（圖說：講者為資策會MIC產業分析師楊淳安）

 

資策會產業情報研究所(MIC)於9/10-9/12舉辦第37屆MIC FORUM Fall《智鏈未來AI：Now & Next》研討會，今(12)日聚焦AI新興應用，探討企業建立AI生命週期管理、AI Agent發展現況與企業因應、AI與虛擬科技互補升級，以及智慧工廠應用AI等議題。2024年全球企業AI採用率持續提升，進而帶動模型管理商機，使得AI生命週期管理成為企業科技投資重點項目。產業分析師楊淳安表示，導入AI生命週期管理的第一步，建議先打穩DevOps基礎，再建立資料與平台自動化，以發揮MLOps的管理價值，後續管理須同等重視DevOps、資料、模型與業務目標，定期檢視並更新四大項目，確保良好的產品化實踐。

 

企業可視需求搭配組合多樣化工具 有效克服AI生命週期挑戰

 

資策會MIC綜覽AI生命週期管理主要階段──資料、開發與部署，認為企業建立AI生命週期將有三大主要挑戰。首先，資料處理已占據AI生命週期的八成時間，如何提升資料工程效率已成為建立AI生命週期管理的關鍵；挑戰二，AI生命週期將歷經無數次的模型迭代，如何確保模型在每次迭代過程皆符合治理原則與規範，是應用能否落地的關鍵；挑戰三，在模型測試與部署階段，如何避免發生測試盲點導致的過度信任與營運損失，是產品化實踐的關鍵。產業分析師楊淳安表示，市場已有多元解決方案，企業應視自身需求搭配合適的大廠、新創與自建等多樣化工具，如：資料自動標註平台、合規檢測平台以及自動化部署平台，將可有效克服三大挑戰。

 

AI Agent協助企業突破既有困境 企業有三大因應策略

 

進一步關注AI Agent發展，資策會MIC關注三大趨勢。首先，AI Agent催生AI代理工作流程(Agentic Workflow)，過往藉由AI協助產生標準化或RPA作業流程，現在Agent融入上述作業流程，從注重過程導向的「以人為中心，AI為輔」，轉變為注重目標導向的「以AI為中心，人為輔」；趨勢二，AI Agent產品帶動軟硬整合應用深化，過往以軟體應用為主的使用情境，逐漸擴展到軟硬整合，並從原本只能完成單一、專門型任務，擴展至跨領域、跨機構系統的通用型任務；趨勢三，治理機制朝向「人與Agent共同監督」發展，隨著應用落地逐漸成熟，從系統內部的潛在風險、外部法規的合規性，再到所採取的治理監管措施都將有專門的Agent，並且可達到比人類更優異的表現。

 

資策會MIC 表示，AI Agent可協助企業突破既有困境，在行銷銷售、產品開發與客戶營運功能別帶來巨大成長，目前AI Agent產品將以業務功能領域為發展方向。產業分析師郭唐帷表示，面對AI Agent三大趨勢，企業有三大因應策略，首先為建立公司內部「以使用AI為前提」的業務流程，逐步改變過往作業模式進而提升效能；其二為從個人、部門到整體層級，依序打造專屬AI工具箱，讓內部AI系統可即時使用工具箱來完成任務；其三為建立企業內部AI Agent的問責、追溯與監控制度，從外部工具監控與內部權限管控雙管齊下。

 

AI技術發展突破虛擬科技發展僵局　帶動虛擬科技智慧進化

 

AI技術發展將為虛擬科技發展僵局帶來曙光，資策會MIC盤點虛擬科技如虛擬人、XR與元宇宙指出，虛擬科技具有巨大的市場潛力，發展上卻面臨諸多挑戰，特別是元宇宙更因達成難度過大而備受質疑。資深產業分析師柳育林表示，AI的快速發展帶動虛擬科技智慧進化，有兩大發展趨勢：一，虛擬科技內容應用加快規模化，隨著各式工具方案湧現，企業或個人將更簡易能自行打造內容，供給端也在轉型，優勢劣汰更加顯著；二，關鍵硬體與基礎建設等升級將更加明朗，例如AI加持頭戴裝置，以及處理器、無線通訊、雲端建設等層面的強化。不過分析師也提醒，虛擬科技借助AI壯大之餘，應同時留意不當使用、品質成本權衡、標準互通以及隱私安全問題。

 

進一步分析AI對個別虛擬科技的影響，資策會MIC表示，針對虛擬人，由AI驅動的虛擬人逐漸盛行，借助3D建模與動畫、深度學習暨多模態LLM等技術，大量模組工具湧現，降低需耗費的時間與人力，在各大應用領域落地。針對XR，頭戴裝置可藉由AI強化感知交互與搭載智慧助理，且AI與XR的融合為充實的內容量、強化互動性、提升實用性等三方面帶來效益，有望在諸多應用領域擴散，如透過AI增強採集與創建虛擬人、物、場景，快速的催生大量XR體驗並推向市場。針對元宇宙，雖然運算、通訊等基礎建設尚未完備，AI仍可為元宇宙提供助力，其三大關鍵—去中心化能力、空間運算能力與人機互動裝置皆與AI互補或加乘，且AIGC對元宇宙內容應用生態的擴展也至關重要。

 

製造業GenAI實踐可從資料與模型著手 並搭配DLP方案防止機敏資料外洩

 

隨著AI技術發展逐漸成熟並應用於智慧工廠，智慧工廠將利用數據作決策，發展以數據作思考、預測的能力。進一步分析AI於智慧工廠的應用，GenAI並不會取代鑑別式AI，反而可互補並塑造更完整的智慧應用方案，鑑別式AI擅長區別不同數據類型；GenAI能透過RAG掌握即時資料，分析多種資料來源提供更完整的見解，同時自然語言輸入的人機互動方式可降低人員系統操作時間，填補鑑別式AI應用未被滿足的需求。產業分析師張家輔以三種應用情境為例，過往AI瑕疵檢測因資料量不足而延遲上線，GenAI可填補訓練資料缺口、設備預測性維護從事前預警，擴展至事中故障排除、供應鏈風險控管先以ML分析情況發展趨勢，再以GenAI提供因應作法。

 

資策會MIC產業分析師張家輔表示，製造業GenAI實踐可從資料、模型著手，針對資料面，製造業面對跨系統、跨部門的數據孤島挑戰，應建立資料統一儲存的管理平台，提升資料可用性；針對模型面，為優化LLM在地化用語、產業化領域知識的表現，LLM選用上可優先考量具領域知識的繁體中文模型，長期再透過RAG、Fine-tune等優化模型方式，打造客製化應用。值得留意的是如何防止機敏資料外洩，主要為臺灣目前製造業使用GenAI的運算架構大宗為私有雲，建議可進一步搭配資料外洩防護(DLP)等方案，防止敏感數據外洩。