企業 AI 策略過度自信或有盲點風險

HPE 於 2024 年 1 月委託進行市場調查，《構建人工智慧優勢》（Architect an AI Advantage）報告訪問來自 14 個國家或地區的 2 千多名 IT 領袖，發現儘管全球對 AI 的投資與日俱增，但企業卻忽視影響 AI 應用效果的關鍵領域，例如數據成熟度低、網路和計算配置的潛在缺陷，以及倫理和法規遵從等考慮。報告同時揭示 AI 的策略和理解出現重大脫節，影響未來的投資回報。

HPE 數據及人工智能高級副總裁Eng Lim Goh博士表示：「企業應用AI的步伐肯定會加快，現時幾乎所有的IT領袖都計劃在未來12個月內，增加人工智慧支出。報告清晰表明企業對AI的興趣甚高，但理解和執行上出現明顯的盲點。」

企業數據成熟度低

強大的 AI 性能取決於高質量的數據輸入。是次調查結果卻顯示，儘管企業領袖將數據管理視為 AI 應用成功的關鍵要素，但其數據成熟度水平甚低，僅有一小部分 （7%） 企業能運行實時數據推送/擷取，用作創新或牟利。只有 26%建立數據治理模型，並可作高級分析。 

更令人擔憂的是，不足六成的受訪者表示所屬企業能夠處理AI模型所需的數據。能處理數據關鍵環節的企業，從訪問（59%）和存儲（57%）至處理（55%）和復原（51%）更是每況愈下。這種差異不但會拖慢 AI 模型的創建，更增加了模型提供不準確見解和負投資回報率的可能性。

忽視跨業務聯繫、法規遵從和道德規範

調查亦顯示，企業普遍未能連繫各個關鍵業務領域。超過四分一 （28%）IT 領袖表示所屬企業的整體 AI 方法「碎片化」(fragmented)。同時，35%企業選擇為各個職能部門制定單獨的 AI 策略，而 32%更表示各部門策略的目標不一。

更危險的是，雖然消費者和監管機構對倫理和法規遵從的審查日趨嚴格，但兩者在 AI 策略似乎被完全忽視。結果顯示，部份 IT 領袖認為法律/法規遵從（13%）和倫理（11%）對 AI 的成功最不重要。此外，近四分之一企業沒有讓法律團隊參與企業的 AI 策略討論。

Eng Lim Goh 博士認為，為有效運用生成式 AI ，解決方案必須採用混合設計，並使用現代 的 AI 架構構建。從本地、託管或公有雲中的訓練和調整模型，以至邊緣的推理，生成式 AI 可能將來自網路上每台設備的數據轉化為見解。然而，企業必須仔細權衡作為先行者的平衡，以及對整個 AI 生命週期了解有限的風險，否則巨額的 AI 投資最終可能得不償失。