5成以上企業試驗生成式AI計畫

ChatGPT服務發展以來，引發了生成式AI(GenAI)的軍備競賽，除了OpenAI外，Meta、Google、Amazon Web Services等紛紛發展各種大語言模型以及生成式AI服務。企業也摩拳擦掌試用相關服務。根據市場調查公司Gartner預測，2026 年，將有超過80%企業將使用生成式AI的應用程式介面(API)連結服務、模型或部署支援生成式AI的應用程式。Gartner更預言2027年，40%生成式人工智慧會是融合文字、圖像、音訊和視訊等地多模式生成式AI。此外，根據顧問公司調查顯示，接近5成企業已經進行生成式AI計畫。其中，高科技、零售業、金融業、電信業最為積極。

圖1、生成式AI行業採用成熟度(資料來源: Capgemini)

不過，並不是企業進行AI轉型利用生成式AI皆適合，傳統的機器學習、深度學習乃至於模擬、規則等，有各自合適的智慧應用。我們可以將智慧應用分為鑑別式、生成式兩種類型:

•  鑑別式工作(discriminative tasks): 主要協助人類進行分類、辨識乃至於預測的決策，如: 尋找影響品質的關鍵因素有哪些?預測本批的品質良率為何?設備剩餘壽命預測為何?電腦視覺產品瑕疵辨識等。傳統的機器學習、深度學習技術可以協助這類型的工作發展；生成式AI可以協助補強數據或結合更多數據以產生圖表或綜合解釋等，協助人們更容易地進行決策。
• 生成式工作(generative tasks): 主要協助進行文字、影像、影片內容的產出。生成式工作是生成式AI主要的強項，可以協助翻譯文字、產生圖形、摘要文字內容、回答問題等。傳統的機器學習、深度學習技術等自然語言理解技術，可以協助辨別文字的可能意義，但產生文字要仰賴大量的QA問答的範本以對映或學習。現今生成式AI大語言模型(LLMs)可以自動化產生回應文字，能更快速、彈性地實施問答或語音助理等，甚至啟動機器人的認知能力(請見「生成式AI未來」一文)。

以此，我們可以知道即使生成式AI推動智慧應用爆發式的發展，傳統的機器學習、深度學習技術仍被運用來與生成式AI合作，以弭補生成式AI的不足。例如:最近研究人員結合傳統規則、推論的程式強化生成式AI的數字計算能力，使得生成式AI模型能通過奧林匹亞數學試題。

生成式AI的行業應用大爆發

生成式AI已經在許多行業進行測試乃至於運營，以下介紹幾個行業說明經典的運用情境:

• 零售服務業: 對於零售服務業者最重要的是如何利用虛擬實境、擴增實境、人工智慧等技術以融合虛實，強化顧客體驗。Walmart近幾年積極地發展沉浸式體驗科技，利用名為”Retina”的擴增實境(AR)平台，並結合人工智慧、生成式AI，創造3D的虛擬資產，以提供顧客可以在家或在零售店中選購各項商品。Walmart Retina平台目前為美國會員提供10種擴增實境體驗，並增加了會員人數，降低了退貨率，增加了轉換率。此外，Walmart也利用生成式AI提升顧客服務的搜尋體驗，例如:顧客在客戶服務助理詢問要一個「小孩獨角獸派對」，即會根據上下文及顧客喜好，自動搜尋可能商品，協助顧客快速選購。

圖2、生成式AI協助客戶搜尋體驗(資料來源: Walmart)

• 消費品牌業: 消費品牌業者可以運用生成式AI來強化品牌行銷、管理銷售通路或供應商。卡夫亨氏品牌食品「Draw Ketchup」行銷活動使用圖像生成平台DALL-E 2 來“畫番茄醬”，並將概念融合為創意行銷活動，使得該品牌社群對話增加1,500%，銷售額也增加了10%。聯合利華則利用利用機器學習和生成式AI，監控影響供應商的外部事件，例如政治動盪、自然災害和市場變化，為每個供應商產生風險評分，並在可能出現中斷時建議替代採購的選項。

圖3、生成式AI協助行銷體驗(資料來源:Kraft Heinz)

• 生產製造業: 製造業利用物聯網科技、虛擬實境、生成式AI等，協助提升產品研發能力、提高生產品質、降低營運成本以及減少人力負荷等。例如: 美國鋼鐵公司利用生成式AI將操作步驟(SOP)、圖表以彙總方式說明，提高生產維護人員的生產力。BMW利用生成式AI協助進行汽車表面瑕疵檢查，以協助補強傳統電腦視覺人工智慧無法檢測的細小瑕疵。鼎新電腦則利用生成式AI ChatFile助理，協助製造業現場人員隨時掌握工單生產狀況、詢問設備加工狀況以及建議處理步驟，快速排除生產狀況、提高生產效率。

圖4、生成式AI協助提升生產效率(資料來源: 鼎新電腦)

• 物流運籌業: 物流運籌業運用生成式AI強化運籌過程中的風險掌握、規劃最佳運送路徑並協助委託業主快速地決策以提升效率、降低成本。例如: UPS 利用人工智慧、生成式人工智慧模型，考慮包裹體積、遞送窗口、即時交通狀況、天氣等因素，快速產生最高效率路線，幫助駕駛員減少油耗、交貨時間，每年幫助UPS節省超過 1,000萬加侖燃料，降低成本和碳排放並提高準時交貨績效。UPS也利用生成式AI，綜合公司內部知識庫，包括公司程序、政策、大量運輸資料資訊等，回應每天高達52,000的顧客詢問E-mail，以解決客戶的疑問，例如:客戶要求保留包裹以供取件，該生成式AI可以參考包裹追蹤歷史記錄、托運人限制及任何先前的投遞資訊，以提供有效的回應。DHL也利用生成式AI強化客戶的詢問，以協助查詢發貨狀態、聯絡資訊、每日摘要報告等。

圖5、利用生成式AI回應與分析物流狀況(資料來源: DHL)

小結

生成式AI的試驗已經擴及各個行業，也產生多樣化應用與發展。相較於傳統機器學習、深度學習方法著重在營運面數據分析，生成式AI更強調人們認知理解的視覺化圖形、文字綜合內容產生。以此，生成式AI運用更需要企業員工參與試驗以提高運用成熟度。讓我們加入人機協作的AI新時代!!