大家都說2018是AI元年,經歷了一整年的醞釀及激盪,我們可以看到關於AI的每一件事都在沸騰,研討會、線上/線下人才培訓、外商設置研發中心、許多公司大談AI規劃等等。最近數月開始感受到氣氛的不同,「人工智慧很重要」這件事無須多言,它的應用多元及潛力無窮大家也都明白,重點是,它要如何落地?長期的觀察下來,我可以很有信心地說,2019年將是各產業AI應用風起雲湧的一年,走在前段班的企業們開始看見正面的AI投資成效,同時更引領相對保守的產業及公司躍躍欲試。
我從2017年3月與孔祥重院士成立團隊協助企業導入AI開始,為讓人工智慧遍及全台灣,台灣人工智慧學校應運而生。截至今年1月,不到一年的時間已培養2,500位來自不同產業之人才。透過四個月密集的課程、交流及實作,讓所有的學員能在各行各業擔任人工智慧種子,帶動台灣人工智慧的發展。
目前,台灣已有許多企業積極投入產業AI化行列,進行成功的前導性研究與AI專案,應用範圍也從早期的行銷及製程優化,快速延伸到財務、風險、銷售、職安、作業流程、上下游管理、市場預測等不同面向。
為瞭解台灣產業AI化的進程及狀況,我們近期針對結業校友以問卷方式進行「AI人才概況調查」,是台灣首度進行、最貼近企業現場的AI人才實況調查。
根據問卷統計,有72%的校友在結業之後,在原公司繼續服務;另有15%找到新工作,有4%的校友選擇自行創業,另有10%左右是等待機會或回學校進修等等。
可惜的是,只有四分之三的校友表示,結業後的工作與AI高度或部分相關,另外四分之一從事與AI無關的工作。這表示,雖然有許多公司找不到AI人才,同時也有為數不少的企業還不清楚如何運用這些AI人才,或者沒有具體規劃,或者投入規模不足,或者因為各式技術或資源因素無法具體開展AI的應用。
我們進一步調查校友們於業界推動AI應用的挑戰,讓人訝異的是,雖然大數據的觀念應早已深入人心,導入AI最常見的瓶頸仍是資料成熟度;近六成的校友表示,資料取得不易或資料品質不佳,讓他們無法順利推展AI應用。這表示大數據這詞雖然社會大眾琅琅上口,但實際落地程度仍然與理想有一大段距離,如同還有太多公司連20年前開始推廣的e化都還沒落實。
其次,校友們在企業裡真實遇到的困難還包括資源不足 (43%)、找不到人才(39%)、IT基礎建設不足 (38%)、管理階層支持不足 (32%)、找不到合適題目(34%) 及以成果無法上線(14%) 等等。其中,人才不足的問題,台灣人工智慧學校今年預計將訓練5,000位AI人才,再加上許多自學者的投入,以及企業舞台的實戰培養,人才短缺也許再一兩年就會慢慢解決。
而資源不足與IT基礎建設不足基本上與管理階層的認知與支持高度相關。再大的公司,資源也沒有夠用的,因此,創新必須以策略來支持。固定比例的營業額或利潤來支持創新是一種作法(如招商集團),另一種有意思的作法是先導引AI應用來做節流(通常比開源容易得多),並將節省下來的開銷的固定比例拿來支持之後的AI創新應用。
IT與資料基礎建設不足,或是策略支持不足,因而無法順利發展創新的應用,那真的就只能請高階管理階層看看這個世界,深切地瞭解它的動量以及企業將被帶到哪裡去。
在這個觀念、技術與市場都急劇變動的時代,甚至連產業之間的界限都變得模糊,最大的風險就是不敢踏出改變的第一步。
(作者是台灣人工智慧學校執行長、人工智慧科技基金會執行長及中央研究院資訊科學研究所研究員)
沒有留言:
張貼留言