- 2024-11-01
從未來戰略角度
理解AI在人才發展中的應用
在當今競爭激烈且快速變化的商業環境中，旭聯秉持全球視野，參展2024中國上海ATD人才發展論壇，持續拓展在AI與人才發展領域的國際參與。隨著許多企業引入AI技術來提升效率、降低成本並增強競爭力，旭聯此次參展展現了其在全球化背景下推動人力資源創新應用。
在論壇中，首場主題演講特別邀請學習發展與AI領域的專家Markus Bernhardt博士深入探討，從價值評估框架切入，釐清生成式AI與非生成式AI的應用場景及差異，並強調數據在AI系統中不可或缺的作用。旭聯藉由此次論壇進一步了解前沿技術動態，致力於為企業提供更具戰略價值的AI應用方案，支持全球人力資源的長期發展與競爭力提升。
目錄
一、AI技術的價值檢視
在考慮採用AI技術時，企業首先應該進行價值檢視，這是一個必不可少的步驟。隨著許多企業面臨市場壓力，社交媒體和傳統媒體不斷強調「站在技術前沿」的重要性，讓許多企業急於部署新技術，擔心落後於競爭對手。然而，企業需要明白，技術本身不是目的，解決業務問題並提升績效才是最終目標。因此，在評估AI的價值時，應先問自己一個關鍵問題：「這項技術是否能解決我們的實際問題？」
許多企業會誤以為，只要應用AI技術，就能立刻提高業績或減少人力需求。然而，事實上，AI技術的有效性取決於其所使用的數據質量和適合性。如果AI系統僅僅是為了追趕技術趨勢而部署，而不是針對特定業務問題，那麼它不僅無法提供額外價值，甚至可能增加額外的成本。
二、AI技術的三點框架
在評估AI技術時，有一個簡單但實用的三點框架可以幫助企業更好地理解該技術的適用性，即：
- 系統能訪問什麼資訊？
- 它如何處理這些資訊？
- 它產生什麼樣的輸出？
這三點框架不僅能幫助企業理解AI模型的基本運作方式，還能協助他們評估是否有足夠的數據來支持AI技術的實施。
1.訪問資料
AI系統的有效性依賴於其能夠訪問的數據範圍。AI模型通過大量數據進行訓練，才能夠生成高質量的結果。因此，企業必須首先了解AI系統能訪問什麼樣的信息，以及這些資訊是否足夠支撐該系統的運作。如果AI系統所能訪問的數據不足，無論模型本身多麼先進，最終的結果仍可能不如人意。
2.處理方式
理解AI如何處理數據也是至關重要的。不同的AI技術在處理資訊時可能採用不同的算法和方法，而這直接影響系統的性能和輸出。例如，生成式AI依賴於大量的語言數據，能夠生成看似合理的答案，但這並不意味著它具有邏輯推理能力。非生成式AI則更專注於具體數據的分析和處理，在某些應用場景中可能更具優勢。
3.輸出結果
AI系統的最終目的是產生能夠解決實際問題的輸出結果。企業需要了解系統產生的輸出是否符合業務需求，以及這些輸出是否具有實際應用價值。如果AI系統的輸出結果僅僅是為了看似先進的展示，卻無法解決業務痛點，那麼這樣的投資並不值得。
四、數據的重要性
數據在AI技術中的作用不可忽視。正如我們所說的「垃圾進，垃圾出」，如果系統獲取的數據質量低下，則無法生成高質量的結果。因此，企業在考慮AI技術時，必須首先確保其擁有足夠且質量良好的數據資源。
1.資料準備的重要性
企業無法僅依靠現有的文件資料（如PDF）來創建自適應學習系統。儘管這些文件可能包含大量有價值的資訊，但缺乏練習題和互動設計的資料無法有效支持自適應學習的需求。研究顯示，單純的閱讀、聆聽或觀看資訊並不能有效促進學習。要達到良好的學習效果，系統需要具備交互性和實踐練習。
2.數據的質量與範圍
除了數據量，數據的質量也是關鍵。AI模型需要多樣化的、高質量的數據來學習和提升性能。如果數據缺乏多樣性或不夠準確，模型的預測結果將受到限制。因此，企業應確保提供給AI系統的數據具有足夠的深度和廣度。
五、非生成式AI與生成式AI的比較
在目前的AI技術應用中，生成式AI和非生成式AI各有其優勢。生成式AI能夠自動生成文本、音樂、圖像等內容，但它的能力主要體現在語言模型和內容創建上。非生成式AI則更適合於處理固定內容的場景，特別是在需要高效分析數據或預測結果的情況下。
1.生成式AI的優勢與限制
生成式AI的主要優勢在於它可以快速生成大量的內容，這對於一些需要創造性輸出的領域（如廣告、寫作等）來說非常有用。然而，生成式AI缺乏嚴格的邏輯推理能力，因此在需要精確決策的場景中，其表現可能不如預期。
2.非生成式AI的優勢
非生成式AI更適合用於需要穩定、可靠的數據分析場景。例如，企業可以使用非生成式AI來優化運營流程、預測市場趨勢或進行風險管理。由於這些技術主要依賴於已定義的算法和固定的數據集，它們能夠在處理結構化數據時表現得更加準確和高效。
六、AI技術應用中的成本考量
目前，許多AI技術的成本並未完全反映在企業所支付的費用中。許多生成式AI技術的價格較低，部分原因是投資者對該技術的補貼。然而，企業在長期使用這些技術時，應考慮到未來可能的價格變動，以及系統本身的維護成本。特別是大型AI系統需要消耗大量的能源和計算資源，這在未來可能成為企業的一大負擔。
七、結論
AI技術的應用對於企業來說無疑是一項強大的工具，但在決策過程中，企業必須謹慎考量其價值和適用性。通過使用三點框架來評估AI系統的運作原理，並確保擁有足夠的數據支持，企業可以在實施AI技術時降低風險，並確保投資回報。最終，AI應該是為了解決具體的業務問題，而非單純追求技術上的先進性。
重點摘要
一、價值檢視：在採用AI技術前，企業應先確保其能為實際業務問題帶來解決方案，而非盲目追隨技術潮流。
二、三點框架：
- 系統能訪問什麼資料？
- 它如何處理這些資料？
- 它產生什麼樣的輸出？
三、數據的重要性：
AI技術的效能取決於數據的質量與範圍。數據不足或質量不佳將直接影響AI系統的輸出效果，因此企業需確保擁有足夠且高質量的數據資源。
四、生成式AI與非生成式AI的比較：
- 生成式AI：適用於創造性輸出，如文本生成、圖像創作等，但在嚴格的邏輯推理方面存在局限性。
- 非生成式AI：更適合穩定、可靠的數據分析場景，特別是需要高效分析固定內容的情境，例如業務流程優化和風險管理。
五、成本考量
目前許多AI技術的價格較低是因為投資者的補貼，但長期來看，企業應考慮可能的價格變動和系統維護成本，特別是在高耗能的大型AI系統。