AI生命週期管理成科技投資重點 企業應用AI Agent有三大策略 虛擬科技藉AI智慧進化 AI驅動智慧工廠朝數據決策發展
軟體
瀏覽數:272
發布日期:2024/09/12
(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。
關鍵字: MIC Forum ; GenAI ; AI Agent ; 虛擬科技 ; 智慧工廠