【知識聚樂部】邀請各界的企業高階經營者，分享經營心法以及產業最新情報！

缺工影響下，企業如何利用AI來面對？

在現代社會中，許多企業面臨著嚴峻的人力短缺問題，隨著經濟結構的變遷以及人口老齡化的趨勢，企業招募及保留人才的挑戰愈加嚴峻。根據行政院主計處2023年的統計數據，台灣的就業人口近年呈現下降的趨勢，預計到2025年將有超過20萬個職缺無法填補，而這無疑是增加許多企業營運造的負擔！

看到這邊，很多人第一時間冒出來的想法或許是，AI技術的應用這麼普及，為何不直接以AI來解這困境呢？

確實AI的應用已逐漸普遍，但許多中小企業仍然面臨著技術門檻較高、人才匱乏、資金有限等問題，導致他們難以有效地導入AI技術。又或是一些企業可能對AI的應用價值存在誤解，認為它僅僅是高科技的象徵，而忽略實際的商業價值。

但各行各業的主管以及企業主到底在面對缺工這問題，和對AI的看法是什麼？就讓我們藉著今天這場知識聚樂部的活動，共同來一探究竟。

管理者與經營者面臨的困境是什麼？

首先，誠鶴實業的二代接班人汪新洋特助分享到，在他接手管理前，公司內部的員工，是沒有在用電腦處理工作的，還是以紙本、傳統的模式在工作著，但在面臨數位轉型以及作業員老化、缺工的壓力下，必須思考更與時俱進的解決模式，看是否能以AI或設備解決現存的問題。

而從事電鍍、表面處理行業的楊經理也分享到，這是他第二次參加知識聚樂部的活動，因為近幾年電鍍設備的訂單量相較以往明顯下滑，所以想藉著這場活動了解如何用AI進行設備規劃、改進不足的地方。

另外，謝咏霖協理也分享到，由於本身有經營餐飲相關的副業，面臨嚴重人力短缺、人力朝聘困難的窘境，只能先以PT人員充數，也是想藉由這場活動來了解可以如何利用AI，讓缺工的困境緩解，甚至做到降本提效的目的！

2024 AI趨勢有哪些？

隨著AI技術的持續進步，2024年AI將在多個領域掀起新的變革浪潮。從個人化的聊天機器人，到融合多種感知模式的智慧系統，再到運算更加靈活高效的邊緣AI，以及將AI植入穿搭裝置的創新應用，這些新興趨勢都將深刻影響我們的生活方式。

個人化聊天機器人：AI助手的進化

談到個性化的助手，在過去幾年大家比較熟悉的應該是Siri，在AI普及下，很多公司都想把打造聊天機器人的門檻降低，甚至是打造專屬的行業知識庫、開發屬於自身企業的AI助理。

這在以前，可能需要許多專業的工程師，耗時不短的時間來打造，但現在不需要這麼麻煩了，在這時代，人人都可以是AI創作者，只要你會能利用正確工具來輔助你。

多模態AI模型：全方位感知的智慧系統

大家耳熟能詳的Google，也正式推出最新人工智慧「Gemini」，Gemini是一種新型的人工智慧模型，能夠處理文字、圖像和視頻，

不僅如此，世上首位虛擬AI工程師也誕生了！由新創公司Cognition打造Devin AI這位虛擬工程師，不僅懂得寫軟體、架網站，還能夠熟練運用各種工程工具，表現出遠超其他AI模型的程式能力。本身也有「成長」的能力，藉由閱讀文章，學習原先不懂的技術，還會自主尋找程式碼中是否存在錯誤，並且進行修正。

邊緣AI運算：靈活高效的分佈式智能

除了聊天機器人和多模態AI，2024年另一個值得期待的AI發展趨勢，就是邊緣運算技術的崛起。所謂邊緣AI，是指將AI運算能力部署到靠近感知設備端的邊緣節點，而不是完全依賴於遠端的雲端伺服器。

傳統是在超大的伺服器中內，裡面很多NVIDIA的顯卡在跑運算，但現在每個人的手機內，M2、M3晶片，裡面很多都具有運算的能力，適合做AI的演算法、模型架構。簡單來說，在用手機拍照後，可以辨識裡面的人是誰，這都是AI邊緣運算的應用情境。

AI與穿戴裝置的融合：智慧服飾時代

在上述幾大AI發展趨勢中，最引人注目的或許要數AI與穿戴裝置的深度融合。隨著柔性電子、生物傳感、3D列印等技術的進步，2024年我們或將見證智慧服飾、智慧配件的興起。

蘋果公司在2023年推出的Apple Watch系列，就已經集成了心率檢測、睡眠分析等多項AI健康功能。而Amazon、Google等公司，也正在研發將AI助手整合到服飾、配件中的創新產品。

企業如何應用AI乘風破浪？

隨著AI技術的持續進步，AI已經深入到企業的各個經營環節，成為提升競爭力的關鍵驅動力。根據國際諮詢公司麥肯錫的最新報告，企業應用AI技術可以帶來5至15%的營收增長和8至15%的成本降低。可以說，AI正在成為企業提升效能、贏得市場的利器。

不僅如此，AI其實已經融入我們的生活中，尤其是零售業的應用是最為廣泛的領域之一。在客製化推薦方面，AI系統可以根據顧客的瀏覽、購買歷史，以及人口特徵等數據，為每一位顧客個性化地推薦最合適的商品。

接下來就讓大家看看實際場景應用範例，了解AI是如何實際備用在各行業的工作場景中。

場景一：產線異常，卻沒人可處理怎麼辦？

問題點：

製造現場中，遇到設備有問題、告警是家常便飯的事，但能處理異常的人有限，很多企業都是仰賴老經驗的師傅才能排除異常，但在缺工、少子化的影響下，人才培育困難，老師傅的養成困難重重，許多寶貴的經驗無法有系統、模組化的傳承下來，造成在有訂單的情況下，企業主想擴增產線，但人才不足、產能不增，所以不敢接單的窘境。

AI如何解決困境：

1.當設備發生異常訊號，新手工程師可快速透過AI助手掌握異常原因與建議解決方案。

2.生產品質不如預期，可透過AI助手給予改善建議。

3.設備參數不知道還可以怎麼修正，可透過AI助手連結設備取得資訊後提供建議。

場景二：人不夠了還要拗進去帶人

問題點：

每間公司要養成一個熟練的業務，必須花費很長一段時間、心力，還要承擔人員做到一半離職、心血白費的風險。不僅如此，即使招募到新人後，需要再另外指派有經驗的業務來帶新人，反而讓老業務產能打折，出現1+1=0.7的情形。在新手業務訓練期間還要承擔服務客戶品質不穩定，客戶體驗差的風險，企業主到底該如何降低時間、人力、訓練成本和額外的風險呢？

AI如何解決困境：

1.利用AI打造資料庫，產品規格快速取得，提供業務更快速的掌握產品重點以應對客戶，消除疑慮。

2.快速取得過往交易紀錄，提前掌握資訊，談判與策略更加靈活。

企業導入生成式AI應用要注意的事情

隨著生成式AI技術的不斷進步，企業正積極探索將其應用於內容創作、客戶服務等領域，以提高工作效率、降低成本。不過，在實際導入生成式AI應用時，企業也需要謹慎應對一些潛在挑戰。

首先是缺乏一致性的問題，生成式AI系統本質上具有隨機性，無法每次都生成完全一致的內容，這可能會影響到生成內容的品牌形象和口碑。

其次是品質不穩定的問題，即便生成式AI在某些場景下的表現出色，但由於其生成機制的不確定性，也很可能出現生成內容質量參差不齊的情況，過多的低品質內容，可能會嚴重影響企業的形象和客戶體驗。

因此，專家建議企業在導入生成式AI應用時，應該採取漸進式、點對點的策略。即先選擇一個業務重點領域，如內容創作、客戶服務等，深入了解生成式AI在該領域的應用潛力和風險，再在該領域進行試點部署和評估。待積累一定的實踐經驗後，再逐步擴大生成式AI在企業內的應用範圍。

生成式AI技術為企業帶來了機遇，但在實踐中也面臨著一些挑戰。只有審慎評估風險，採取循序漸進的導入策略，企業才能充分發揮生成式AI的優勢，為自身業務注入新的活力。

參考資料：麥肯錫報告