分析與數據科學

企業導入生成式AI，若只仰賴通用模型與外部內容，難以獲得實質報酬。「檢索增強生成」（RAG）是目前最有效整合自家專有知識與大型語言模型的做法，前提是非結構化數據具備足夠品質。本文說明企業該如何準備、清理、評估與維護這類內容，讓AI真正解決業務疑問、發揮價值。

【第五屆數位轉型鼎革獎—醫療創新轉型獎－醫學中心組首獎暨AI應用特別獎】心血管疾病長年高居台灣十大死因的第二位，但傳統的心電圖診斷往往不夠精確。三軍總醫院成功自建一座AI判讀平台，成為全球第一個能降低心血管疾病死亡率的醫療AI工具。

【第五屆數位轉型鼎革獎—韌性供應鏈轉型獎－大型機構組首獎暨ESG特別獎】醫院的行政、診療系統大多已經數位化，但醫材的採購、帳目等流程卻仍仰賴人工與紙本，數據分散。亞東醫院將之系統化，不但加強管理效率，也提升醫療安全，更帶來永續價值。

【第五屆數位轉型鼎革獎—智慧管理轉型獎－大型機構組首獎暨AI應用特別獎】中國信託銀行打造亞洲第一個法規報表虛實整合系統，讓RPA與AI和員工協作，大幅縮短過往繁瑣、容易出錯的法規報表申報流程，每年節省高達2,640小時的人工。

生成式AI威力強大，但也潛藏不少風險。企業在引進生成式AI時，必須妥善評估風險。但問題是：怎麼做？Adobe負責AI倫理的主管現身說法，介紹Adobe評估風險時所依循的4大原則。

為何AI導入後，仍無法提升團隊效率？本文以一家《財星》500大企業為例，揭示通用型AI難以貼合實務流程的原因，並提出解方：「工作圖譜」與「逆向機械式在地化」（RML），協助AI學習實際脈絡、提升契合度。這種量身打造的方式，讓AI真正發揮助力，提升準確性與產出效率，並帶來更高的投資報酬。

新創公司草創初期就拿到大筆資金，一般都認為是好事。但根據研究，大筆創業基金可能扼殺公司的創新能力，甚至影響公司的存活時間。本文建議在考慮是否接受投資人資金時，應自問幾個關鍵問題。

關於生成式AI的衝擊，探討的問題已經從「我會被AI取代嗎？」深入到「企業無償用我產生的數據來訓練AI，還試圖替代我？」提升AI效能所必須的高品質數據，來自許多工作者的知識、經驗與輸入，而這些個人數據的價值需要被肯定與保護。本文提出「數據合作社」的概念，探討如何在AI時代中尋求勞資關係的解方。