AI產業鏈興起
科技專家著重於AI技術研發，產業企業透過應用這些AI技術，解決企業問題，兩者的互動讓AI產業化的趨勢更加明顯，這也代表著產業已從「產業AI化」發展到「AI產業化」。
Gartner在2020、2021年十大科技趨勢指出，透過增進人類賦能（Human Augmentation），讓人們更易使用智慧應用來提升解決問題能力，企業需要具備隨時隨地接受顧客決定的通路進行互動，這就是隨處營運（Anywhere Operation）的能力。在管理角度上提出AI工程概念，在資料、模型、應用的營運管理能在企業內更有效地被運用、管理與發展，而AI安全（AI Security）議題，將是未來AI技術發展與應用過程需要注意的，尤其是要能透明化與可追溯性（Transparency and Traceability），這些科技趨勢提出產業發展與智慧應用指引，讓產業在應用AI科技有更多角度來思索更好的發展。
AI技術不但促使許多產業AI化，也能實際被各項產業應用，產業需求變大。為加速服務產業，AI公司也漸漸形成專門提供AI技術服務，然後由有能力整合產業需求的公司，來提供完整產業智慧應用，而逐漸形成具有上下游的AI產業鏈，此稱之為AI產業化。
2022、2023年CB Insights更進一步將AI 100入選的企業分成三大類，分別是跨行業應用，行業特定應用及AI開發工具。這表示有愈來愈多智慧應用具備支援跨產業能力，如銷售與客服、回饋分析、工程設計、AI助理與人機介面、味覺科技等。從這樣的變化可以發現，智慧應用也將具有在各個行業提供服務的能力，加速產業的智慧應用發展，造就AI跨行業應用的趨勢。
2023年，生成式AI快速崛起，AIGC（AI Generated Content）人工智慧應用所產製的內容也成為企業的發展助力，且與以往AI不同的是， 生成式AI能自行創造出全新且未曾有過的內容。
「賦能」與「創新商模」兩大新助力
生成式AI帶來兩大助力，其一是「賦能」，也就是能快速增強生產力，就好比一位不擅長寫作的求職者，只要將想要表達的主旨和目的告訴ChatGPT的生成式AI工具，就能完成一篇完美的履歷。生成式AI已可以協助生成行銷文稿、推廣文宣、顧客回函等，大幅提升工作效率，減輕工作負擔。
其二是「創新商模」，在生成式AI的幫助下，催生出前所未有的全新商業模式。例如，有餐廳業者希望在官網上建立智能機器人，用以回答客戶對於營業時間等相關問題、協助訂位或預定餐點，除了有效減少服務顧客的人力，也能因提早獲知顧客欲訂餐點，事先準備適當食材。而若預估當日食材可能有剩，就可以透過智能機器人發送優惠訊息給其他潛在顧客，提高他們前來消費的意願，降低餐廳食材的浪費。
從上述情境可以發現，透過智能機器人與顧客互動，可以進行行銷、推廣、服務顧客，提升消費意願，在必要時才由人力介入處理。此種新樣態的企業經營方式，將整合更多科技應用，讓企業發展得以迅速成長。
從2018年的AI智慧應用發展，2019年的產業AI化、2020年開始AI產業化、2021年AI產業形成、2022年AI跨產業應用、2023年生成式AI崛起、2024年顧客價值提升的發展。可以說，這幾年AI與產業間的發展相輔相成，AI技術更成為各產業發展的關鍵，並同時帶來產業變革。
從「數據價值」出發，需要具備的數據思維
隨著第四波人工智慧熱潮的興起，愈來愈多的產業將資金投入到人工智慧的研究當中，自第三波熱潮開始，人工智慧走出實驗室，並在各個不同的產業領域，如生醫、金融、農業、製造業等大放異彩。然而，人工智慧並非萬靈丹，仍有其限制，除了需仰賴大量數據之外，如何對數據做正確且有效的解讀，也是各個企業正面臨的問題。
對於希望將人工智慧導入自身企業的管理者而言，若對人工智慧及數據分析相關知識沒有基本的認知，很可能會對AI技術有所誤解，進而造成誤判，無法實現期待的成果。
當我們認識到數據如何運用分析技術來應用，而數據應用的背後必須要建構正確的思維，從解決問題出發來收集數據、處理數據、運用數據，就是「數據思維」，先累積營運數據，探求數據的應用，再完善數據收集。
2001年麥塔集團（META Group）的分析員道格．萊尼（Doug Laney）指出大數據有三個特性：資料量（Volume）、數據輸入輸出的速度（Velocity）與多樣性（Variety），合稱「3V」。而之後出現第四個「V」，不同機構有著不同的定義，像是真實性（Veracity）或價值（Value）等。而我們更建議讀者，從數據價值（Value）來看待數據，因為我們認為，數據價值的重要性高於其他3V，且是3V價值的綜合展現，將數據價值發揮，才能為企業創造價值。
要知道如何使用資料，首先必須要了解資料來源為何、資料型態是什麼，才能夠從中找到對應的技術以及方法，去做數據分析和數據視覺化的呈現，並將這些資料的價值找出來。
但千萬不要以為有了資料就開始迫不及待的進行分析。更重要的是，我們必須知道想要解決什麼問題？從解決問題的目標去找尋能用的資料，再從資料中找尋答案，這才是正確使用資料的第一步，也是數據思維很重要的一步。
當我們擁有數據，就應該思考如何去運用，讓這些數據除了對營運有所幫助外，更要進一步思考企業的未來發展，或是為目前的主業之外創造可能的機會與價值，這些可說是非主業的黃金，而這些黃金甚至可能比主業還值錢。
數據運用除了思考與主業相關的營運外，更重要的是思考能否創造出「非主業的黃金」，我們可以從「數據效用」、「數據驅動新商模」兩個角度來思考。
「數據效用」是讓企業對於數據有更多運用的思維；「數據驅動新商模」，則是藉由累積大量的數據或服務平台，轉換為數位資產，成為可使用的資料或提供新服務，提供給有需求的用戶。以這兩個角度來建構與思考數據運用，就是數據思維的最佳應用。
數據的真正力量，不在於規模的大小，而在於其轉化為決策價值的深度。唯有建立正確的數據思維，將冷冰冰的資訊煉金為具備預測力與創造力的營運智慧，才能在變幻莫測的數位時代，掌握跨界創新的主動權，實現企業長青。
本文出自：《AI 2.0時代的新商業思維》／天下雜誌出版社
