OpenAI近日發布的GPT-4o模型，能說會道還能看圖識影，反應速度甚至比人還快，在Demo大會上，它可以看穿人的表情，從你你講話的語氣中判斷你是不是有心事，這樣你還敢什麼事情都跟AI說嗎？在專業領域的工作中，GPT-4o可以協助程式編寫，作為軟體工程師的程式開發助理。

OPEN AI 展示GPT-4o協助程式編寫的能力 (source)

而以後家長們也可以鬆口氣了，GPT-4o連三角函數都懂，小孩的數學問題不會再破壞家庭和諧。GPT-4o強大的影像識別能力，甚至能夠代替視障人士看見環境並描述讓他們掌握周遭的情況。毫無疑問，GPT-4o為人機互動帶來了更自然、更豐富的可能性。

GPT-4o真香，那我的企業到底該怎麼實現AI場景？

當然許多企業經營者看到這樣的場景，都迫不及待的想像運用AI技術如何提升員工的工作效率和競爭力，當我們將目光從技術所呈現出光鮮亮麗的場景，轉向實際如何應用與運作時，將回歸到AI實施的三個基礎：「數據」、「模型」和「自動化場景」。

數據是AI應用的根本，這裡的「數據」也含括各種文字與無形的知識，是企業營運過程中必然會產出資源。在AI普及之前，要依靠人或者自動化工具彙整，協助企業決策者透過數據做出決策。未來企業將需要評估自身掌握的數據量和品質，是否還需要依賴外部數據來訓練模型。數據的有效性、規模以及其長期的可用性，是決定企業AI成功與否的關鍵之一。

要選擇什麼樣的「模型」建構企業AI也是相當重要，大型開源模型就像是公車一樣，人人都可以搭，像是GPT、Gemini、Llama…這類模型能夠讓開發者快速建構各種AI應用，但隱私與安全性仍掌握在技術提供者手上；而小模型就像自用車，能夠滿足企業自有領域的業務需求，同時兼顧企業敏感資訊的隱私，也能專位特定行業或場域所需而打造。不過企業開的是法拉利還是牛頭牌，就取決於能夠負擔的成本和技術能力。

另外模型要佈署在雲端空間，還是存放在地端，或者運用邊緣運算節省模型運算的資源耗用？企業是否具備相應的技術團隊來進行維護和更新，這些選擇都影響模型訓練和運行的成本。

最重要的是，現在所設想的AI「自動化場景」建立後，真的能提高企業的工作效率嗎？企業能否承擔流程改變後的過渡期，員工會不會其實需要承擔更多的工作？如果AI產出後的結果存在誤差，可能還會需要花費更多的人力與時間進一步投入來解決問題，這對於企業來說可能不是一件好事。

擁抱AI之前，企業的底層基礎建設做好了嗎？

GPT-4o的突破無疑是一項令人振奮的技術進展，企業在採納任何新技術時都必須保持冷靜和理性，全面評估其長期價值和可行性，確保技術創新真正服務於企業發展的大局，成為推動業務成功的強大動力。

在企業擁抱AI應用之前，應當仔細評估和釐清應用場景，儘管現今的技術已經各種到位，導入AI的成本也大幅降低。但現階段也許大部分的企業還缺乏數據資產，企業運營的流程也還不夠完善。企業擁有穩固的數據資源，結合創新的員工文化，確保AI新技術與企業運營不起衝突，新的改變才能長久運行，永續發展。