貝伯森學院（Babson College）資訊科技與管理校聘傑出教授、麻省理工學院數位經濟計畫（MIT Initiative on the Digital Economy）訪問學者、德勤（Deloitte）AI業務資深顧問。他與人合著《全力投入AI》（All-in on AI: How Smart Companies Win Big with Artificial Intelligence, HBR Press, 2023）。
生成式AI這樣能激發人們想像力的新技術，正在推動企業向數據導向文化邁進。根據一項年度調查，許多大企業的領導人表示，他們組織的建立數據及分析文化有了顯著提升。要抓住這一科技帶來的變革機遇，企業需要在實驗、實際部署和教育上投入更多資源，以真正將這種技術優勢轉化為文化力量。
AI已經在營運作業的改善流程上有所作用，執行速度比單靠人類更快，成本也更低，令傳統的精實六標準差顯得過時，我們需要將兩者結合的妥善做法。本文檢視AI在「DMAIC」的各個階段能帶來哪些協助，並討論未來要面臨的挑戰。
《富時》100指數成分股的報告，平均長逾200多頁，這就難怪人類分析師會被資訊淹沒，忽略真正有價值的細節。近來，有些企業開始運用生成式AI分析競爭對手發表的公開資訊，更精準掌握商業動態。換句話說，在競爭情報、行銷、策略等領域，生成式AI能成為慧眼，發現有用的洞察。
想讓生成式AI模型成效卓著，企業必須在數據上做好準備，必須好好整理那些相對非結構化的數據，讓數據更精準、更新、更獨特。
NVF銀行從Google挖角高科技人才麥可，希望大力推動AI化的服務策略，但財務長卻擔心麥可的計畫過與冒進，也會使銀行喪失「人味」。執行長該如何抉擇？
流程探勘（process mining）原是在流程效能出問題時用於調查的工具，但現在已經演變發展為一個平台，用於大規模監測和改善營運流程的執行，以提高流程效率，協助實現企業價值。企業領導人如何充分發揮數位探勘的影響力？關鍵在於從取得流程績效的洞見（流程探勘的初衷），發展到採取能持續改善的行動。
大家都知道生成式AI的能耐，但這些模型背後的環境成本呢？無論是訓練模型、部署模型進行推論，或是製造所需的相關硬體，都會留下龐大的碳足跡，因此，在生成式AI更普及前，應設法找到更環保的做法。本文建議公司採取8項步驟，既可以廣泛運用這項技術，又降低對環境的衝擊。
在當今瞬息多變的環境中，如何善用公司的專有知識，對競爭和創新能力至關重要。而生成式AI正好為知識管理燃起希望。本文介紹企業目前主要採取哪些方法，以及在內容編選、確保品質與法律治理方面，可能面臨什麼挑戰。
為提供您更多優質的內容，本網站使用cookies分析技術。若繼續閱覽本網站內容，即表示您同意我們使用 cookies，關於更多 cookies 資訊請閱讀我們的隱私權政策。
