早在2019年，麥肯錫（McKinsey）針對全球逾1200名經理人的調查報告中，便顯示受訪者的工作時間，竟有37％用於做決定；但所耗費的時間，結果卻有一半以上是「無用的」。且發現工作經歷越資深的人，決策時間越長，工作效率居然不升反降！

對財星500大企業的全體經理人來說，等於為了「從長計議」，總計每年浪費掉53萬多天，相當於每位經理人平均損失47個工作天的工時，大約2.5億美元（約合新台幣75億元）的勞動力成本。

而現今市場變化更快，決策頻率更高，根據美商企業科技軟體公司甲骨文（Oracle）調查，75%的企業領袖過去3年每天需要做的決策至今增加10倍，逾8成的企業領袖感受到決策壓力。因此，伴隨著AI橫空出世且日益進步之下，企業管理者如何學習運用AI來做決策，成為顯學。

企業決策痛點來自人為障礙與大環境劇變

企業管理者在進行決策時，會面臨各種營運痛點和管理挑戰，包括：

▉效率低下

決策資訊須融合各種面向，如銷售、訂單、毛利、市場情報等，但企業內部無法形成一套可運作且能累積的決策機制。

▉人工作業易出錯

人工整理文件情報容易出現錯誤、遺漏資料等問題，且問題歸結及判斷能力有限，高階的決策視角與數據分析人員的觀點，兩者對問題判斷的深入度存在不小的落差，就可能會錯失商機。

▉人力成本高

企業多項數據散落各系統，文件情報種類多以致彙整不易，然而數據、文件逐年增長，管理難度亦提高，需投入更多的人力成本。

企業的經營審視，需要不斷的進行決策，而「分析決策的運作過程複雜」和「人工決策存在問題判斷深入度落差」是企業決策中常見的兩大問題，舉凡訂單是否如期交貨、有無跑單、機種單價、毛利等等的資料收集、整理以及報告的彙整的過程都需要耗費大量的人力與時間；再加上人員對問題歸結及判斷能力有限，且高階的決策視角與數據分析人員不盡相同，可能有著程度不一的落差。

根據人機協同研究所（IHMC）科學家米湊普羅斯表示，AI沒有人類的決策障礙，像有限的工作記憶、短暫的注意力、壓力下的決策疲勞，因此能幫助決策者減輕認知負擔、節省時間、保留精力，把時間留給重要問題。

自1959年創刊的《麻省理工學院史隆管理學院評論》（MIT Sloan Management Review）也表示，AI能幫助企業做出更符合長期目標的戰略決策。

實際上，不少企業管理者期待導入AI技術，協助並滿足企業加速提效的需求，並利用AI的解析能力，對數據進行摘要與分析，提供相關建議，作為報告撰寫與決策參考的依據，從而提升內部數據應用效率，協助優化決策流程。

那麼如何以 AI 技術，建立決策體系的機制，讓企業有新的決策大腦？

AI優化企業決策流程，化資產為知識

鼎新數智具備為各產業服務的多年經驗，深知企業痛點與解方，所推出的「決策助理」，能將結構化及非結構化數據整合與處理，其數據蒐集與調用報表能力，可做到以下幾項：

▉數據模型圖表分析

從企業系統中擷取數據，並轉化成AI可解析的相關數據知識，快速掌握數據知識全貌。

▉情報知識萃取管理

提取企業情報文件核心的知識點和關鍵資訊。

▉生成報告支援決策

使用AI推理與問答能力，透過數據與情報知識的解析生成輔助見解與總結，支持企業決策需求。

「決策助理」與以往一般企業決策流程的差異在於，進行企業經營審視決策時，原本人員將數據收集及文件解析後，再以人工彙整摘要與分析，最後同樣以人工方式進行經營策略問題分析，若使用AI則改為直接快速將關鍵資訊整合分析，再將情報融合知識學習，最後由AI提供決策建議。

這樣一來，企業可獲得的效益如下：

▉提高效率

整合結構化與非結構化數據，多數據源、維度模型管理平台，提升處理數據整合效率和分析準確性。

▉減少錯誤

透過一致性的數據處理與轉換，可以有效降低人為輸入錯誤和數據錯誤，確保資訊的準確性和一致性。

▉提升良好體驗

智慧化操作體驗，管理者詢問決策建議，「決策助理」能將數據資產和策略情報結合後提供經營決策及建議（例如負毛利產品停售），提供即時的決策支援。管理者問數據，AI亦會即時從融合的數據與文件中進行查詢，並分析因素（例如毛利異常產品及主要因素），再進一步提供建議及推理問答。

▉成本節約

智動化數據與情報的融合，知識轉換學習系統能夠減少對人工作業依賴，降低人工成本，支持企業做出高效即時的決策。

數據是企業重要的資產，而決策助理能進一步將資產變知識。它可將ERP裡銷貨／成本的數據知識（如接單趨勢狀況、各區經營分析、產品經營分析）和特徵知識（如毛利異常特徵、毛利特徵），加上文件中的經營情報和文件知識（如區域策略、競爭對手情報、產品成本知識），得出有效的建議。

AI六大特色助企業決策更有效能

綜觀上述，決策助理有六大特色：

1.數據情報綜合管理

融合營運數據與企業情報，協助決策者掌握各個面向關鍵資訊。

2.決策場景理解能力

鼎新大語言模型可理解決策場景中數據與情報之間的關聯性，提升決策分析模型的構建效率。

3.知識貼標，關聯清晰

上數據與決策主題更緊密的結合，透過貼標的技術，清晰標註與主題的關聯性，降低AI推理錯誤的可能性。

4.自主學習，累積知識

AI可有系統地持續累積企業知識及經驗，逐步形成企業的智慧大腦。

5.數據蒐集，整合能力

具備異質數據源蒐集及轉化能力，融合各種結構與非結構性資料 。

6.總結見解決策輔助

與AI互動所產出之經營見解與資訊，轉換生成報告助力決策。

市場瞬息萬變，客戶需求經常性的更改變動，供應鏈管理日益複雜，數據量也不斷增加，面對眾多挑戰，企業必須即時掌握各種資訊並加以解析，才能及時做出正確且有效的決策，避免錯失可能的商機。

而傳統的人工決策過程常受到時間、效率和判斷的限制，造成大量時間與資源浪費，因此，利用AI整合資訊及進行高效的數據分析來輔助決策，減少決策過程中的錯誤與盲點，已成為提高企業競爭力的關鍵方法之一。

目前全球已有不少企業已經開始將AI應用於決策支援領域，並取得了顯著的效果，像是知名跨國企業亞馬遜（Amazon）利用AI技術分析客戶的購買歷史和瀏覽行為，透過個性化推薦系統提高了銷售量，顯示利用AI在企業管理中提升決策效能的確具有一定程度的效用。

利用AI分析大量數據，企業管理者可以更準確掌握市場趨勢、客戶需求和競爭對手的動態，獲得更精準和高效的數據洞察。AI可以透過機器學習和深度學習等方法，自動從龐大的數據中發現模式和趨勢，提取出有價值的資訊，並能透過分析競爭對手的行為和市場變化，幫助企業制定更具競爭力的定價策略和產品推廣方案，還能進一步提供智能建議和預測，大幅提高企業營運的效率，亦使企業在競爭激烈的市場中保持靈活性。而AI在決策中的應用，未來也將在企業管理中扮演越來越重要的角色。

馬上體驗鼎新的METIS上的Agent數智員工

https://www.digiwin.com/tw/dsc/METIS/AIassist/index.html

參考資料：商業周刊、天下雜誌