數據管理

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—年度領袖獎－大型機構組暨智造升級轉型獎－大型企業組楷模獎】華城電機在2024年的營收衝破200億元，讓數位化深入工作日常的企業文化功不可沒。三代接棒的總經理許逸德清楚認識到，數位轉型不是蒐集數據就好，更知道要怎麼從其中挖掘價值，並對科技發展保持開放心態。

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。

2021年美國核心創意產業貢獻GDP約1.8兆美元。然而，生成式AI公司未經授權使用這些作品來訓練模型，引發超過40件訴訟。這場爭論牽動AI企業的商業發展，也涉及創作者的權益與生計。研究這些訴訟案，我們可以獲得一些啟示，對於權利人與AI公司皆受用。最重要的還是：創作者的原創內容仍是AI價值的核心。

生成式AI常會出現各種幻覺以及大量不一定有用的建議。亞馬遜的Catalog AI系統雖然可以自動生成商品頁，以及相關的商品標題、圖片、說明等，也苦於這些難解的問題。亞馬遜後來採取哪些步驟，不但確保AI生成的品質，還能大規模測試各項微調的效果，本文有精彩的說明。

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。

談到推動AI轉型，你會先問「這項技術有什麼用」，還是「這項技術如何幫助我們實現使命」？這其中暗藏成功與否的關鍵。2024年的研究指出，僅有26％的企業成功開發出可用的AI產品，只有4％真正獲得顯著投資報酬。如果不想成為失敗的大多數，企業可用「OPEN架構」與「CARE 架構」，兼顧創新機會與風險管控，真正推動有價值的AI轉型。

想要在數據時代中脫穎而出嗎？生成式AI的崛起，推動企業重新審視數據的潛力，也激發了他們更多的投資熱情。一份針對《財富》1000強和全球商業領袖的調查顯示，企業正朝六個主要的方向發展。身為企業領導人，關鍵問題是：我們的數據是否準確？當數據與AI的潛力被正確釋放，它們就不僅是技術工具，更是推動成長與競爭力的引擎。