AI是什麼意思

AI，也稱為人工智慧，是一項讓機器能夠像人類一樣進行推理和自主決策的技術。透過對海量資料的學習，AI技術能夠辨識語音、圖像和文字，發現模式與趨勢，主動解決問題，並預測未來的情形和事件。

AI並不是單一的技術，而是多種讓機器變得智慧的技術的集合：比如透過大量資料訓練電腦（機器學習）、讓電腦理解圖像（視覺辨識）、理解人類語言（自然語言處理）等。

在國內，我們还提出了「人工智慧+」戰略，即人工智慧與各行業的深度融合。這不僅僅是「1+1=2」的簡單疊加，而是透過人工智慧及多項先進IT技術對傳統與新興行業進行深度改造，打造企業智慧生態發展體系。「人工智慧+」已廣泛應用於製造、醫療、金融、教育等多個領域，為行業和社會的發展帶來了更多機遇與優勢。

如今的AI可以做什麼

人工智慧（AI）就是研究人類是怎麼思考、學習和解決問題的，然後讓機器也能模仿這種能力。而想要知道AI現在能做什麼，就得先了解它的核心技術以及工作原理是怎麼樣的，每一項技術都有其獨特的能力，這些技術共同構成了人工智慧的基石。

• 機器學習(ML) 是AI的一個分支，支援電腦系統從經驗或資料中學習並改善自身效能，同時整合了電腦科學、統計學、心理學、神經科學和經濟學等領域的元素。透過將各種演算法應用到不同類型的學習方法和分析技術中，機器學習能夠自動從資料和經驗中學習並改善自身效能，無需明確的程式設計指令。企業可以運用機器學習技術分析大型的複雜資料集，預測結果。
• 深度學習(DL)是機器學習中以資料為中心的一個分支，透過使用包含多個（深度）層次的神經網路，從海量資料中進行學習並擷取特徵。這些深度神經網路可以自動發掘資料中人類不太容易發現的複雜規律和關係，有助於進行更準確的預測和決策。深度學習技術擅長執行圖像和語音辨識、自然語言處理和資料分析等任務。透過利用深度神經網路的層級結構，深度學習技術革新了眾多業務領域，包括醫療、財務和自主系統等。
• 神經網路是AI的一個重要組成部分，是受人腦結構和功能啟發而開發出來的。這些多層計算模型的節點聚集在一起，就像生物大腦中的神經元。透過快速的平行處理流程，每個人造神經元都可以接收輸入資訊，然後對這些資訊執行數學運算，產生輸出結果，再將其傳送至後續各層神經元。在訓練時，神經網路會根據資料中的範例調整神經元之間的連接強度，這樣就能讓他們識別規律、進行預測並解決問題。神經網路還會使用各種方法從資料中學習，具體取決於任務和資料的類型。目前，神經網路已經應用於多個領域，包括圖像和語音辨識、自然語言處理、建模、自動駕駛汽車等。
• 生成式人AI是一種深度學習技術。該技術使用大型語言模型(LLM)等基礎模型，根據訓練資料建立全新的內容，包括圖像、文字、聲音、影片和軟體程式碼等。生成式AI是各種基礎模型技術的總稱。這些基礎模型技術就是神經網路，它們透過自監督學習（例如預測文字中的下一個詞）利用海量資料進行訓練。生成式AI提供了許多全新的功能，使得該項技術成為了AI領域的新突破。有時候，單個模型就能執行多項任務，包括編寫詩歌和業務文件、建立圖像以及透過推理測試。生成式 AI 有許多企業應用程式，例如建立實際的產品原型、在客戶服務中進行自然對話、設計個人化的行銷資料、自動化內容建立流程，以及建立圖形和特殊效果。企業和消費者都在以驚人的速度採用生成式 AI，這是因為許多生成式 AI 應用程式不需要程式設計或編碼技巧即可使用。使用者只需使用一般語言描述他們想要的內容，應用程式就會執行這項任務，這往往會帶來令人印象深刻的結果。
• 電腦視覺是電腦「查看」和理解數位圖像和影片內容的一種方法。電腦視覺應用利用感測器和學習演算法擷取複雜的上下文資訊，用於自動執行其他流程或為其他流程提供資訊。電腦視覺還可以基於看到的資料進行推算，從而進行預測，自動駕駛汽車就是一個典型的例子。
• 自然語言處理 (NLP)，自然語言處理系統能夠識別並理解書面語言或口頭語言。在較為複雜的應用中，自然語言處理技術可以利用上下文來推斷使用者的態度、情緒和其他主觀特質，最準確地解讀含義。自然語言處理技術的實際應用包括聊天機器人、呼叫中心互動分析和數位語音助手，例如 Siri 和 Alexa。

未來的AI如何發展

如今，生成式 AI 推動了人工智慧從資料分析工具向具備創造力和自主性的系統升級，極大拓寬了AI的應用邊界。科學家預測，AI將在以下幾個前沿方向持續取得突破：

加速邁向通用人工智慧（AGI）： 生成式 AI 的進步使AI向AGI邁出了重要的一步。透過不斷增強的學習能力和創造性，AI 將更接近於具備人類般的通用智慧，能夠在不同領域中自主解決多樣化的問題。

合成資料與自監督學習將打破人工智慧訓練瓶頸： 合成資料的應用將幫助克服人工智慧訓練中資料稀缺和隱私問題的挑戰。透過產生大量逼真的虛擬資料集，AI 可以在保護隱私的前提下進行大規模訓練，從而提高模型的準確性和泛化能力。

量子電腦突破AI極限： 量子電腦的強大算力將為 AI 帶來了前所未有的速度和效率。科學家們預測，量子計算將首先在複雜 AI 任務中得到應用，如最佳化問題、模擬複雜系統和處理大規模資料，為人工智慧開闢新的可能性。

AI智慧體和無程式碼開發將引起社會與經濟的變革： AI智慧體和無程式碼開發工具將使更多人能夠輕鬆建立和部署人工智慧應用，降低技術門檻。這種轉變將大大推動創新，改變傳統行業的運作方式，並對社會和經濟產生深遠影響。

現階段所有落地應用均屬弱人工智慧，集中在機器學習/深度學習技術。強人工智慧（AGI）仍面臨根本性技術瓶頸，是學界與產業的長期探索方向。

強人工智慧（也稱AGI通用人工智慧）：理論上，AGI系統可以成功執行人類才能完成的智力型任務，甚至效果可能更好。

超級人工智慧（ASI）：指完全具有自我意識且超越人類智慧的 AI 系統。從理論上講，這類 AI 系統能夠自我完善，並以超越人類的智慧水平制定決策。但是，這種 AI 系統目前只存在於科幻小說中，尚無確切的開發方法。

企業AI應用場景

目前，生成式AI已經應用於很多業務領域，使用者只需使用常規語言描述自己的需求，生成式AI應用就會按照使用者要求執行任務，並且往往能實現卓越的成果。以下列舉了以下各行各業的一些 AI 用例：

• 醫療衛生行業： 醫療資料集是世界上最龐大、最複雜的資料集之一。AI 在醫療衛生行業的一個重點應用領域就是，利用資料發現診斷、治療方案和患者療效之間的關係。此外，醫院還使用 AI 解決方案來支援各種運營舉措，如最佳化員工隊伍、提高員工和患者滿意度、節省成本等。
• 銀行業： 作為最早大規模採用 AI技術的行業之一，金融服務行業主要利用 AI 來加快交易速度，更快提供客戶服務和作出安全回應。銀行業的常見 AI 應用包括 AI 機器人、數位支付顧問和詐欺偵測系統。
• 製造行業： 當今的智慧工廠是由機器、物聯網感測器和計算能力組成的網路。這個互聯系統利用 AI 和機器學習技術即時分析資料並不斷進行學習。從監控設備狀況到預測供應鏈問題，再到實施預測性製造，AI技術能夠持續最佳化智慧工廠中的自動化流程和智慧系統，同時為其提供豐富的資訊。
• 零售行業： 線上顧客會透過各種客戶接觸點與企業開展互動，並產生比以往更多的複雜資料和非結構化資料。為了理解和利用這些資料，零售商使用 AI 解決方案來處理和分析不同的資料集，從而提高行銷能力，並交付更優質的購物體驗。
• 電子商務領域： 隨著企業出海的蓬勃發展，電子商務也迎來了繁盛時期。 AI 在電子商務領域的應用已經深刻改變了消費者的購物體驗以及商家的運營模式。透過先進的機器學習演算法和大資料分析，電子商務平台能夠精準地預測消費者的購物偏好，從而提供個人化的商品推薦和客製化的購物體驗。這不僅提高了消費者的滿意度和忠誠度，也極大地促進了銷售成長。同時，為了應對全球供應鏈管理問題，AI 還在庫存管理、物流最佳化、詐欺偵測等方面發揮著重要作用，可幫助出海企業最佳化供應鏈管理，降低營運成本，提高營運效率。隨著技術的不斷進步，AI在電子商務領域的應用將更加廣泛和深入，為消費者帶來更加便捷、智慧的購物體驗。
• 能源行業： 在能源領域，AI 的應用不僅提高了能源生產的效率，還大力推動了清潔能源的發展和智慧電網的創新。AI 的預測和最佳化能力使能源企業能夠更精準地管理資源，特別是在整合風能、太陽能等可再生能源方面。此外，AI 還助力智慧電網的應用，讓電網可以根據用電狀況自動最佳化能源分配，確保供應穩定，並減少能源的浪費。

AI為業務帶來的優勢

AI 技術已超越早期採用者階段，現已成為許多企業應用程式的主流。

如今，企業透過將 AI 建置到其核心企業流程中，獲得了可衡量的效益：

• 提高效率和生產力： 實現任務自動化並簡化運營是AI為企業帶來的最大優勢之一。基於AI的系統能以極快的速度處理海量資料，為企業釋放寶貴的人力資源，讓他們專注於更有價值的活動。這種效率的提升將有助於提高企業的生產力，因為員工可以全身心投入到策略性決策和創新工作中，而不是將精力耗費在繁瑣的日常事務上。
• 優化客戶體驗： 如今，AI技術顛覆了企業與客戶互動的方式。借助自然語言處理和機器學習演算法，基於AI智慧體和虛擬助手可以全天候即時為客戶提供個人化的支援。這樣一來，企業不僅能夠提高客戶滿意度，還能在所有管道提供無縫的客戶體驗，同時縮短回應時間並減少人為錯誤。
• 制定由資料驅動的決策： 企業AI系統可以分析海量的結構化和非結構化資料，幫助企業制定更明智的決策。透過從這些資料中挖掘有價值的洞察，企業能夠識別趨勢，預測客戶行為並最佳化業務運營。AI演算法可以識別人類可能忽視的規律，進而提供有價值的資訊，支援企業制定策略計劃、執行風險評估和簡化業務流程。
• 提升營運效率： AI技術可以自動執行耗時的重複性任務和工作流，並精確處理複雜的計算和資料分析等繁瑣任務，從而提高準確性，減少錯誤。AI技術還能快速偵測異常情況、詐欺和安全漏洞，規避潛在損失。
• 加強員工協作： AI技術可以促進員工之間的協作和知識共享。智慧系統可以支援員工輕鬆存取相關資訊，並提供有助於員工制定明智決策的洞察，從而增強他們的資料發現能力。此外，基於AI的協作工具還能支援不同團隊、部門甚至全球各地的員工順暢溝通和分享知識，從而推動創新並提高生產力。
• 增強合規性和風險管理： AI可以即時監控和分析企業的運營和外部環境，幫助企業及時識別潛在的法律和合規風險。透過自動化的合規審核和異常偵測，AI能夠有效地預防違規行為，保障企業的合規性。

AI 使用大型資料集來識別模式、從經驗中學習，並制定周全的決策。在商業情境中，資料會被收集並用於訓練 AI 模型；接著部署訓練的模型進行 AI 推論，這表示將所學應用於新且未發掘的的資料，在實際環境中以速度、精準度與適應性產生預測或決策。

人工智慧倫理與挑戰

機器學習模型從歷史資料中學習，並隨時間改善、識別趨勢並進行預測。

深度學習

深度學習使用複雜的神經網路來辨識圖像、語音或其他資料中的模式，實現圖像辨識和語音助理等應用。

神經網路

神經網路是特定類型的機器學習架構，擅長處理龐大且複雜的資料集，支援複雜的解決方案以進行預測、客戶洞察、風險分析和個人化。

自然語言處理（NLP）

NLP 可讓電腦理解並回應人類語言，促進智慧聊天機器人和語言翻譯系統的發展。

生成式 AI

生成式 AI 可根據提示建立新內容，例如文字、圖像或程式碼，實現新一代創意和生產力。

AI 推論

AI 推論係指將訓練的 AI 模型應用於最新實際資料的流程，以在業務工作流程中產生預測或分類。例如，透過歷史銷售或交易資料訓練神經網路後，便可推論可能的新銷售商機成果，或即時偵測異常情況，進而提升營運效率並制定更完善的決策。

AI 應用

人工智慧支援各種應用，透過自動化、預測和強化體驗，使企業能夠更快速、更智慧化且更彈性地運作。

日常範例

以下重點展示 AI 已出現在人們在家與工作中使用的日常工具與服務，而人們往往沒有意識到這些都是由 AI 支援。

• 數位助理
  Siri、Alexa 和 Google Assistant 等語音支援的工具，能協助提醒、排程和免持裝置控制，簡化工作和家庭日常工作。
• 個人化推薦
  串流平台（Netflix、Spotify）和線上零售商使用 AI 分析過去的行為，提供為每位使用者量身打造的產品和內容建議。
• 圖像辨識和 OCR
  AI 系統會辨識物件、翻譯街道標誌、執行安全性臉部辨識，並從照片或掃描文件擷取文字/資料。
• 自動化系統
  汽車中的自動停車與駕駛輔助、倉儲機器人和配送無人機，都使用 AI 來解讀周遭環境並即時反應。
• 聊天機器人和虛擬 Agent
  許多網站和應用程式都使用 AI 導向的聊天機器人來回答問題、解決支援問題，並處理日常客戶需求，全年無休運作。
• 智慧家庭自動化
  恆溫器、照明與安全系統能透過學習日常行為自動調整、促進便利性、舒適度並節約能源。

核心業務功能

以下重點說明 AI 如何支援核心業務流程、協助團隊更快速工作、減少錯誤並制定更周全的決策。

• 財務：自動化發票比對、交易監控、詐騙偵測、風險評估和財務預測。機器學習模型簡化結算週期並支援稽核法規遵循。
• 供應鏈和物流：支援需求預測、即時庫存管理、交貨路線優化、品質檢驗和預測性維護，有助於避免短缺、過剩和昂貴的停機時間。
• 採購：使用 AI 支援的智慧推薦和異常偵測，強化供應商績效和法規遵循、自動化詢比議並優化支出分析。
• 銷售和行銷：透過分析大量客戶和市場資料，個人化客戶旅程、推動精準的行銷活動並優化定價模式。
• 人力資源：透過 AI 導向的應徵者篩選加速人才招募、預測人員流失率，並支援員工參與和個人化學習。
• 客戶體驗：部署對話式 AI、聊天機器人和推薦引擎，提供快速、個人化的協助並提升滿意度。

產業特定範例

這些範例說明不同產業如何運用 AI 解決領域特定的挑戰，從設備可靠性到病患照護。

• 製造業
  在設備發生故障前進行預測、優化生產線、實現即時供需規劃，並運用電腦視覺和 IoT 支援的 AI 提升可追蹤性。
• 零售業
  促進高度個人化的產品方案、自動化庫存補貨，並分析客戶意見回饋以持續改善。
• 醫療保健業
  運用 AI 病患資料分析，支援診斷、資源排程和個人化治療建議。
• 能源與公用事業
  預測需求、減少中斷、優化能源分配，並分析基礎設施狀況以制定周全決策。

日常企業應用

以下重點著重於常見、跨領域的 AI 應用案例，這些案例幾乎可部署在任何組織中，簡化知識工作和營運。

• 文件處理
  AI 可從發票、契約和報表擷取和分類資料，減少手動輸入、改善準確性並加速法規遵循檢查。
• 智慧搜尋和智慧資料擷取
  在大量的數位歸檔中即時找到相關資訊和檔案，促進業務部門間制訂更快、更有信心的決策。
• 自動化式件管理和 IT 營運
  AI 持續監控系統、偵測異常並自動處理事件，確保關鍵業務應用程式全天候保持穩定安全。
• 自然語言查詢
  使用者只需以一般語言詢問業務問題（例如「顯示上個月績效最佳的產品」），即可收到立即的洞察或視覺化，使分析更加普及化。
• 異常偵測
  AI 識別交易、系統日誌或使用者行為中的異常模式，支援詐欺預防、風險管理，並為營運團隊提供及早警示。
• 工作流程自動化
  AI 強化的自動化從分派客戶請求到排程維護，確保正確流程順利執行，並將人工監督降到最低。

這些應用可帶來更智慧化、更快且更可靠的成果，同時讓員工專注於更高價值、創意和策略性的工作。

人工智慧的效益

人工智慧透過改變生產力、決策制定、客戶體驗和營運成果，在各行各業中都能帶來顯著價值：

• 自動化和生產力
  AI 自動化資料輸入、發票處理和報表產生等例行工作，讓員工專注於更高價值的策略性工作，並提升企業生產力。
• 改善決策制定
  AI 強化分析和預測模型實現更快速、更準確的需求預測、財務規劃和風險管理決策，可讓組織預測市場變化並主動回應。
• 強化客戶體驗
  智慧聊天機器人、推薦引擎和個人化介面強化互動、加快服務回應速度，並協助品牌與客戶建立更穩固的關係。
• 成本節省和效率
  透過優化供應鏈管理、人力資源和採購等作業，AI 可協助降低營運成本、將廢棄物降至最低，並推動更有效率的資源分配。
• 創新與靈活度
  AI 可讓組織快速實驗、支援新產品推出，並迅速調整流程，因應瞬息萬變的市場和客戶需求。
• 協作和知識共享AI 強化的工具可促進跨團隊的協作，讓所有重要利益關係方皆可存取關鍵資訊和洞察。

人工智慧倫理與挑戰

隨著人工智慧逐漸融入企業和日常生活，同時也伴隨商機和責任。解決人工智慧的倫理考量非常重要，確保技術保持可信、公平且安全。負責任 AI 設計需要能回答「AI 是否安全？」及「隨著 AI 發展，企業與社會必須考慮的主要倫理議題是什麼？」等重要問題。

採用 AI 為企業和社會帶來束個複雜的倫理考量和現實挑戰：

• 偏見和公平性
  AI 模型可加劇和放大訓練資料中的既有偏見，可能導致僱用、貸款或資源分配產生不公平的結果。解決偏見需要持續測試、多樣化資料來源和透明開發實務。
• 透明度和可解釋性
  許多 AI 演算法，特別是深度學習模型，運作方式如同黑箱，讓使用者難以了解決策制定方式。建立提供清楚解說的系統有助於提升信任和法規遵循。
• 資料隱私權和安全性
  AI 系統通常仰賴大量資料，因此會引發隱私權、同意和資訊安全性的疑慮。公司必須建立強大的資料治理架構，並遵循區域資料法規。
• 安全與深度偽造
  強大的生成式 AI 可以建立極逼真但虛假的圖像、音訊或影片（深度偽造），進而助長錯誤資訊，並對隱私權、民主和品牌聲譽造成風險。
• 法規和法規遵循
  管理 AI 的法律和標準持續在全球演進。超前因應法規，有利於保護企業避免法律風險，加強倫理使用。

企業必須推動負責任 AI 的文化，落實公平、透明和負責任的實務，同時主動監控風險並持續因應技術的進步和不斷進化的社會期望。

探索 SAP AI 解決方案

體驗 SAP 企業 AI 如何在最關鍵的領域加速轉型。深入了解這些精選解決方案如何協助您擴展智慧技術、解放嶄新效率，並自信領導公司發展：

SAP Business AI

運用內建的機器學習、預測分析和即時洞察，在各業務別中推動明智決策並加速流程自動化。SAP Business AI 可讓您的團隊優化營運、個人化客戶體驗，並在瞬息萬變的市場中保持領先。

了解 SAP Business AI 的可能性。

Joule 和 Joule Agents

認識 SAP 的 AI CoPilot 和協作式 Agent，設計為數位團隊成員，能自動化複雜的工作，並連結財務、供應鏈、人力資源等決策。Joule Agents 運用 SAP 的深度流程專業知識和業務資料來提供可靠結果、提升生產力、實現快速創新，並協助團隊專注於高影響力的工作。

探索 Joule 如何改變您的工作方式。

業務別 AI 應用案例

探索超過 200 個實際的內建 AI 應用案例，從採購中的智慧發票比對和供應鏈中的預測性維護，到人才管理和客戶互動自動化工具。每個應用案例可提升可衡量的商業價值，並協助貴公司靈活應變。

深入了解依各業務別量身打造的 AI 解決方案。

常見問題