數據是企業數智轉型的起點，然而，當企業完善數據基礎建設後，該如何運用AI從數據中萃取出價值？這才是數智轉型挑戰的開始。企業必須深入剖析自身作業流程中的痛點，並巧妙融合預測型與生成式AI技術，發展出混合式AI應用，不僅解決營運痛點、提升作業效率，更能精準預測未來趨勢、作為管理者制定決策的參考依據，成功蛻變為數智驅動型企業。

如同全球零售龍頭沃爾瑪（Walmart）先後導入預測式AI和生成式AI應用，創新零售營運模式。Walmart先是運用預測式AI技術進行即時庫存管理，AI可以根據歷史銷售數據、節慶、季節性需求、天氣變化和時尚趨勢等因素，預測每一間門市的商品銷售趨勢，讓門市可以更少量且更精準的叫貨、補貨。此外，門市管理者也可以根據銷售預測規劃行銷活動，例如：針對AI預測未來銷量差的商品提前進行促銷，有效避免商品缺貨和庫存積壓的風險。

之後Walmart又運用生成式AI技術打造AI購物助理，消費者可以請AI助理提供購物建議、比較不同品牌的商品功能，或詢問任何與購物相關的問題，不必自己一一搜尋資料，AI購物助理都能回答，大幅提升消費者的購物體驗。近來，Walmart又將生成式AI技術應用於建立及完善商品目錄數據，讓商品分類更細緻，更貼近使用者需求，有助於增進商品搜尋準確度，及提供更個人化的產品購買建議。

預測型AI與生成式AI有哪些差異？

由於預測式AI與生成式AI的技術特性不同，相對應用場景也會跟著不一樣，企業若要完美融合這兩項AI技術，首先必須清楚瞭解彼此間的差異所在。

預測型AI就像一位資歷很深的分析師，可以從既有歷史數據中歸納出不同事件的因果關係及運作邏輯，再以這些觀察為基礎去預測未來事件，協助企業優化決策品質。目前，預測型AI主要利用機器學習、深度學習和電腦視覺等技術，進行人臉辨識、商品推薦系統、風險評估與管理系統、自動駕駛、設備預防性維護等應用。

生成式AI則像一位擁有豐富創意的創作家，可以根據使用者所下達的指令，產生全新的且未曾存在過的內容，包括圖像、文字、聲音、甚至影片。生成式AI主要核心技術為大型語言模型（LLM），由於各家LLM模型開發商使用的訓練數據不同，這也使得LLM的創作能力也不一樣，有些擅長語言翻譯、有些專精匯整資料等，企業在打造生成式AI應用時，可視應用場景選配不同的LLM模型，目前主要應用型態包括摘要報告、撰寫行銷術語、翻譯文件、內部文件搜尋、提供會議逐字稿等。

打造混合式應用，創造AI更大價值

從預測型AI與生成式AI的特性來看，如果應用場景屬於預測未來趨勢、風險評估、問題預警等類型，適合使用預測型AI，但若是與內容創作或文件處理相關，則建議使用生成式AI。

企業要能夠依據各種應用場景，打造或選擇AI助理，依照企業實際在管理和執行上所需能力，例如知識助理、行政助理、決策助理等，再搭載AI的ERP系統，以及智慧AI助理的支持，企業能夠精簡流程、優化數據應用，讓特助不再是高階管理層的專屬，基層員工同樣能借助AI創造更大工作價值。

瞭解更多：你想要AI助理幫你做什麼？

雖然，預測型AI與生成式AI的應用場景不同，但兩者也並非絕對獨立的存在，企業可以讓兩者交互協作、為AI應用創造更大的效益，尤其預測型AI需要大量且高品質的數據進行訓練，才能提高預測準確度，而生成式AI的內容生成能力，恰好能滿足預測型AI對訓練數據的要求。

延伸閱讀：AI協作的未來辦公室！什麼是數智驅動的未來企業？

例如，電商平台可以運用生成式AI為商品貼標與分類，再結合預測型AI去分析消費者的購物行為，從中找出不同類族群的消費偏好與購物模式，進而打造更精準、更個人化的行銷策略。又如，森林火災預警系統可以先由生成式AI模擬並生成各種森林火災的照片，且涵蓋不同失火範圍、森林地形、植被和氣候的情境，再將影響提供給預測型AI進行訓練，如此不只能填補現實中難以大量收集實際火災影像的資料缺口，也可以讓AI預警更精準。

無論企業想要導入哪一種AI應用，最重要的都是必須貼近自家作業流程，讓員工感到方便好用且願意使用，才能真正達到導入目標。

AI就像一顆水晶球，占卜師透過手裡的水晶球看見過去、預測未來，而企業用混合式AI技術打造的智慧水晶球，亦能即時洞察企業脈絡、預測潛在風險，並提供創新建議，帶領企業邁向「數智驅動」下的智能決策新境界。