top of page

如何以AI推動業務

Updated: Apr 28

人工智能(AI)是商業發展的未來,從金融到醫療再到智慧城市,無不如此。很多人都開始相信,它們今天的營運模式5年後不復存在。據統計,較早採用人工智能的企業,已經看到生產率、性能和業務成果提高了5%至10%。這些企業使用的AI工具包括聊天機械人、風險預測、資料類比演算法,以及自動化製造等。 許多公司都在關注人工智能怎樣影響未來的商業模式,但大部分公司對人工智能的作用缺乏充分理解,其實技術顛覆並不是什麼新鮮事,但人工智能所衍生的變革速度,可能絕不尋常。情況有點像蒸汽機及電力的發明,直接開啟了十八世紀的工業革命,更為資訊化時代提供無限可能。 因此,我建議企業在初次嘗試使用人工智能之前,首先問自己一個問題:你試圖解決的問題是什麼?然後看看人工智能可以如何在這方面發揮作用,最好從小改進開始,透過親身行動來加深理解,並以此盤算自己的人工智能整體規劃。關鍵是你要知道自己需要什麼,而不是技術可以做什麼。問題定義清晰了,事情就已經解決了一半。企業可以採取幾個簡單步驟,為未來人工智能的發展投石問路:

  1. 要把人工智能成為商業的重要推動力,需要時間醞釀,惟首先要有企業最高層發揮領導力,推動專案開始。2.選擇一些你認為可以逐步改善業務的小領域,用數據去定義及評估怎樣才算成功,這樣可以更有利從錯誤中學習。從明確的目標回溯,建立資訊資源,然後關注資訊品質。以資訊驅動配合人工智能產生業務價值,解決目標問題。4. 基於小領域的成功經驗,擴大試點,同時關注員工對於試點的感受。5. 技術人才永遠都不足,根據企業的業務方向,建立匹配的資訊戰略。6. 立即開始行動非常重要,這樣你就不致落後對手。設想人工智能如何能使你的業務受益至關重要。關於人工智能如何落地,最重要的不是技術,而是解決業務問題的思路。

Recent Posts

See All
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
智能代理編程戰 懂人機協作致勝

上周把兩個消息放在一起看,很有意思。 第一個,Anthropic宣布Claude Code推出Artifacts,讓軟件工程師在寫程式的過程中,業務主管能同時打開網頁儀表板,就能看到軟件即時更新及開發的狀態。 第二個,中國人民大學和微軟亞洲研究院聯合推出一個叫Arbor開源自主人工智能體的新框架,系統能自動提出假設、修改代碼,運行真實實驗並從結果中學習,自動優化解決問題。 過去一年大家比併的是模型

 
 
集結舊手機算力 媲美當今伺服器

你可曾想過,你抽屜裏那部4年前的舊手機,可能很有價值? 這個星期,Google Research聯同加州大學聖地牙哥分校(UCSD)公布一項創新計劃:運用2000部退役的Pixel手機,構建一個真實可用的雲端計算平台。這不僅是概念驗證,更是一個供數百名學者與研究人員實際操作的生產級環境。處理方式十分直接,將舊手機的熒幕、電池、外殼全部移除,僅保留主機板,透過Kubernetes技術組成叢集,直接轉

 
 
bottom of page