打造AI原生系統，全球科技人才市焦 Andela 認為需要透過一套四層式分層架構來進行。其由下而上分別為防護層（確保無論 LLM「做出什麼決策」，AI 都絕不違反企業政策）、協調層（從「無狀態聊天轉向「有狀態商業流程」）、持久性骨幹層（讓 AI 原生系統具備「非同步與持久性」能力）與稽核層（將 AI 的「黑箱」轉變成透明的商業指標）。
透過這樣的分層架構實作方法，會讓整個工作型態從「任務執行者」轉變為「AI 原生系統治理者」。進而發揮資料科學團隊負責打造「大腦」（模型），工程團隊負責打造「神經系統，業務單位則負責管理「例外情況」以實現「人機迴路」（Human-in-the-Loop，HITL）等效益。
此外，AI 軟體開發服務供應商 Vention 則認為，傳統的AI原生，只做到個人層面的提升，而非組織面的整體轉型。想要藉由數AI原生實現真正的轉型，必須建立一套讓軟體開發生命週期中每個部分彼此協同運作的架構。對此，該公司提出了「五階段 AI 軟體開發生命週期成熟度模型（5-Stage AI SDLC Maturity Model）。
從第一到第五階段分別為個人探索（單兵作業，沒有共享標準、工作流程或知識情境）、一致性的團隊使用（開始導入共享實務，團隊採用共同工具、建立使用規範）、整合式AI工作流程（能將更多精力投入架構設計、系統設計與韌性上）、協調式AI開發（AI 開始協調多步驟工作流程，並演化出一套協同運作的多代理系統，但大多數組織目前仍未達此一階段），以及AI驅動開發（自主式多代理執行將成為預設開發引擎，開發者轉型為審查者、治理者與決策者，由 AI 負責執行工作）等階段。
Vention 表示，當組織完成上述五階段轉型後，成果會直接反映在交付上：更快的事故解決速度；更短的審查週期；在程式碼、測試與文件上的更一致品質。
至於 Andela 認為，透過其分層架構打造 AI 原生系統的最終成效，莫過於能讓組織在 95% 的任務上，以 AI 的速度運作，同時在一些高風險的 5% 任務中，依然能維持 100% 的法規遵循與人工驗證。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
