隨著 AI 投資趨勢進一步演進至 2025 年，高階主管在 AI 實作的策略性決策上，面臨越來越大的壓力。隨著企業快速採用人工智能工具 - 22% 的企業廣泛實施，33% 的企業有限使用 - 了解如何評估和實施人工智能解決方案已成為維持競爭優勢的關鍵。在 Andrew Burgess 所著的《The Executive Guide to Artificial Intelligence》一書中，作者為希望瞭解並在組織中實施 AI 解決方案的企業高管提供了全面的指南。

‍

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：

‍

1. 圖像辨識
2. 語音辨識
3. 搜尋與資訊擷取
4. 聚類
5. 自然語言理解
6. 優化
7. 預測
8. 了解（今天）

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 投資決策的策略架構

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：

1. 定義業務問題
2. 成功的指標
3. 實施要求
4. 風險評估

‍

注意：這個四個問題的架構來自於現有的知識，Burgess 的書中並沒有明確提出。

‍

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：

1. 與企業策略一致- 瞭解 AI 如何支援現有的企業目標
2. 瞭解 IA 的雄心 - 如果需要，請定義：
   • 改善現有流程
   • 轉型業務功能
   • 創造新的服務/產品
3. IA 成熟度評估 - 以 0 到 5 的等級來確定組織目前的成熟度：
   • 手動處理 (0 級)
   • 傳統 IT 自動化 (Level 1)
   • 基本隔離自動化 (Level 2)
   • 自動化工具的戰術實施（第 3 級）
   • 各種自動化技術的戰術實施（第 4 級）
   • 端對端策略自動化（第 5 級）
4. 建立 IA 熱圖- 識別機會最大的領域
5. 開發商業案例- 評估「硬」與「軟」效益
6. 變革管理- 規劃組織如何適應
7. 制定 IA 路線圖- 制定中長期計劃

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 道德與法規（例如歐盟 AI 法）
• AI 的環境永續性
• 負責任的 AI 策略
• 與量子運算等新興技術整合

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：

硬體效益：

• 降低成本
• 避免成本
• 客戶滿意度
• 合規性
• 風險緩解
• 損失減輕
• 減少收入損失
• 創造營收

軟性效益：

• 文化變遷
• 競爭優勢
• 光暈效果
• 啟用其他效益
• 實現數位轉型

到目前為止：

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：

1. 現成的 AI 軟體-現成的解決方案
2. AI 平台- 由大型科技公司提供
3. 自訂IA 開發- 自訂解決方案

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

• 無程式碼/低程式碼解決方案的 AI 工具民主化
• AI 雲端平台的大幅改善
• 生成式 AI 和 GPT、DALL-E 等模型的成長。
• 自動化部分資料科學流程的 AutoML 解決方案崛起

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：

1. 資料品質
2. 缺乏透明度- 演算法的「黑箱」特性
3. 非故意的偏見
4. 人工智能的天真- 上下文理解的限制
5. 過度依賴人工智能
6. 錯誤的技術選擇
7. 惡意行為

從 2018 年到 2025 年的演變：

自從寫了這本書之後

• 對演算法偏見的疑慮已成為重要問題（待決定）
• 隨著威脅增加，AI 安全已變得非常重要
• AI 法規已成為關鍵因素
• 深度偽造和生成式 AI 虛假資訊的風險已變得重大
• 隨著人工智慧的廣泛使用，隱私權的疑慮也隨之增加

建立有效的 IA 組織

‍

摘自 Burgess (2018) 的著作：

Burgess 建議：

• 與供應商和合作夥伴共建 AI 生態系統
• 建立卓越中心 (CoE)，並設立專門團隊
• 考慮擔任首席資料官 (CDO) 或首席自動化官 (CAO) 等職務

從 2018 年到 2025 年的演變：

從那時起

• 首席 AI 官 (CAIO) 的角色已屢見不鮮
• AI 現在通常已整合至整個組織，而非孤立於 CoE 之中。
• 人工智能的民主化帶來了更多分散式的營運模式
• 所有員工人工智慧素養的重要性浮現

總結

摘自 Burgess (2018) 的著作：

Burgess 最後說到：

• 不要相信炒作，而要專注於真正的業務問題
• 儘快開始 IA 通路
• 透過了解 AI，讓公司面向未來
• 在樂觀與現實之間採取平衡的方法

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。