在這個被稱為生成式AI元年的時代，生成式AI的發展為商業和技術領域帶來了巨大的潛力和影響。這一年裡，隨著資金、人才、資料和算力的集中投入，各種生成式AI應用，例如文生文章（ChatGPT）、文生圖（Midjourney）和文生影片（Runway）等開始廣泛應用於實際場景。

許多報告和研究正在不斷地強調生成式AI對各行各業的影響，提醒行業對這一技術給予高度重視。更重要的是，這些報告特別指出生成式AI在業務領域（Functional Domain）中的應用效果最為明顯，這意味著行銷、人力資源、供應鏈管理、研發設計、法律、財會等領域將成為生成式AI重點影響的領域。這些領域的主管需要多注意這次生成式AI帶來的影響，要知道這波浪潮不僅僅是技術進步的象徵，它更代表著業務操作和策略思維的根本變革，需要積極探索和應用這些技術，將其融入日常業務和決策過程中，以此來提升效率、創新能力和市場競爭力，嘗試將其作為推動組織轉型和創新的方向之一。

站在把生成式AI以「工具論」的角度進行思考，這一年生成式AI快速發展，緊接著企業將面臨著投入資源後，要如何有效評估利用生成式AI這些工具，來為組織或企業帶來價值創造，甚至計算其投資回報率（ROI）的挑戰。這當中不單只是從短期的成本和收益來看，也需開始思考公司長期在整體工作流程改變，及經歷轉型「質變」後所帶來的影響，以利公司未來十年至二十年競爭上的準備。

每個時期的AI在發展時都因為技術的特色，而影響著對產業應用的方向。過去在Rule-Base、機器學習等方式下，人工智慧運用將經驗寫成程式碼，或對資料進行分析找到模式，從中獲得許多決策上的智慧，我們可先稱此為「分析型AI 」（Analytic AI）。

分析型AI除了運用大量的數據來獲得決策智慧外，在應用前經常會先針對公司進行流程分析，思考在某一個流程環節中從原本需要由人進行決策的步驟，改為由分析型AI來輔助人員決策。例如產線對PCB板的自動光學檢測AOI（Automated Optical Inspection）、醫療影像對癌症或腫瘤判讀的決策系統，即是在一個決策環節時，提供一個對事件的準確度的預測，而當人為確認後或系統預測準備度高時，就可加速或達到某種環節的自動化。

這種類型的AI在於加速使用者決策，是針對某一環節結果為導向的，過程中會期待在分析下，希望達到近似自動化或人為在最後做確認即可。如此在這高度工業化的社會中，藉由分析型AI達到對更複雜的事物辨識及判斷能力，以加速人們決策的時間，來因應快速變動的競爭。

圖、分析型AI和生成式AI差異

資料來源：MIC，2024年1月

然而，在生成式AI的新時代中，開始出現一個與分析型AI使用上截然不同的情況。使用生成式AI時，有如助手的它，使用者需要大量跟生成式AI彼此互動，無論是在文生文章、文生圖、文生程式碼，過程中透過不斷互動及組合各種結果來達成所要的內容。

例如我們希望利用ChatGPT來產生一份某智慧城市新聞稿，實際上的用法並非一句話提到「幫我產生新聞稿」就可以完成。真正的操作上應先讓ChatGPT吸收並解讀有關某城市有關智慧城市的過去新聞及網站，然後請它做不同內容的分類，再來設定ChatGPT是一位商業記者，並清楚的告訴ChatGPT在當商業記者的同時，這篇文章在撰寫時要給的對象是誰。在這樣一來一回的互動過程中，ChatGPT寫出的文章才會比較符合原作者所要表達的資訊。因此，當生成式AI賦能使用者時，站在的立場就是利用不斷的互動中來達目的，而整個過程是很多無法清楚定出SOP的複雜流程，效益發揮的地方是在「整個流程」的速度提升為主。對此，微軟在後續推出的生成式AI時，也稱其服務為Copilot，再再呼應使用生成式AI時是彼此協作互動、一起合作的。

在2024年，企業面臨著如何有效利用生成式人工智能的挑戰。這不僅涉及數位化和智慧化轉型，還包括了對使用AI類型的明確識別，以確保避免工具與議題不匹配，從而導致對效益的誤解。企業需要計劃如何將分析型AI和生成式AI結合應用，加速組織轉型和智慧化進程。

透過這種策略整合，企業不僅能在特定決策點快速反應，還能在需要高度整合複雜資訊的情況下，利用生成式AI來提升團隊的整體能力和工作效率。

這樣的進步不僅提高了效率，還能解決個性化和創造性工作的需求，從而在競爭激烈的市場中取得領先地位。企業必須認識到，生成式AI的應用和傳統的自動化及分析型AI有著質變上的差異，它能為創新和個別化的解決方案需求上提供了有力的協助。因此，企業在採用AI技術時，應該謹慎地評估其在組織內的應用潛力，以確保能夠最大化利用在決策支持、創新促進和效率提升方面的優勢，從而在競爭激烈的市場中獲得領先地位。