導入人工智慧之前：調整企業的思維框架

陳昇瑋

2019-05-14

台灣向來偏重製造及代工產業，ROI及KPI幾乎是各大型企業奉為圭臬的神主牌，製程優化、提升效率、降低成本是不曾改變的目標。然而，在導入任何新技術時，若太早以ROI及各種KPI在短期內做成效的要求，容易在導入時期，尚未發展潛力時，就被扼殺掉。因此，建議企業在擬定導入AI的策略之前，必須先了解人工智慧的本質與限制，破除似是而非的迷思，更要避免短期內的過高期待。

我們常高估一年內能做的事情，同時低估十年會可能發生的改變。對於新技術所帶來的影響也時有同樣的錯估。

被ROI綁住的人工智慧

改變思維的第一個關鍵是重新思考投資回報率。多年耕耘代工製造的台灣企業，相當嫻熟投資回報率評估標準（ROI)，任何一筆投資都要經過投資效益精密計算才能進行，這也就是大家熟悉的「錢花在刀口上」。

然而，以資料與機器學習做為基礎的人工智慧，本質上要事先評估ROI卻是難上加難。人工智慧專案的開始往往就要花許多時間蒐集、清理資料，而這些資料清理的成本在沒有真正投入前往往無法預估。就算資料順利整理好，也建立出良好的機器學習模型，但從小專案成功到大型專案真正導入營運的過程中，一定會影響營運流程甚至組織的調整，真正要花的成本有多少？能夠增加的收益有多少？恐怕沒有人能夠在事先就有精確的估計。

而如果企業以製造思維，對於任何新技術的投資都以三個月或半年為期，進行嚴格的ROI考核，很可能使得成功的小專案中途腰斬，在來不及對整個組織產生財務影響前就無疾而終，甚至使得企業從此視人工智慧為畏途，錯過了這波成長轉型的大好機會。

ROI對於企業的經營有著不可取代的重要性，那麼如何避免ROI扼殺組織創新的機會？我建議可以根據專案類型進行調整，對於具有巨大潛力的新型科技，不妨採取像是未來稅或創新稅(innovation tax)的方式，以每年毛利或營業額的特定比例，如百分之一或千分之一投入創新，而這個專案則不列入ROI計算，以維持企業持續在下個世代領先創新的動力。

例如，中國招商銀行每年都會投入一定比例的稅前利潤，成立金融科技創新項目基金。2017年投入前一年稅前利潤的1%，約7.9億人民幣；2018年又將投資提高到前一年營業淨收入的1%，約22.1億人民幣，專款用以發展科技創新技術與應用，包括人工智慧、區塊鏈等各式金融創新研發專案。

對中大型企業來說，人工智慧先導專案早期能增加的營收或降低的成本，要成為公司的獲利引擎十分困難，但真正應該關注的是潛在效益，例如未來可減少的大量人力需求、降低操作員的工安風險、減少生產過程對能源的依賴、提升產品線反應市場需求的速度等等，這些效益極可能是短期ROI所無法估計，卻可能是企業決戰下一個十年的致勝關鍵。

主管的思維須與時俱進

第二個思維調整關鍵則在企業經理人對人工智慧必須有正確的認知。根據研究，直屬主管是直接影響人才是否願意留任企業的最關鍵要素，甚至超過一般認知中最為重要的薪資、福利等因素，而在面對人工智慧浪潮洶洶來襲的此刻，企業經理人更是不能掉以輕心。

對於人工智慧，經理人們要能掌握核心知識，要能知道人工智慧的能與不能，它的潛在成本與效益，如何在業務中運用它才能帶來最大效益，也就是評估解決方案的能力，才能引導團隊往對的方向前進。當然，人工智慧的技術實現如何達成，經理人只要有概念即可，不需要事必躬親，不會寫程式並不是問題，這點倒是不用過度擔心。

技術債要先還清

同時，企業必須做好心理準備，別想越級打怪。大數據、機器學習及人工智慧是不可分割的，大數據是資訊來源，機器學習是資料的處理方法，藉以萃取出複雜的規則，讓電腦展現出擬似人類智慧的行為。換句話說，大數據及機器學習是發展人工智慧的必要條件，人工智慧技術領先的企業，同時也必然是大數據及機器學習的領先者，沒有人能夠跳過這兩者而直接開發出先進的人工智慧系統。

因此，企業想要導入人工智慧，過去欠的技術債，必須先盤點還清。更直白說，若企業的e化程度過於淺層，無法搭建夠完整的資料基礎建設，人工智慧的導入自然相當容易就卡關。我們都知道e化不是0或1，一樣宣稱做e化的企業，層次可以天差地遠，是只有把數字敲入Excel表格的那種淺層e化？是資料倉儲每個月會蒐集資料、整理出報表的e化？擁有資訊儀表板，隨時可以檢視企業重要營運數字的e化？或是在企業流程中融入資料收集及以資料做輔助決策的那種e化？成熟的e化以及成熟的資料基礎建設，是人工智慧導入的必要條件。

同樣的，人工智慧的導入也與e化一樣，不是0或1，也不見得是一分錢一分貨，只要花大錢就能確保成果。依據導入廣度、深度與成熟度的差異，展現的成果與效益也會有相當大的差距。