AI創新的四個施力點

根據安永針對約五百名美國企業主管所進行的AI Pulse Survey調查，有高達83%的受訪者表示，如果他們擁有更強大的數據基礎設施，AI相關的應用建置速度會更快，也有67%的受訪者表示他們有能力更快地建置AI應用，但缺乏數據基礎設施阻礙了他們的發展。

數據基礎設施的建置與AI建置的程度高度相關，這和安永服務客戶時看到的狀況一致，尤其是在多個平臺營運或仍存在大量人工流程營運的大型複雜組織，對此更有所感。要發展成為具AI能力的組織，需要針對關鍵數據制定明確的策略和排序，以提升關鍵數據的成熟度，並對此策略進行投資。

換句話說，為了能夠加快AI應用，完善數據基礎設施也就至關重要，但這對大多數公司來說都是一個巨大的挑戰。也因為如此，不論是從內部與外部取得足夠資源，以持續取得進展，是刻不容緩的優先事項。

舉例來說，一家位於北歐的保險業領導者，希望藉由AI提升理賠流程效率。原先的工作流程需要人工處理每個理賠申請，尤其是這些申請來自於形色各異的非結構化數據，且這些理賠資料的範圍相當廣泛與多樣化，例如包含了帳單、發票、藥局和診所的收據，以及各種醫療診斷文件等，需要進行詳細檢查和分類，相當耗時。由於該公司原有的數據基礎設施能力有限，無法針對各類文件自動進行分類並數據化，便導致團隊難以快速處理索賠。

這家保險公司與安永團隊合作，分析其現有的數據基礎設施和業務需求。目標是開發一種基於AI的解決方案，可以簡化他們的理賠流程，更自動地執行日常任務，讓員工得以騰出時間，專注在客戶關係的建立與維繫。

改變保險公司的傳統工作環境需要一個強大的AI驅動解決方案，安永團隊提供解決方案，能將半結構化和非結構化文件轉換為結構化數據，藉此簡化上述的理賠流程。

只要將掃描的文件上傳，系統便開始檢測相關數據並整理圖像，包括刪除圖像背景、校正文字、減少雜色等，接著進行文件內容分析和布局分析，使用光學字元識別（OCR）和自然語言處理（NLP）技術，對非結構化數據進行轉換和分類，最後將結構化數據傳輸到保險公司的核心理賠系統。自從解決方案實施以來，輸入系統的數據資料中有70%被正確記錄，這代表著過去的人工輸入工作可以大幅度減少。

除了金融業以外，許多產業也正嘗試著AI創新，零售業便是其中之一。透過機器學習和數據挖掘，零售商能夠對顧客的購物數據深入分析，識別出購買模式和偏好。這使得零售商能夠向顧客提供高度個性化的商品推薦，從而提升顧客滿意度和忠誠度。這種精準的個性化行銷策略不僅增強了顧客的購物體驗，也有效提高了轉化率和銷售額。

舉例來說，為了提升營運效率和市場競爭力，安永協助臺灣的一家品牌零售業開始著手建置AI驅動的數據基礎設施。透過時間序列分析和預測模型，這家零售商能夠準確預測各商品的需求，實現智能庫存管理。這種預測能力不僅幫助零售商減少庫存過剩和缺貨的情況，降低了庫存成本，還確保了商品供應的及時性。此外，AI驅動的動態定價系統能夠根據市場需求、庫存狀況和競爭對手的價格動態調整商品價格，從而保持市場競爭力。

隨著企業對AI的投入與應用不斷增加，高階領導者此刻正在評估AI對於道德的影響和潛在風險，同時關注員工如何負責任地使用AI技術，以及如何與客戶透明地溝通。

不少高階領導者（61%）表示，他們對於「負責任AI」的關注度在過去一年中有所增加（六個月前這個比例為53%）。而且，受訪者表示，2025年他們對負責任AI的關注將繼續增加。大約一半的受訪者表示，他們所在的組織在2025年對AI帶來的風險更加關注，這比之前的調查增加了3個百分點。此外，也有更多的組織（58%）表示，他們在過去一年中花費了更多時間培訓員工負責任地使用AI（六個月前這個比例為49%）。

多數時候，負責任的AI是當AI的應用發展到某個階段後才被管理階層意識到其重要性，而不是一開始就設計了對應的內部控制，並建立於系統之中。同時，如果沒有一套可靠的客觀標準，它可能很難定義。因此，針對AI創建一個具有明確規範的使用框架，同時與組織的價值觀保持一致，是一個很好的開始。

調查顯示，對於負責任的AI使用，也就是AI治理，高階領導者關注了以下重點領域，包括：對於「持續監控」的投資、以人為本的心態來確保持續性的透明度和當責，以及創建以真實場景為基礎的員工培訓計畫等。

不僅企業界關注AI治理的議題，世界各地的監理機關也展開了對於AI監理，包含了美國、中國、英國、加拿大、日本、韓國、印度、新加坡等許多國家，都開始推動AI相關法案，雖然不同國家對於嚴格規範或方向指引這監理天秤的兩端各有不同的斟酌，但仍可以看見各國對AI監理的高度重視。

而在臺灣，政府經徵詢各界意見，由國家科學及技術委員會於2024年提出人工智慧基本法草案，揭示永續發展與福祉、人類自主、隱私保護與資料治理、資安與安全、透明與可解釋、公平與不歧視及問責等七大基本原則，以及創新合作及人才培育、風險管理及應用負責、權益保障及資料利用、法規調適及業務檢視之四大推動重點，做為引導我國各機關發展與促進人工智慧應用之原則。

此外，為協助金融機構善用AI科技優勢，並能有效管理風險、確保公平、保護消費者權益、維護系統安全及實現永續發展，2023年金融監督管理委員會公布了金融業運用人工智慧(AI)之核心原則及政策，包含了金融業運用AI之6項核心原則及8項配套政策。並於2024年發布金融業運用人工智慧(AI)指引，期能督促金融機構強化風險控管、消費者保護、資訊安全及弱勢族群數位權益，並引導業者在兼顧消費者權益及金融市場秩序下，投入科技創新，提升金融服務效率、品質及競爭力。而如銀行商業同業公會也參考指引訂定了金融機構運用人工智慧技術作業規範，可見除了政府的監督外，業者也朝著自律的方向邁進，臺灣在負責任AI（AI治理）的範疇中發展，已經是現在進行式。

圍繞AI的大部分討論都與生產力提升有關，但諷刺的是，對於許多領導者和員工來說，接觸AI感覺就像多了另一項全職工作。領導者與員工在充滿挑戰的商業環境中，除了日常工作之外，還需要花時間搞懂AI、應用AI。事實上，一半的受訪者表示，儘管投資報酬率上升，但他們的組織對建置AI應用的熱情已經下降。

近九成的受訪者表示，組織鼓勵員工每天使用AI。但超過一半的高階領導者（53%）也表示，員工對不斷湧入的AI新知，感到不知所措或筋疲力竭。

這些掙扎在高階領導者中引發了「冒名頂替症候群」的心理現象：54%的受訪者表示，當談論到建置AI，有時會覺得自己身為領導者的角色失敗了。不僅如此，73%的受訪者擔心在AI技能方面沒有足夠的培訓或技能提升，63%的受訪者擔心無法獲得AI學習機會。總體而言，八成的受訪者表示，如果他們有更多的AI培訓和技能提升機會，他們會更願意在工作中使用AI。有趣的是，我們知道高階主管們在概念上理解AI，但他們真正使用AI的機會反而是最小的，這暴露了高階主管們有多麼容易陷入「冒名頂替症候群」的陷阱。

試著回想一下，多數人可能還記得第一次下指令請GenAI寫詩，或者請它推薦旅遊行程時的驚奇感。這類活動可以誘發人們的本能，一種期盼參與新鮮有趣、令人興奮的事物的本能，並且是在「自然而然」的情況下使用AI。

為了幫助員工更瞭解AI工具，尤其是新一波Gen AI應用程式，組織可以與第三方合作，開設AI的自主學習課程，激發員工的好奇心，提高使用AI的熟練程度，讓員工有機會演練並回答問題。高層領導者也可以示範他們如何將技術整合到他們的日常工作中。

舉例來說，一家全球消費性品牌委託安永團隊，希望可以運用GenAI為員工分憂解勞，讓他們能夠有更多時間從事較高階與更有價值的工作，進一步提高生產力和員工留任率。安永團隊針對這家公司進行高階主管訪談、員工小組訪談和量化調查，總共聽取了組織中數百名不同成員的意見。過程中發現，員工平均每週花三天的時間在行政和日常任務上，但這些工作並沒有為企業增加價值，也沒有讓員工受益。

安永團隊根據上述調查結果，規劃多種GenAI方案，幾經考量優先順序後，決定實施其中兩個方案作為試點專案，一為企業整體廣泛應用以提升行政效率的專案，另一專案則為特定目的所建構。

這些方案涵蓋了將如何影響業務流程、導入過程中的技術困難程度、推動時間表、預期投資報酬率以及對質化因素的評分，例如員工幸福感和留存率。以企業整體廣泛應用的專案為例，平均投資報酬率超過150%，每週透過GenAI的幫助，對於日常任務的投入節省多達3小時，員工流動率降低15%到20%，工作品質提高40%。

許多組織的高階主管關心，AI提升效率的同時，耗電量也在顯著增加，在推動AI發展與永續節能這兩個最炙手可熱的議題下，二者間可能的衝突不容忽視。畢竟支援AI的數據中心將作為吃電怪獸消耗大量能源，可能會增加永續成本，並且拖累永續發展目標。74%的高階領導者表示，在未來的12個月，AI將影響其組織的能源消耗。

為了在「數位未來」與「永續未來」之間取得一個更好的平衡，國際上許多「超大規模」的大型科技業者正在評估重啟或建設核電設施。同時，公用事業公司和獨立發電業者也期望滿足用電量不斷增長的需求，在這當中，政府通常會提供鼓勵措施。在各方都積極參與下，用電量大增的挑戰或許可能轉化為機會。

有意建置AI應用的組織也可以互相合作，共同投資清潔能源基礎設施，或與再生能源開發商合作，增加清潔能源的使用比例，例如採用太陽能、風力發電設施等。在採用的過程當中，組織還有機會取得綠色建築或是再生能源發電的稅賦相關優惠，增加採用節能設備的誘因。

在臺灣，除了近年來太陽能、風能等案場建置，以擴大清潔能源的來源，以達到開源的目標外，亦有不少高科技公司推出提升能源效率的解決方案，為企業節約能源成本，並達到節流的效果，恰好呼應了這波AI熱潮。而未來隨著建置AI應用的組織越來越多，用電量勢必也會大幅增加，到底增加的需求要如何滿足，將是接下來臺灣各界都必須深切思考的課題。