企業導入 AI 緊抓三主軸

AI技術快速發展，各種AI工具應運而生，許多企業員工對AI使用率已大幅提升，企業亦期待利用AI解決實際的業務問題。但許多企業在實際導入AI時，困惑不知如何開始，以及擔憂投入大量資源卻無法獲得預期回報。因此，先理解目前AI在企業應用的發展主軸，有助於評估與擬定AI導入策略。

隨著AI應用深化，通用性AI已無法滿足需求，行業特定或企業專屬的AI解決方案成為新趨勢，專為金融、醫療等行業打造的客製AI快速發展。行業特定AI的優勢在於能深入理解特定業務語境，提升模型準確度和實用性，並符合嚴格的隱私、合規與營運流程要求。

大型語言模型（LLM）受限於訓練時所掌握的公開數據，無法即時更新、不夠完整、正確或涵蓋企業特有或行業內最新資訊，目前企業逐步採用檢索生成增強（RAG）技術強化行業專門應用。RAG透過連結大型語言模型與內外部特定知識庫（如專業技術資料庫、企業內部FAQ、法規資料庫等），先「檢索」並整合相關知識，再「生成」回應，從而使內容更準確、具針對性，並大幅降低模型重新訓練的成本與時間。

RAG生成的回答能附帶檢索來源，讓企業進行風險控管，確保AI輸出資訊的真實性與透明度，使得企業在醫療、金融、法律等高度專業領域中，實現即時且正確的回應。RAG不僅降低模型再訓練成本，提升AI合規透明度，讓企業能快速靈活的部署針對專業場景的AI應用，實現商業價值。

企業導入AI應用，首先要面對的決策便是AI模型該部署在哪裡？企業考量要素包含效能、成本、安全與隱私等。而不同企業對不同要素的標準存在差異。

雲端部署的優點包含：可擴展性、即時更新、成本效益與集中維護等。企業可根據需求快速擴展計算能力與儲存空間，雲端平台會自動更新，企業能隨時取用最新版本的模型與技術；但最大缺點為資安風險，將數據存放在第三方伺服器上可能會面臨資料外流的風險。

地端部署使企業能完全掌控數據和系統，企業可根據自身需求設置安全措施，提升資安保護。缺點在於企業需要有專業的IT團隊管理與維護基礎設施，增加內部人力或外包成本。

混合雲模式被認為是未來主流部署策略。能將敏感數據保留在本地或私有雲中，同時利用公有雲的彈性與擴展性，使企業能滿足法規要求時，享受雲端技術的創新與效率。企業也可根據需求靈活調整資源，降低資本支出，甚至可在高峰期利用公有雲資源，需求低時回撥至私有雲或地端系統。

隨著基礎架構完善，企業AI應用也從被動回應指令進化為自主執行，甚至主動解決問題，將AI從單純的工具，提升為一個具自主規劃、執行複雜任務的代理人。

Agentic AI能在最少人為監督下，自主完成複雜任務，包含：主動拆解任務、呼叫外部工具、監控進度並處理異常、自動生成內容或提供建議等。例如：當企業收到客訴時，Agentic AI能參照企業內部相關知識庫生成回覆信，同時建立工單、查詢庫存、協調物流，以及更新處理進度等。

對企業而言，Agentic AI縮短跨部門協調時間與人力成本，亦能在特定事件（如資安）發生時，啟動應變流程，減少損失。而導入Agentic AI的風險包含：安全、治理與合規、技術整合、員工抗拒等。運作過程可能缺乏透明度，產生錯誤或誤導性結果。此外，成本亦是一大考量，模型呼叫數（token usage）多、流程複雜且耗時，易產生高成本。

企業須明確定義Agentic AI的角色，透過真實資料進行訓練、微調與測試，透過清晰的治理框架與合規措施，將人員導入流程驗證並確認關鍵決策。

企業AI應用正由軟體工具轉向更深層次的工作夥伴，更精準的理解各行業特定知識，提供AI解決方案，再到Agentic AI的自主執行複雜任務。從過去單純解決重複性工作，提升為能自主規劃、協調資源、達成高層次業務目標的「策略夥伴」。企業在追求效率的同時，須正視其自主性帶來的風險，讓AI成為安全、可信賴的工作夥伴。（作者是資策會MIC資深產業分析師）

【未經MIC許可，不得轉載與作其他用途使用】