許多企業的人工智慧技術停留在獨立專案與概念驗證階段，若想要有所突破，就要發展針對商業成果量身打造、全面且完整的人工智慧策略。
文╱Maria Korolov 譯╱曾祥信
論及人工智慧，企業一般作法是透過概念驗證(proof of concept)或小規模的使用案例來測試水溫，他們大多利用科技廠商提供的人工智慧技術，例如既有SaaS平台裡的新功能。
如果進展順利，企業會購買另一套新專案，接著另一套－－不久之後，他們就開始仰賴一堆互不相容的雜亂系統、資料湖泊，面臨成本超支、工作重疊與無法擴展系統規模等問題，更不用說還有隱私權、遵循法循或者道德問題。
直到某個時間點，人工智慧帶來的好處已顯而易見，而企業繼續既有作法所面臨的痛苦太過劇烈，迫使公司不得不退一步思索，如何發展一套具有凝聚力的策略，好讓企業全面採用人工智慧。
KPMG資料分析與人工智慧事業的合夥人 Traci Gusher 表示：「使用許多未整合的個別技術，不只讓組織淹沒在技術債當中，同時也令他們對人工智慧卻步，因為他們不知道如何建立容易維持且可延展規模的人工智慧技術」。
以下我們將探討正確作法，確保企業組織能將獨立專案，順利轉移為完整規模的人工智慧系統。
由核心業務優先次序著手
Gusher表示，為企業轉型建立一套完整的人工智慧策略，必須由基本的問題開始：「組織最重要的機會是什麼？最大的挑戰是什麼？最大的風險又是什麼？」。
接著，思考人工智慧如何影響這些機會、挑戰及風險。她說：「倘若企業真心想要獲取競爭優勢，必須站在策略層面，思考這些廣泛議題」。
公司必須避免「投資報酬率(ROI)不夠即時」的專案，Gusher說道：「假使我的組織面臨一項逼近的風險，必須立刻解決，那麼人工智慧或許不是最佳解決之道。
人工智慧技術需要時間，獲得充分的資料、執行機器學習，它需要許多時間才能讓組織獲取回報。長期性的專案計劃，才是組織應當運用人工智慧的項目」。高階主管與董事成員必須對人工智慧能力具備充分瞭解，才能做出這類決策。
UL(優力國際安全認證有限公司)擁有125年歷史，是一間專門測試電子設備的公司，他們的人工智慧轉型策略正是由公司高層開始驅策。該公司資深副總裁兼科技長 Scot Webster 表示：「不可低估公司領導階層扮演的角色，在協助整個企業廣泛了解目標的過程中，領導階層的影響非常重要」。他補充道，全企業的人工智慧策略，不能當成實驗性質的專案來執行。他說：「我們在UL有一萬四千名員工，我可以保證，所有一萬四千名員工都很清楚公司最重要的目標是數位化、人工智慧與策略5.0。我們在董事會議向董事們說明公司目標，在各種場合向所有員工傳達目標。我們具有卓越的核心能力，特別是小型的機器人流程自動化(RPA)與機器人應用程式」。
改變資料策略 由獨立專案轉移到整合平台
根據PricewaterhouseCoopers合夥人兼全球人工智慧領導 Anand Rao 的說法，一旦對的人員與領導階層就定位之後，就是時候專注在人工智慧與資料科學平台。
一般來說，獨立專案使用的平台不易擴展規模，相反地，全企業人工智慧需要將系統搬移到雲端，這可以帶來額外的好處，包括更容易地處理大型資料湖泊、更好的整合外部資料來源與工具，且能輕易使用最新的人工智慧科技。
但是在轉移到雲端之前，必須先找到處理資料的方法，這意謂著拆解既有的獨立系統。
IBM系統策略與開發部門總經理 Jamie Thomas 表示：「最大的問題在於，企業沒有在一開始就著重資料策略，這是我們觀察到最大的隱藏危險」。Thomas說道，完整的資料管理策略，不只要涵蓋資料的收集、組織與分析，還必須為資料注入意義和情境，好讓人工智慧有效運用資料。這也代表，企業要有處理資料偏差的計劃，因為當資料模型輸入錯誤的資料時，就會產生偏差。
房貸金融巨擘 Fannie Mae (房利美)的企業監控、分析及報表總監 Jay Rudrachar 表示，以前，Fannie Mae 用獨立專案來實現人工智慧與機器學習。「但是這種方法不管用，我們必須退一步檢討作法」。
Rudrachar說，因此，十八個月前，該公司開始改採集中式、全企業的人工智慧策略，這套策略包括多個資料科學平台與資料湖泊，皆根據公司的商業需求所建立。他們人工智慧策略的統整作業，與轉移到雲端的改變同步進行。在此之前，該公司在伊利諾伊州的厄巴納市設立自己的資料中心，並在另一處地點設有緊急備援資料中心。
如今，在新的人工智慧策略下，Fannie Mae 使用Tableau提供的MicroStrategy人工智慧平台處理與顧客相關的資料，提升其保險、服務與證券事業的執行速度及準確度。針對公司內部營運，Fannie Mae 仰賴Moogsoft和Splunk來分析系統日誌與關鍵績效指標(KPI)，以提升公司運作效能，並協助IT解決網路安全問題。他們同時利用 Blue Prism 的軟體，將商業流程自動化。
Rudrachar表示：「我們已經看見這項投資帶來的效益，其中之一是拆解既有的筒倉(silo)，例如，IT部門有許多團隊，分別執行平台層面、營運層面與商業層面的IT工作，這些團隊各自維護自己的資料集，彼此之間無法共享資料。在機器學習與人工智慧的協助下，我們得以建立透明的系統，讓所有人都能看見其他領域的進展」。
如此一來，當事件發生時，人們可以更容易找出問題的根源，即使問題出自不同的系統或不同層面。他說：「這改變了遊戲規則，每間公司都應該這麼做(統整人工智慧策略)，否則IT營運的效率將成為一大挑戰」。
擴大召集專案相關人員
人工智慧專案可能為企業帶來隱私、法規、偏見或道德問題，因此在執行人工智慧專案前，必須廣泛徵召企業內不同領域的人共同參與。
美國國際公司律師事務所 King & Spalding 的合夥人 Michael Shortnacy 表示：「通常，公司的重點放在企業目標，但是人工智慧技術可能帶來意想不到的後果」。
他建議，企業也應當邀請法律、法規、風險與其他專家，共同參與制定決策的過程。如果企業打算在客戶關係流程中使用人工智慧，就必須留意各種與法律及隱私相關的危險。在概念驗證專案裡，忽略隱私或者安全議題，是很常見的情形，當企業決定擴大專案規模時，這類輕忽就會造成嚴重問題。
資安業者 NCC Group 的研究主管 Jennifer Fernick 說：「這種現象可能導致巨大的法規風險，並為企業帶來財務風險。如果從一開始，就讓安全架構師與其他安全團隊代表參與專案，就能將安全性納入系統的設計考量」。
比起各部門關起門來獨立作業，安排所有相關人員同聚一堂，共同制定策略，更能促進確保策略涵蓋所有觀點。Fernick說：「讓不同部門、不同團隊各自運作，可能會漏掉重要的專案參與人員。專案可能缺少代表隱私權的領袖，或是缺少稱職的安全架構師」。
挑選合適的平台與合作夥伴
談到人工智慧策略的延展性，不只是挑選合適的雲端平台以促進成本效益成長，同時也代表著，採取不同方式分配人員，以及挑選正確的商業合作夥伴。
五年前，總部設在華盛頓特區的農業公司 Hello Tractor 啟動一項計劃，要成為「牽引機的Uber」，協助奈及利亞和其他新興市場的牽引機擁有者，與農夫連繫合作。該公司執行長 Jehiel Oliver 說：「一開始，我們採取非常簡單的敏捷管理，只有粗糙的預約系統」。
一年前，根據客戶的回饋，Hello Tractor 開始利用人工智慧，協助牽引機擁有者更有效地部署他們的牽引機和司機，減少計劃外的停工期與維護成本。他說：「我們的專案為牽引機擁有者帶來巨大的附加價值」。
和許多處於類似情況的公司一樣，Hello Tractor 決定尋求人工智慧專家的協助。Oliver說：「我們雇用了一些資料科學家。這是一塊高度競爭的人才市場，我們要找的人，不只要能駕馭人工智慧等先進科技，同時也要能接受我們的商業模型與工作地點。我們沒有矽谷的舒適辦公室，我們位在新興市場國家，工作是農業產業」。
當我們找到稱職的人才，接下來的問題是這些人力相當昂貴，他說：「我們的客戶對價錢非常敏感，我們不能把過高的成本轉嫁到客戶身上」。因此，該公司決定審視並找出不適合的人員。Oliver表示：「有個傢伙很棒，但是我們支付不起他的薪水，加上他在我們所需的才能當中只佔了一小部份」。
情勢迫使 Hello Tractor 採取更有創意的方法與合作夥伴打交道，以及他們必須提供給這些合作關係的條件。「有時候，傳統的溝通管道不管用」，Oliver如此說道，「有時候，必須深思熟慮才能找出方法，令具有強大能力的大型企業對非洲食物安全的新創公司產生興趣」。
Hello Tractor 把重點轉移聚焦在公司核心目標上，致使他們得以提供合作夥伴其他組織沒有的獨特價值－新興市場中有意義的工作價值。Oliver表示：「我們認為，我們給予合作夥伴一些獨特的內在價值。優秀的公司明白，他們的員工也想要做有意義的工作」。
他說，當 Hello Tractor 捨棄招募員工或是尋找商業合作夥伴的傳統方法，改將重心放在核心目標之後，事業的進展就變得容易許多。「我們不會協助IBM達到他們的季度目標。但是我們所有的合作夥伴，從IBM到 John Deere，皆明白這是在全新市場試水溫的機會，這塊市場具有高成長的潛力，同時也伴隨著高風險。身為先驅者，我們有能力協助他們管理風險。如果成功了，將帶來豐碩無比的成果」。
