2024百工百业AI落地行动指南：AI应用、挑战与先锋者的关键启示

生成式人工智慧技術的推出、成熟與普及，帶動全新的人工智慧應用浪潮，為協助台灣組織趁勢起風，數位時代與未來商務社群發起「台灣產業AI落地調查」，從「組織」、「人才」、「技術」、「流程」四大面向切入，並與台灣人工智慧學校共同推動，聚焦企業實際營運現況，透過正在評估、測試與導入人工智慧技術與應用的組織調查、產業權威與企業的實例分享，剖析在AI時代下的市場格局，解碼AI轉型關鍵挑戰，更做為百工百業評估AI未來發展必看的關鍵指南。 研究方法 •調查/抽樣方式網路問卷，透過巨思文化媒體群與台灣人工智慧學校旗下會員資料庫、社群發送邀請函給受訪者進行的調查 •調查對象在人工智慧（包含機器學習/深度學習/生成式人工智慧等平台工具，以及具備AI功能的軟體/硬體/服務）這個領域擔任主要決策者、決策成員之一、或者是意見會影響決策者 2024台灣產業AI落地調查結果揭曉三大因素驅動組織聚焦五大應用 調查結果顯示近8成台灣組織展開AI旅程對生成型AI互動型AI與辨識型AI需求高不過僅3成組織員工認為其非常熟悉與熟悉AI技術該如何破局引領市場 生成式人工智慧技術的推陳出新與相關應用服務的普及，帶動全新的人工智慧浪潮，為協助台灣組織趁勢起風，今（2024）年5月到6月，數位時代及未來商務社群攜手台灣人工智慧學校共同推動「2024台灣產業AI落地調查」，發送網路問券給負責組織人工智慧策略與行動的決策者與影響力者，瞭解驅動台灣政府/教育、金融服務、零售服務、電信傳播、醫療照護、交通運輸、製造、服務/其他等組織展開人工智慧旅程的原因，台灣組織在「組織」、「人才」、「技術」、「流程」四個面向的掌握度，以及面臨哪些人工智慧轉型挑戰，爾後，透過專家權威與代表企業的實例分享，剖析AI最佳實務，做為百工百業評估AI未來發展必看的關鍵指南。 近9成企業展開AI旅程TOP3驅動力是改善生產力優化營運流程與提升營收獲利 「2024台灣產業AI落地調查」結果顯示，高達88.8的台灣組織已經展開人工智慧旅程（AI Journey），之所以如此，與台灣組織期待透過人工智慧技術改善員工生產力以更好回應少子化與超高齡社會趨勢，改善營運效率以提供更好的工作環境、優化營運成本與提升競爭力，以及藉此創造新的營收獲利以實踐永續營運等因素有關。 進一步細看已經啟動人工智慧旅程的組織現況：53組織正在評估AI技術與產品服務，23已經透過概念性驗證專案（POC）理解人工智慧技術帶來的效益、確認投資報酬率，以及24組織已經將人工智慧技術應用到真實營運環境；若是進一步細看不同產業將人工智慧技術應用到真實營運環境的差異，是以電信傳播產業最快，其次是金融服務、醫療照護、服務/其他、製造、政府/教育、交通運輸以及零售服務。 相較於其他產業，電信傳播產業最積極透過人工智慧技術開創新的營收獲利，因此，會 主動思考如何以機器學習、深度學習跟生成式人工智慧技術打造與優化客戶服務機器人、生成全通路廣告行銷內容、落實個人化精準行銷等；金融服務產業則較其他產業更重視以人工智慧技術提升員工生產力，也因如此，其較關注客戶服務機器人、專家諮詢與推薦系統、詐欺分析、IT維運優化與員工個人助理等應用。 醫療照護產業也將人工智慧技術視作提升營收獲利的重要管道，積極透過客戶服務機器人與專家諮詢與推薦系統協助病患與使用者快速取得所需資源；至於服務/其他、製造以及政府/教育的人工智慧應用都是以提升員工生產力為主，這與少子化、勞動力缺乏等因素息息相關，需要透過數位科技建構更高效的工作環境以吸引人才、發揮最佳生產力、優化工作體驗進而提升留任率。 進一步從受訪者職務內容來看，促使企業經營者/負責人評估、測試與導入人工智慧技術的TOP3驅動力分別是創造營收獲利、改善營運效率以及員工生產力，而管理階層跟專業/一般員工則更重視人工智慧技術是否有助於改善員工生產力，亦即將人力從繁瑣業務釋出或者是賦能員工技能等，其後才是改善營運效率跟創造營收獲利。 從上述調查結果來看，對於人力密集型、大量倚靠員工執行各項業務的企業來說，想要更好招募、培育與留任員工，必須以人工智慧技術提供員工個人助理等有助於提升員工生產力的應用，此外，為取得經營管理層的支援，必須將人工智慧應用與營收獲利進一步扣連。 台灣組織的人工智慧旅程現況 近3成組織有長期策略與專職團隊負責AI活動但為人工智慧技術與應用設定關鍵績效指標KPI僅7.8 「2024台灣產業AI落地調查」是從組織、人才、技術與流程四個面向探討台灣組織的AI準備度發展。在組織這個面向，是從策略行動、專職團隊、預算跟關鍵績效指標四個維度了解組織現況： 在策略行動方面，調查結果顯示，36組織正透過POC專案驗證人工智慧技術帶來的成效，27組織僅設定人工智慧的短期（12個月）策略，僅32組織針對人工智慧技術與應用擬定短期、中期與長期策略跟行動，之所以如此，與人工智慧技術與應用仍在發展階段，企業需要更多時間驗證、調整與最佳化人工智慧應用，方可擬定具體可行的短期、中期與長期策略行動。 儘管有32台灣組織有針對人工智慧技術擬定短期、中期、長期策略與規劃，但進一步細看台灣組織是否已擬定人工智慧技術與應用的關鍵績效指標（KPI），調查結果顯示，僅7.8有設置一體適用的關鍵績效指標、47.6是因應專案內容客製化調整指標，仍有44.6台灣組織尚未設定人工智慧關鍵績效指標，顯示台灣組織的人工智慧應用仍處於高速發展階段、還在摸索最佳實務/應用方式。 在專職團隊方面，調查顯示僅29組織有成立專職團隊負責統籌規劃與管理AI相關活動，從產業的角度來看，金融服務、電信傳播、政府/教育跟醫療照護設置人工智慧專職團隊的比例都較整體平均值高，相較之下，零售流通在設置專職團隊的腳步最緩。 值得特別注意的是，調查顯示，近半數（46）台灣組織是由資訊擔負統籌管理人工智慧技術與相關應用，其中，又以零售服務產業為最，這與上述調查結果呼應：僅11零售服務業有設置專職團隊、比例較其他產業低。 台灣有23組織已經透過POC驗證人工智慧技術帶來的成效，以及24組織將人工智慧技術導入真實應用環境，但進一步看台灣組織是如何提撥人工智慧預算，調查結果顯示，僅25台灣組織有擬定AI的年度預算，其餘70組織是以專案預算的方式進行AI投資，剩餘的5仍在評估中。進一步細看產業區隔，高達70金融服務產業已為人工智慧擬定年度預算，這與高達60金融服務企業設有人工智慧專職團隊相呼應，顯見金融服務產業的積極性：無論處於人工智慧旅程的哪一個階段，都肯定人工智慧技術的重要性，在策略行動、專職團隊與年度預算的準備度都相較其他產業高。 3成組織員工熟悉與非常熟悉AI技術與相關產品服務63.2因為欠缺人才與技能而阻礙導入進程 調查結果指出，63.2台灣組織因為欠缺人才與技能而阻礙了其導入人工智慧技術與應用的進程，因此，本研究除調查台灣組織愈招募哪方面的人才，更進一步了解組織不同部門與職務的員工對人工智慧技術與應用的掌握度，以及人才培育方式，結果顯示： 第一，台灣組織欲招募的TOP5人工智慧人才分別是生成式人工智慧人才（60）、數據管理/數據分析人才（57）、深度學習人才（37）、機器學習人才（35）跟演算法人才（32），這除與台灣組織欲透過生成式人工智慧技術與應用提升員工生產力相呼應，另外一個關鍵是，台灣組織對於核心人工智慧技術人才的需求提升，同時帶動對數據管理與分析人才的需求。 進一步細看各產業欲招募的TOP3人才，可以發現：醫療照護、交通運輸、製造產業最需要的人才分別是深度學習、數據分析以及數據分析，這與產業特性有關，例如醫療照護產 組織招募的TOP3人才GenAI數據分析深度學習 業透過深度學習進行影像辨識、新藥開發、開刀手術等，交通運輸產業透過歷史與即時數據分析找出最佳路徑以優化營運成本跟準時交貨，以及製造業透過數據分析透明化跨據點生產營運現況、能源碳排表現，以及最佳化庫存管理等有利於實現營運韌性的投資。 第二，調查結果顯示，17台灣組織員工屬於非常不熟悉人工智慧技術、49不熟悉人工智慧技術、28表示熟悉人工智慧技術、4非常熟悉人工智慧技術，以及2組織正在釐清員工對人工智慧技術的掌握度，這個數據顯示近7成的組織員工仍處於非常不熟悉或不熟悉人工智慧技術，需要透過系統化培訓機制以提升技能、讓其可以人工智慧技術提升生產力、優化工作體驗，同時，讓組織可以享受人工智慧技術帶來的綜效。 進一步細看各產業現況，僅電信傳播（59）、金融服務（47）、政府/教育（46）以及醫療照護（40）產業的員工熟悉與非常熟悉的人數比例高於整體平均（32）。 從部門別的角度來看，資訊單位從業員對於人工智慧技術的熟悉度相對高，熟悉與非常熟悉的比例為42，其次則是資訊單位（41）、行銷與銷售單位（31）以及財務等行政單位（13）的員工。這與人工智慧技術屬於資訊（IT）範疇、對整體資訊系統架構與應用服務帶來一定的影響，需要資訊人員協助評估與導入。 從職務別的角度來看的話，一般/專業員工（31）熟悉與非常熟悉人工智慧技術的比例（37）較經營階層（32）與管理階層（31）高，理由有二：首先，缺工促使員工嘗試以人工智慧技術減輕工作負載；其次，為了不被取代、在人工智慧浪潮中找到自己的定位，也有不少員工主動學習人工智慧技術、設法升級技能、有更寬廣的舞台。 第三，如上述，整體來看，仍有66台灣組織員工處於非常不熟悉跟不熟悉人工智慧技術與應用，因此，如何系統化培訓員工技能變得非常重要，調查結果顯示，台灣組織的TOP3培育方式是參加外部顧問/機構提供的實體培訓課程（49）、使用外部線上教育訓 練教材或平台課程（48）以及自行舉辦內部培訓課程（40）。 因應各個產業的員工技能與學習方式不同，台灣組織偏好的培訓課程優先順序不一，例如電信傳播產業的員工技能相對成熟，因此，偏好的培訓方式是以內部培訓課程為主，其次是外部顧問到組織內進行培訓課程，以及參加外部顧問/機構提供的實體培訓課程。而醫療照護產業因為數據資料涉及機敏安全且人工智慧技術的專業度高，因此，偏好以招募取代培訓、快速且精準的提升醫療照護機構的人工智慧能力。 五大技術類型導入偏好調查近5成企業欲導入GenAI偏好在公有雲/第三方平台客製 人工智慧技術含括的範疇極廣，為深入了解台灣組織偏好的技術，本調查依照功能不同，將人工智慧技術分成五個類型：透過語音跟影像辨識技術提升作業效率與效能的辨識型AI，如門禁辨識等；利用歷史資料提供未來的預測型AI，如個人化行銷推薦等；利用預先訓練的數據模型生成語言、圖像、程式碼的生成型AI，如企業大腦應用；利用AI與Chatbot跟使用者互動的互動型AI，如智慧客服機器人；整合RPA與AI實現自動化以優化效率的行動型AI，如AI驅動的自動派車服務等，調查結果顯示：在台灣組織已經導入的人工智慧技術中，生成型AI（49）占比最高，其次是互動型AI（30）跟辨識型AI（29）。 不過，受到產業特性與商業模式等不同，各個產業導入的TOP3 AI優先順序不盡相同，例如金融服務產業更側重於辨識型AI的應用，如KYC分析與個人化行銷推薦等，以及交通運輸業因為商業模式需要，偏好導入的是有助於司機、夥伴、顧客溝通的互動型AI。 進一步詢問台灣組織開發與部署人工智慧技術與應用的方式，23組織偏好從零到有的自行開發人工智慧應用，尤其是製造業（25），42組織偏好透過公有雲平台或者是第三方夥伴軟體進行客製，尤其是醫療照護跟電信傳播產業，28組織偏好直接採購內建人工智慧技術的套裝軟體，尤其是金融服務產業；其餘7組織仍在評估。 從上述數據可以看到，超過六成組織或其夥伴需要人工智慧平台/工具進行客製化開 49組織在評估/導入生成式AI技術 發，至於該如何選擇最佳平台工具，調查顯示，台灣組織用來評估平台工具的TOP5指標分別是安全性（58）、整體持有成本（54）、穩定性（54）、配合商業模式挑選平台（49）跟擴充性（39）。 從資訊環境這個角度來看，台灣組織在多個環境中部署人工智慧技術與應用，整體來說，42台灣組