數位轉型是當今最熱門的議題，在今天，數位轉型不再是各行各業的選擇題，而是面對未來挑戰的必要手段。當多元化通路的資訊接收模式已經成型，新科技也逐步成熟到可以優化生產及服務流程，加上大環境愈來愈急迫需求高品質數位人才，特別是近期還有通貨膨脹、疫情來襲與國際政治動盪的嚴峻挑戰，也使得更多企業認知到數位轉型是攸關企業存亡或更進一步發展的關鍵。也因此，善用大數據及數位化科技，加上新一代的AI與ML能力，就有機會讓企業擺脫陳舊包袱，透過數位轉型讓企業管理與客戶服務煥然一新。

數位轉型賦予企業在IT架構上，帶來更高度的安全性與敏捷性，而透過AI與大數據，不只能從龐大的資料庫中，提煉出精準的分析依據，也可為團隊的協作與溝通提供更多的可能性。目前在疫情期間，大數據與AI的結合，已經協助許多企業在市場的不確定性中，做到彈性的應變以及風險的分散。

數位轉型持續發生

根據IDC最新的《全球人工智慧支出指南》研究指出，亞太地區（不含日本）在AI系統方面的支出，將從2022年的176億美元，增加到2025年的320億美元。企業正加緊投資人工智慧，並透過提高客戶洞察力、提升員工效率，以及加速決策速度，來獲得競爭優勢。IDC亞太區認知計算與人工智慧副研究總監Jessie Danqing Cai指出，疫情所引起的許多變化將持續下去，而預計透過遠端或非接觸式等方式參與等AI實際案例的成長動能也會繼續成長。從長遠來看，對人工智慧解決方案相關風險因素管理的明確指導，將進一步提高採用組織的信心水準。

至於對於AI與大數據投資所帶來的數位轉型，我們可以發現在未來五年，銀行業將繼續在人工智慧解決方案上投資最多。透過加強的數據，可以獲得威脅情報和欺詐分析應用程式，降低風險對於銀行業至關重要。至於國家與地方政府是會是人工智慧解決方案的第二大支出者，這個應用將會專注於公共安全和緊急回應、強化威脅情報和預防系統。未來五年中，下一個支出最高的產業將是專業服務，以年複合成長率26.6%的速度快速成長。重點領域是加強型的客戶服務代理，這將有助於解決客戶問題。至於智慧業務創新和自動化，都將優化並簡化複雜與重複的業務任務，以支援組織決策。

IDC IT支出指南高級市場分析師Vinayaka Venkatesh對此也表示，政府對人工智慧的信任、穩健性及其道德使用的法規越來越多，企業亟需解決這個問題。包括金融服務，飯店和旅遊業等需要面對客戶的產業，都將率先面對這些政府要求。

AI應用加速擴散

圖一 : 企業正加緊投資人工智慧，並透過提高客戶洞察力、提升員工效率，以及加速決策速度，來獲得競爭優勢。

在AI的前五大的使用案例中，就佔了人工智慧總支出的34.5%。對增強型客戶服務代理、銷售流程推薦和增強以及智慧業務創新，和自動化解決方案等使用案例的投資，在所有產業都很普遍。這些解決方案能使企業提供更好的客戶體驗，同時節省決策過程中的時間。國家和地方政府在公共安全和緊急應變解決方案的支出，佔人工智慧總支出的64.3%以上，這些解決方案可以應對新出現的威脅，並改善應急、災難規劃和應變。同樣的，金融服務機構將AI總支出的25%左右投入到欺詐分析和調查AI解決方案上，以檢測詐欺交易和異常情況。

IDC台灣企業應用資深研究經理蔡宜秀表示，以台灣市場來看，台灣企業在人工智慧技術的預算支出將於2022年達到3.65億美元，其中，又以金融服務、製造與零售流通業的需求最高。人工智慧技術已被廣泛的應用在顧客體驗與營運流程優化，包括透過聊天機器人服務強化客戶服務管道、以人工智慧技術優化商品推薦準確度、透過人臉辨識技術進行身份驗證、持續改善大數據分析模型以優化詐欺偵測，以及建立AIOps機制以降低資訊系統的維運工作等，預期AI應用將持續擴散，整體市場保持成長的態勢。

聚焦人工智慧市場 大數據是關鍵

圖二 : 中國AI市場規模將達163億美元，五年內CAGR將超過美國。（source：IDC；製圖／王岫晨）

近幾年，人工智慧市場快速發展，對於豐富而優質的數據來源，其需求是日益增加，這也成為AI數據服務市場的重要驅動力，特別是在中國市場。IDC預測到了2025年，人工智慧市場在中國的整體規模將達到163億美元，五年內CAGR將超過美國，走在全球前列。有幾個發展趨勢不容忽視：

●中國的AI市場正快速發展，各產業AI落地的滲透率在逐步提高。

●企業採用AI的過程中，存在隱私問題和數據缺乏等挑戰，對數據服務的需求正在發生巨大變化。

●企業越來越重視AI數據，以加速AI落地，對於AI數據服務的需求，也越來越聚焦在品質、效率與安全。

事實上，隨著數位轉型進入深水區，企業對AI技術的探索，早已從單點應用拓展到多樣化的業務場景，從資訊化進入更高級的智慧化階段。根據調查，AI技術在IoT、汽車業、金融、政府、製造、能源、醫療等各市場都有一定程度的滲透，且正逐步從業務流程的『品質提升、成本降低、效能增強』，邁向全面的智能化企業經營。

與此同時，研究調查也發現，全球企業在AI部署的過程中，面臨的三大挑戰分別是：前期成本高、缺乏MLOps以及大數據等專業知識，緊隨其後的是隱私問題，以及缺少訓練和測試數據。

深度神經網路廣泛融入產業應用帶來了巨量的數據需求。然而，在模型相對發展成熟之後，透過繼續優化模型代碼所帶來的經營效果提升十分有限。也因此，優化訓練大數據成為AI模型進一步有效提升準確率的重要手段。

在這樣的背景下，企業的Al研發，越來越專注於將資源投入到能夠獲取高品質數據的工作上，而不只是模型訓練。研究也發現，全球85%的企業都花費了超過一半的人工智慧開發資源，投入用於大數據的準備工作。

結語

根據研究，大數據對於AI的提升效果十分有成效，因此在AI應用開發過程中，企業的關注點正在從模型轉向大數據身上，他們需要更多的數據來協助提升應用效果。另外，自動化也正成為數據服務的關鍵技術，可用於快速提升品質和效率。我們可以發現，蓬勃發展的AI開發與應用，正在為大數據市場的發展帶來無限的機會。