導入最新AI模型非萬靈丹 企業應重構流程審視成本效益

商傳媒｜葉安庭／綜合外電報導

企業界在導入人工智慧（AI）時，常會陷入盲目追逐最新模型的迷思。然而，專家指出，技術上更優異的 AI 模型，未必能自動轉化為最佳的商業決策。這當中涉及複雜的 AI 模型導入的成本效益分析，若未能審慎評估，反而可能帶來負面影響。

根據《Entrepreneur》報導，許多創辦人誤以為 AI 模型精準度的每次提升都值得推向生產環境，卻忽略了部署新模型所衍生的龐大成本。這些成本不僅止於模型的訓練費用，還包括安全與整合測試、封裝、部署至測試環境、驗證、監控規則更新、文件製作以及潛在的回溯計畫。有時，即使投入巨額成本部署了微幅改良的模型，客戶卻可能感受不到任何實際差異。

《Entrepreneur》進一步強調，企業領導者在做商業決策的權衡取捨時，應將模型的技術精準度與其商業價值區分開來。例如，在處理高風險的金融詐欺交易時，即便召回率（recall）僅有微小提升，也能因為交易量龐大而創造可觀價值。但若應用在客服單摘要這類系統，即便技術上有所改進，實務上卻可能無法帶來顯著的營運效率提升或成本節省。因此，在核准新模型前，評估其對業務成果（例如減少詐欺損失、提高銷售轉換率、節省員工工時、預防客戶抱怨等）所能帶來的具體價值至關重要。

此外，根據《Business.inquirer.net》的分析，企業對於 AI 的提問不應僅限於「應使用哪些 AI 工具」，而應思考「若今天重新建立這家公司，並在第一天就擁有 AI，將會如何重新設計」。這代表企業需從根本上重新設計工作流程，成為「AI 原生」（AI-native）的公司。首先是讓公司知識對 AI 而言「可理解」，意即建立一個可靠的「公司大腦」，集中捕捉與管理重要的會議記錄、決策原因、客戶回饋、銷售紀錄等知識，確保治理、隱私與安全性。

其次，應從一次性的 AI 任務轉向建立「AI 循環」（AI loops）。這類工作流程讓資訊流入後，AI 進行處理、採取行動，再測量結果並使其在下一個循環中變得更智慧，從而實現真正的生產力提升。第三，在增補人力前，企業執行長應思考該職位有多少工作能由 AI 完成，並將人類員工的優勢（判斷力、人際關係、領導力、創造力等）發揮到極致。第四，AI 轉型不能僅由資訊科技部門負責，而是高階主管必須親自參與的業務重塑。最後，企業應從小規模但具高價值的流程著手，實施 AI 輔助版本，逐步擴展其應用範圍。這些全面的業務流程重塑，將成為企業未來競爭力的關鍵。

總體而言，人工智慧的導入不應只是一場追逐最新技術的競賽，而是需要深入考量成本效益、商業價值以及業務流程再造的策略性工程。