今天想分享，現在這個時間點，如果企業要導入生成式 AI 可能面臨的挑戰
目前生成式 AI 提供的工具與結果，還無法滿足企業的需求，大多還是需要人為介入，但比起以往從 0 到 80，現在只要 60 到 80，員工花費的心力與時間大幅縮短。當然在這前提下，還是需要有人才培訓，讓員工了解如何使用 AI 工具，並且具備與 AI 共事的能力。而進一步就是，如何讓員工在原有專業下，還能持續培養其他專業。
目前許多企業仍在生成式 AI 初期應用階段，專注於改善流程並降低成本。根據麥肯錫報告指出只有 15% 的公司能夠看到生成式 AI 對於業務收益的直接提升。大部分企業仍在進行概念驗證，並在尋找能真正解決商業問題且風險較低的應用案例。
生成式 AI 的法律和監管問題仍然是一個未解之謎。企業在採用這些新技術時，往往會擔心法律風險，這使得許多公司選擇觀望，而不願成為第一個測試新技術的案例。此外許多企業尚未制定足夠的治理框架來管理生成式 AI 的潛在風險，使其導入和擴展遇到更多障礙。法規部分可以參考之前寫的 Day 26 生成式 AI 的相關法規。
生成式 AI 的高運算需求和改變工作流程，使其成本難以控制。企業在導入生成式 AI 時，必須仔細管理其成本，並預留足夠的資金來進行持續維護和人才培訓。此外生成式 AI 工具的應用越廣泛，成本越高，這也加劇了企業對於長期成本效益的擔憂。
生成式 AI 模型需要大量準確且相關的資料來進行訓練。然而找到適合的資料是一個巨大且複雜的挑戰。許多企業正努力建立適當的資料集，來支持 AI 的模型訓練。過程中資料管理的難度和資料品質的要求成了關鍵因素。
iThome鐵人賽
看影片追技術