自 OpenAI 推出 ChatGPT 兩年多以來，生成式 AI (GenAI) 主要與改變白領專業人士的工作方式相關。在人力資源管理協會和 The Burning Glass Institute 於 2024 年進行的一項研究中，作者指出，該技術將廣泛改變幾乎所有類別的白領工作，而「藍領工作將免受重大中斷影響」。
目前或許如此。但許多通常與體力勞動相關的產業，也正嘗試運用生成式 AI 來解決看似棘手的問題。這些應用範圍廣泛，從改善農業的作物產量到緩解建築業的勞動力短缺。
以下是關於這五個產業如何應用 GenAI 的精選文章彙整。無論是白領或藍領產業，其具創造力的方法都為各行各業帶來了寶貴的啟示，教導大家如何從這項革命性技術中獲得最大的價值。
農業：在瞬息萬變的世界中提升農民見解
永續糧食生產居於農業所面臨挑戰的最前線。現今的農民需要有效利用土壤、種子與水等自然資源，並減少耕作因甲烷產生、農藥使用及其他因素對環境造成的負擔。同時，他們必須因應直接影響其營收的氣候變化。
這些壓力促使各組織開發一系列生成式 AI 應用，範疇涵蓋印度小農使用的聊天機器人，到跨國農業企業集團的資料收集與分析系統。
致力於開發技術以協助開發中國家農民的非營利組織 Digital Green，已向印度、肯亞和衣索比亞的推廣人員推出虛擬農藝師聊天機器人。其目標是提供有關種子、氣候甚至是市場價格等農業要點的資訊。
而在瑞士，科技公司 Datamars 正在研究如何運用 GenAI 來改善牛奶產量，同時收集日益重要的永續性資料，這不僅對消費大眾極為重要，對政府而言也是如此
跨產業重點摘要
- 準備好將廣泛的資料用於模型訓練。
Digital Green 從經由同儕審查的農業研究等來源，使用可靠的科學資料來訓練模型，藉此展開試行計畫。但由於農業具有在地特性，下一步將是新增區域專屬資訊，例如天氣模式和土壤特性。最終，該組織希望使用檢索增強生成來匯入持續變化的資料，例如各種作物的當地市場價格。 - 運用專家驗證輸出結果。
最初與 Digital Green 聊天機器人互動的人並非農民本人，而是為農民提供建議的農業推廣人員。推廣人員使用聊天機器人來更快取得農民問題的解答，且憑藉其農藝專業知識，他們能夠發現並更正任何生成式 AI (GenAI) 的幻覺。 - 採取措施以建立使用者信任。
在務農方面，同一個家族世世代代在同一片土地上種植相同的作物十分常見。因此，來自外人的建議可能不受歡迎，更遑論是來自聊天機器人的建議。為了建立信任，必須以符合農民習慣的方式與他們溝通。
為此，聊天機器人支援多種語言，且能回應口語問題，而非僅依賴文字。隨著農業推廣人員讓農民逐漸熟悉聊天機器人，農民將能在田間使用它來詢問諸如「在考量種子與農藥成本以及特定作物或家畜的在地銷售價格後，種植哪種作物獲利最高？」等問題。
營建業：克服勞動力與生產力挑戰
營建業長期以來一直不太願意投資科技。但面對勞動力與生產力的挑戰，大型營建商正在嘗試應用生成式 AI。
隨著年長員工離開產業，且進入產業的年輕人越來越少，熟練員工日益稀缺。超過五分之一的營建業員工年滿 55 歲，根據 Associated Builders and Contractors 的研究。與此同時，生產力落後，且時程與成本超支已成常態；僅有 8.5% 的大型專案（10 億美元或以上）符合或超出其時間與預算預期，根據牛津大學 Saïd 企業學院榮譽教授 Bent Flyvbjerg。
對 GenAI 的期望是，營建業者能運用數十年來累積的資料協助解決這些問題。Suffolk Construction 營運卓越全國總監 Kelsey Gauger 表示：「我們坐擁 40 年的營建資料。」然而，對許多營建公司而言，這些資料各自獨立、未經標準化且難以存取。
跨產業重點摘要
- 優先進行資料組織與整合。
Clark Construction 正在建置企業資料倉儲與資料經緯，以串連其各種 IT 系統。在此基礎上，該公司希望能運用 GenAI 來制定更明智的決策並改善營運。 - 識別刻不容緩的產業全體問題。
為了提高生產力，並更快速地培訓新進員工，Suffolk Construction 在其協作軟體中新增了 Copilot。這項新功能使尋找資訊變得更加容易，包括員工在建築工地工作時通常會詢問的問題之解答。 - 尋找快速且具實質效益的成果。
Turner Construction 每年管理與勞務和物料供應商進行的 30,000 筆交易，因此需要提升其採購流程的生產力。該公司正尋求運用 GenAI，透過自動生成工作說明書或主服務協議的文字來處理合約草稿。同時，Gilbane Building Company 正在試用大型語言模型，協助專案團隊在數秒內擷取最新的施工文件。
製造業：緩解技能短缺並避免代價高昂的停機時間
製造業也面臨熟練員工短缺的問題。根據 Manufacturing Institute（全國製造商協會的勞動力發展機構），熟練勞工短缺可能導致到 2030 年有 210 萬個製造業職缺無人填補。
這解釋了為什麼在此產業中，一種日益普及的 GenAI 應用是基於大量規格、技術手冊和其他詳細資料的聊天機器人。這些機器人可用於即時培訓初階員工並提供解答，傳授有關如何修理設備甚至需要哪些工具的指示。這在停機損失平均每小時可達 $532,000 的產業中至關重要。
雖然對 GenAI 的興趣高昂（工業製造高階主管中，約有 78% 接受 KPMG 調查後將其視為首要的新興技術），但大多數人仍謹慎行事。Cognizant 企業諮詢總監 Kabali Ganesan 表示：「企業對於將 GenAI 應用於可能直接影響其損益 (P&L) 的核心營運保持謹慎。」
跨產業重點摘要
- 選擇低風險、高潛力的情境。。
一家電梯製造商開發了維護諮詢系統，以改善售後維修。根據該公司各種電梯型號及其主要子系統的使用者與服務手冊，聊天機器人可協助現場技術人員快速診斷並解決問題。早期試點報告顯示維修時間減少 90%。 - 結合傳統 AI 與 GenAI。
根據 Boston Consulting Group (BCG)，製造商將需要同時採用 GenAI 與機器學習/深度學習型 AI，以改善其工廠營運。例如，傳統 AI 可以預測機器何時有故障風險，但當您加入支援 GenAI 的聊天機器人，輔導維護工程師採取行動以避免故障時，就能發揮戰力倍增的效果。
「聊天機器人可以識別出三項可能需要調整或重新校準的事項，然後調出文件向工程師展示如何操作，」West Monroe Partners 資深合夥人 Randal Kenworthy 表示。「現在，您有了更明智且自然的方式來因應維護需求。」 - 不要重新發明輪子。
根據 BCG 的報告，許多製造商正仰賴現有的軟體廠商將 GenAI 功能整合至其現有平台。Kenworthy 表示，預先整合 GenAI 能提高工程師使用該技術的可能性。
航空與國防業：改善零件設計
航空與國防業製造商在導入 GenAI 時尤其保守。 無論是飛機、衛星、無人機、海軍艦艇還是陸軍戰車，他們生產的設備都極為昂貴，高達數百萬甚至數十億美元。 同樣重要的是，設備必須符合嚴格的軍事、政府與資料安全性規範。
雖然這些公司看到了 GenAI 的多項潛在效益，包括改善預測性維護與售後服務，但目前最受歡迎的應用領域是設備設計。約 41% 的航空與國防業組織接受 Capgemini 調查表示，他們正在 3D 建模中試行生成式 AI，以加速設計、改善零件的空氣動力學並降低成本。
跨產業重點摘要
- 使用 GenAI 來擺脫傳統（人類）智慧。
航空與國防業公司已開始採用所謂的「生成式設計」來獲得全新視角，有時甚至能突破人腦所能想像的極限。這項概念在 2023 年登上新聞頭條，當時一名 NASA 工程師展示了該技術如何以破紀錄的速度設計出超輕量太空船零件。在波音公司 (Boeing)，研究人員正在探索 GenAI 模型如何改善飛機設計。波音技術長 Todd Citron 表示：「AI 能在其電子大腦中處理比人類更複雜的事物；可以在更廣闊的空間進行最佳化。」 - 著眼於舊有系統，同時也關注新系統。
使用 GenAI 撰寫新程式碼是理所當然的事，但專家建議這項技術也能協助將舊有程式碼現代化。航空與國防業的製造作業受到部分嵌入式系統仍採用的舊有軟體所阻礙。這使得系統整合變得特別困難。
不過，GenAI 可以充當翻譯器。安永美洲區航空與國防業主管 Raman Ram 表示：「例如，建立在底層基礎模型上的互動式引擎能夠取得防撞模組的舊版程式碼，並將其升級為現代程式語言。」 - 善加利用 GenAI 對細節的執著。
若您曾起草過政府合約，或許就能理解為什麼傳聞中的國防部鐵鎚要價 60,000 美元。由於需要大量的細節與客製化，準備這些合約需要耗費大量時間與成本。企業可以利用 GenAI 將部分流程自動化，並根據範本、歷史文件或採購官員的特定提示建立初稿，根據 Deloitte AI 研究院的報告。同理，GenAI 可以協助起草技術文件，進而節省時間和成本。
公用事業：改善基礎架構管理與維護
當今的公用事業面臨無數挑戰，包括處理許多新型態能源以及不斷演變的企業模式。以 West Penn Power 為例。除了提供可靠的電力來源之外，這家位於賓夕法尼亞州的百年供應商現在還必須為客戶提供一定比例來自替代能源的電力。除了自行產生太陽能並回售給 West Penn 的消費者外，該公司還與數十家風能、太陽能和水力發電供應商簽約。
GenAI 可協助企業釐清如何分配何種類型的能源，以及要為所使用的能源向哪家供應商支付費用。人們希望透過管理此複雜度，GenAI 將能同時降低營運成本並提高可靠性。公用事業也正使用 GenAI 來改善維護與維修，其中最顯著的是透過分析基礎設施的影片。根據 Capgemini 的調查，近 40% 的公用事業與能源公司擁有 GenAI 的專屬團隊和預算，且三分之一的公司已啟動試點。
跨產業重點摘要
- 尋找需要簡化的複雜領域。
隨著能源選項繁多且各自擁有不同的費率，公用事業日益增加的複雜性可能會讓消費者感到混淆。透過 GenAI 收集正確的資料，客戶服務人員便能回答問題，並提供有關客戶能源使用的資訊，甚至可能即時提供。他們甚至可能會建議客戶如何節省費用，例如找出離峰時間來為電動車充電。 - 放眼遠方、廣處與下方。
跨越公司藩籬，發掘 GenAI 效益。管理輸電線路周圍的植被生長是減少停機時間、甚至避免野火的重要作業。然而，這既緩慢又昂貴，加州的 Pacific Gas & Electric Co. 在數年間花費約 25 億美元，以辨識並修剪輸電線路附近的樹木。
相反地，公用事業公司可以使用 AI 辨識輸電線路導線、電線桿或鐵塔附近的植被範圍，並快速鎖定需要介入處理的區域。許多公用事業公司已使用配備攝影機的無人機來監控戶外實體基礎架構。然而，加拿大 Info-Tech Research Group 首席研究總監 Jing Wu 表示，人類無法在合理的時間內處理這些無人機所收集的非結構化資料。透過適當的模型與訓練，GenAI 能快速分析這些非結構化資料，並識別缺陷或潛在危險。 - 提升您的專業知識。
經正確手冊和資料訓練的 GenAI 聊天機器人，可協助現場技術人員更快且更有效率地維修基礎架構。例如，維修員工可詢問 GenAI 機器人如何修復現場的特定設備。梳理資料後，機器人可以用淺顯易懂的語言提供指示，從而更容易獲得專家知識。