高階主管投資人工智慧指南：了解 2025 年的價值主張
AI將在全球實現3億個等效工作崗位的自動化，到2030年將有9200萬個崗位被淘汰（WEF數據），高收入國家60%的工作受到影響——但淨結果為正：將出現1.7億個新職位（總計淨增7800萬個）。最易受影響的工作：行政類工作46%的活動可被自動化，包括後勤辦公、客服中心、會計。各行業已可衡量的成果：金融業運營成本降低40%、風險管理效率提升40%，醫療保健診斷時間縮短30-50%，藥物研發時間從5年縮短至不到1年（成本降低60%），軟體開發時間縮短56%、上市時間加速30-60%，製造業停機時間減少80%、年利潤提升8%，行銷業轉化率提升30%、客戶獲取成本降低30%。薪資兩極分化極端：具備AI技能的律師比傳統同行多賺49%。義大利人口案例：到2033年將出現560萬個工作崗位缺口，380萬個崗位的自動化從風險變為必要。2025年所需技能：分析思維、創造力、社交智能——94%的行銷負責人報告對銷售產生積極影響，91%採用AI的企業將在2025年進行招聘。核心問題：不是AI是否會取代人類，而是哪些人會適應變化、哪些人會抗拒變化。
隨著AI投資趨勢在2025年進一步演變，高層管理者面臨越來越大的壓力，需要就人工智慧的實施做出戰略決策。隨著企業對AI工具的快速採用——22%正在廣泛實施，33%正在有限使用——了解如何評估和實施AI解決方案已成為保持競爭優勢的關鍵。在《The Executive Guide to Artificial Intelligence》一書中，作者Andrew Burgess為希望在組織中理解並實施人工智慧解決方案的企業高層提供了一份完整指南。
本書於 2017 年由 Springer International Publishing 出版，提供企業如何利用人工智慧的實用概述。今天發生了什麼變化？
2025 年人工智能的當前投資趨勢
AI 格局正經歷前所未有的成長，各機構為了保持競爭力而進行更多重大投資。
基本知識
Burgess 強調，一開始就必須定義與業務策略一致的明確目標，這項原則至今仍然有效。在書中，他指出了人工智能的八大核心能力：
- 圖像識別
- 語音識別
- 搜尋與資訊擷取
- 聚類分析
- 自然語言理解
- 優化
- 預測
- 理解（現今）
從 2018 年到 2025 年的演變：
自從這本書寫成之後，人工智能已經從新興技術變成主流技術。Burgess 認為是未來性的「理解」能力，隨著大型語言模型 (LLM) 和生成式 AI 技術的出現，已經有了顯著的進展，而這些技術在 2018 年尚未出現。
AI投資決策的戰略框架
四個基本問題
在評估 AI 投資時，關鍵是要專注於這些關鍵問題：
- 企業問題定義
- 成功指標
- 實施需求
- 風險評估
注意：此四問題框架源自當前知識，並未在Burgess的書中明確提出。
建立有效的 AI 策略
採用框架：
Burgess 提出了建立 AI 策略的詳細框架，其中包括：
- 與企業戰略保持一致 - 了解AI如何支持現有的企業目標
- 理解AI雄心 - 確定您希望：
- 改善現有流程
- 轉型企業職能
- 創造新服務/產品
- 評估AI成熟度 - 以0到5的等級確定組織目前的成熟度水平：
- 人工處理（等級0）
- 傳統IT自動化（等級1）
- 孤立的基礎自動化（等級2）
- 自動化工具的戰術性實施（等級3）
- 多種自動化技術的戰術性實施（等級4）
- 端到端戰略性自動化（等級5）
- 建立AI熱點圖 - 識別機會最多的領域
- 制定商業案例 - 評估「硬性」與「軟性」效益
- 變革管理 - 規劃組織如何適應變化
- 制定AI路線圖 - 建立中長期計畫
從 2018 年到 2025 年的演變：
Burgess 的架構在今日仍有令人驚訝的相關性，但需要以下列考量作為補充：
- AI 倫理與法規(如歐盟 AI 法案)
- AI 的環境永續性
- 負責任 AI 策略
- 與量子運算等新興技術的整合
衡量 AI 投資的 ROI
投資報酬率的決定因素：
Burgess 識別出不同類型的 AI 優勢，分為「硬」與「軟」兩種：
硬性效益:
- 降低成本
- 避免成本
- 客戶滿意度
- 合規性
- 風險緩解
- 損失緩解
- 營收損失緩解
- 營收增長
軟性效益:
- 文化變革
- 競爭優勢
- 光環效應
- 帶動其他效益
- 推動數位轉型
AI ROI 的衡量已經變得更加複雜，有了特定的框架來評估生成式 AI 的影響，這在 Burgess 寫這本書時還不存在。
實施 AI 的技術方法
解決方案的類型：
Burgess 提出了實施 AI 的三種主要方法：
- 現成 AI 軟體 - 預先包裝好的解決方案
- AI 平台 - 由大型科技公司提供
- 客製化 AI 開發 - 量身打造的解決方案
對於第一步，他建議考慮：
- 概念驗證(PoC)
- 原型
- 最小可行產品(MVP)
- 最高風險假設測試(RAT)
- 試點
發生了什麼變化：
自 2018 年以來，我們見證了
- 透過無程式碼/低程式碼解決方案實現 AI 工具的民主化
- AI 雲端平台的大幅改善
- 生成式 AI 及 GPT、DALL-E 等模型的成長
- 將部分資料科學流程自動化的 AutoML 解決方案增加
考慮風險與挑戰
人工智慧的風險：
Burgess 用了整整一章來討論人工智能的風險，他指出：
- 資料品質
- 缺乏透明度 - 演算法的「黑盒子」特性
- 非刻意的偏見
- AI 的天真性 - 情境理解的局限
- 對 AI 的過度依賴
- 選錯技術
- 惡意行為
從 2018 年到 2025 年的演變：
自從寫了這本書之後
- 對演算法偏見的擔憂已成為關鍵議題(待深入探討)
- 隨著威脅增加,AI 安全性變得至關重要
- AI 法規已成為關鍵因素
- 深偽技術與生成式 AI 假訊息的風險已變得顯著
- 隨著 AI 使用更加普及,隱私疑慮也隨之增加
建立有效的 IA 組織
摘自 Burgess (2018) 的著作：
Burgess 建議：
- 與供應商及合作夥伴建立 AI 生態系統
- 建立擁有專責團隊的卓越中心(CoE)
- 考慮設立首席資料官(CDO)或首席自動化官(CAO)等職位
從 2018 年到 2025 年的演變：
從那時起
- 首席人工智慧官(CAIO)一職已變得普遍
- AI 現在通常已融入整個組織,而非孤立於某個卓越中心
- AI 的民主化帶來了更加分散的營運模式
- 全體員工的 AI 素養重要性逐漸浮現
總結
摘自 Burgess (2018) 的著作：
Burgess 最後說到：
- 不要盲信炒作,而是聚焦於實際的企業問題
- 盡快啟動 AI 之旅
- 透過理解 AI 為企業做好未來準備
- 在樂觀與務實之間採取平衡的做法
從 2018 年到 2025 年的演變：
Burgess 呼籲「不要相信炒作」，這句話在 2025 年仍然具有令人難以置信的意義，尤其是圍繞著產生式人工智能的過度炒作。然而，採用 AI 的速度已變得更加重要，尚未開始 AI 之旅的公司現在發現，相較於那些遵循 Burgess 建議提早開始（在 2018 年！）的公司，自己處於相當不利的地位。
2025 年的人工智能格局比 2018 年所能預測的更複雜、更成熟，也更能融入企業策略，但 Burgess 所概述的策略調整、價值創造和風險管理等核心原則，仍然出奇地有效。
留言
尚無留言——開始討論吧。