人工智慧進入應用爆發期，各國政府積極應對
我們在產業中所謂的新題材，幾乎都不是憑空出現，多年觀察以來，技術的發展多半還是循序漸進，在特定條件成熟後一一走出實驗室。這些新題材，例如晶片、雲端運算、人工智慧、氣候科技、Web3.0等，若應用在產業上，可發現到幾大特性，其一，部分題材或許無法快速變現（如人工智慧），但對於產業成長驅動力極強；第二，特定產業可能同時受到多樣題材加持，其未來成長性相當驚人，如元宇宙；第三，有些題材是其他題材的基礎，如運算與人工智慧，這些底層措施完整後，上層的應用才能透過累積而爆發；最後，並非僅有特定廠商獲得好處，或許有大型業者能主導生態系，但在生態系高容納性的特質下，越來越多同/異業將能參與這些商機。同時，若縱觀近十年技術發展，2013年工業4.0的興起帶動物聯網/工業物聯網的想像，2017年人工智慧開始在產業中開枝散葉後，產業開始追求說帶來的龐大應用商機，而先前的物聯網則步入成熟發展；2021年元宇宙的浪潮使得虛擬經濟又更上層樓，然元宇宙尚在萌芽初期，實際開始開枝散葉的則是各種人工智慧的應用，從企業到社會大眾，人工智慧除了更聰明外，也更平民化。
圖、人工智慧政策已成為各國兵家必爭之地
.png)
資料來源：Holon IQ
當然，人工智慧也引起各國在技術使用上的擔憂跟競爭，美國AI國家安全委員會在2020與2021年相繼公佈的《美國領導力法案》、《國家人工智慧安全委員會報告》指出，人工智慧將對軍事、科技、經濟、教育層面上帶來重大影響，甚至造成各國的技術霸權與權利追求，近來帶來潛在巨大風險；遠在大西洋彼岸的德國，則致力建立可信任的人工智慧，透過完整的發展藍圖展現人工智慧應具備可靠性、穩健性、安全性，強化人工智慧系統的驗證標準，並強化資安與工業物聯網的提升。英國則強調在十年後將自身轉變為人工智慧強國，不過該國著重在各產業的資料保護法規訂定，如金融與醫療產業，英國相信先具備完善法規機制，人工智慧在產業的應用方可大放異彩。歐盟與英國類似，亦是強化準則與法規制定，如2021年歐盟頒布了《人工智慧規則》草案，將基礎建設、教育、勞工聘僱、生物識別等應用領域列入高風險管理區，討論人工智慧的人格、適法性，與嚴格責任程度，期望透過完整的框架來促使產業健康發展。回過頭來看，當各國政府致力建立完善的人工智慧發展環境時，產業界的發展如何？在技術成熟度、應用範圍、人才培育、數位完備度等面向，真的準備好了嗎？
人工智慧應用首要的挑戰為缺乏數位文化與人才
根據國際顧問公司Gartner公布的2019年企業資訊長調查（CIO Survey），採用人工智慧的企業數量在過去4年間已成長2.7倍，顯示產業導入人工智慧技術已常態化，該報告同時指出，至2019年，已有37%的業者將持續導入AI應用，同時也顯示出人工智慧人才需求不斷擴大。而麥肯錫在 2018 年「Notes From The AI Frontier：Insightsfrom Hundreds of Use Cases」的報告指出，AI將創造5.8兆美元產業價值，提供包括優良的產品服務、增加營收、減少成本，以及增加消費者剩餘，而神經網絡、監督/半監督式學習、強化學習等技術將成為主流。但該報告也指出，現今企業組織將面臨數位化程度不足、AI高階人才與應用人才匱乏等瓶頸。
而與政府政策相比，企業要應對的人工智慧議題雖然範圍較小，但複雜度可是一點都不低。國際顧問公司BCG指出，企業在人工智慧的應用上有七大目標，分別為完善的策略制定、與合作夥伴創造新價值、組織數據應用能力養成、敏捷式文化、人工智慧人才管理、人工智慧治理，以及生態系建立。而根據相關統計，2021年人工智慧相關投資高達580億美元（約1.74兆台幣），55%的企業因疫情而加速人工智慧應用，但僅有11%的企業能讓人工智慧在投資報酬率上取得重大成果，更糟的是，許多人工智慧的前導專案（pilot program）常在定義問題、資料處理、人機協作的階段就以失敗告終，而根據BCG訪談這些失敗企業結果，公司在應用AI上的失敗主因居然不是演算法不夠先進或是缺乏應用場域，而是數位文化（digital culture）不夠成熟，以及相關領域知識人才嚴重缺乏所造成，故以下針對兩大議題進行探討。
企業的數位文化究竟要由下而上推動，還是由上而下倡導？
數位文化是許多企業在轉型時琅琅上口，但多數不知道如何著手的關鍵要素，所謂的數位文化應視為在科技不斷迭代下員工與組織、組織與技術的互動方式與想法。許多新興技術人才在面試時，會從企業管理層的談吐、實際應用場景、設備新穎度、是否採用混合辦公、以及網路各種評比來判定最終是否進入該公司任職。根據PwC調查，獨特的數位文化較容易帶來較高的營收與較佳的員工滿意度，在組織決策、顧客回應、創新人才的招募上帶來正向效果。從員工角度來看，構成數位文化一部分可從是否採取混合辦公判斷，原因在於遠距辦公的根基是信任，這將影響員工的身心靈福祉與健康。Google、Amazon等大廠紛紛採用混合辦公方式作為人才留任與招募年輕人才的作法，打造屬於自己的數位文化。
在討論「由上而下」倡導數位文化時，西門子是最容易拿來當標竿的業者，由於多半針對該公司的討論停留在技術應用、商業模式重塑、生態系建立等，較缺乏對該公司如何建立數位文化有太多討論。事實上，西門子由上而下推動的數位文化核心為「人機協作」反而是公司能成為數位企業的主因，透過合作、互補來替代競爭與人力取代。由於人機協作很重要一部分為「員工數位體驗」，良好體驗可帶來信任，進一步提高效率與產能。因此，公司從設備端開始改變，建立一系列如視覺化工具（如Power BI）、大型雲端平台、員工協作工具等，透過使用者體驗改善讓員工得以給平台建議，並將AI應用至員工的溝通體驗，從設備到體驗的流程改善，讓公司得以在全球108個國家、2,800處據點的380,000員工中以科技快速建立信任與傳遞新知，推動轉型。
圖、西門子的數位文化環繞客戶需求與產品流程
.jpg)
資料來源：Control Engineering
若要舉「由下而上」推動數位文化的企業，影音串流龍頭Netflix相當適合，該公司的平台商業模式讓許多同行異業奉為轉型經典，除顛覆原有影視產業外，其輕資產的平台模式為服務業帶來許多啟發，其特別的「彈性責任」企業文化就是建立在平台模式上。所謂彈性責任文化為不以工作時數作為員工績效衡量標準，上班時間相當自由，相對應的代價是，員工必須拿出A以上的表現，並汰除不適任者，執行長甚至高調提出需要開除公司中的「三鬼員工」：懶鬼、討厭鬼、憂鬱消極鬼、強調只留下最有能力的員工，才會提升每位員工的才能值、避免讓中庸之才影響公司表現，這種要求高度自律與競爭的工作模式必須建立在強大的協作平台、流通的資訊與快速適應環境的能力上。不過，Netflix的做法仍有可以討論之處，由於公司強調的是需要「超級英雄」，以及對於「結果勝過手段」的文化，過度強調個人英雄主義與單兵作戰績效在數位企業中是否能適用在其他業者，倒是值得觀察。
圖、Netflix的企業文化建立在各式新興軟體上
.jpg)
資料來源：INFORM
從上述兩者案例可發現，要採取由上而下或是由下而上需要考量三者：企業發展生命週期、組織對技術的接受度、員工的自主性程度。處於企業成熟期的西門子對數位文化採用的是由上而下推行，原因為何？除了德國講求紀律、服從的文化，主因在於西門子為一B2B型態的企業，雖然公司要求開發創新解決方案（工業物聯網/人工智慧），甚至成立數位轉型相關部門、大力串連外界合作夥伴（協作廠商/新創），但由於工業客戶仍有原先產品延續性、規格維持、通訊標準的條件，員工多半在開發軟硬體時遵循固定流程，因此要由下而上推動數位文化較難。再者，西門子強調的是人機協作，而人機協作亦有較固定的模式，員工本身在對數位工具熟悉的情況下，多半能接受以數位工具提升工作效率的做法，故此，由總部制定數位章程與準則，在準則下賦予員工一定彈性是較適合的做法。
相較之下，Netflix正值企業發展期，公司透過大量數據驅動運作，在數據量遠大於人力負荷下，鼓勵員工積極從數據中挖掘消費者洞見（customer insight）、發掘並透過提案解決問題再適合不過；再者，公司本質上是一種資料工廠，其營運流程包含資料匯流（data streaming）、開發演算法(algorithm development)、實驗平台(experimental platform)、軟體基礎設施(software infrastructure)，通常這類企業需要大量創新，才能將傳統商業活動轉為有效的資料源，因此員工除須熟稔現有數位工具外，還要有能力開發新的應用程式與服務，而創意與靈感較難以固定工時衡量，因此採用彈性責任制度，員工自由安排工作時間並開發各種新產品，是一種由下而上推動數位文化的做法
人工智慧人才供需失衡，該從內部培養還是從外界延攬？
除數位文化建立外，有個更急迫的議題是所有產業需共同面對的：缺乏人工智慧領域人才，無論是技術人才、領域知識人才，或是管理階層。起初以為這些現象發生在採用人工智慧較慢的產業，如橡塑膠、食品、工具機等，但後來發現連科技、金融、電子製造對人工智慧人才也需求孔亟，雖然許多企業透過內部訓練、挖角、產學合作培育，但人工智慧人才依舊供不應求，且多數企業也缺乏系統化的培訓與網羅機制，根據統計，平均要找到一位合格的人才需費時半年以上，且在電腦視覺、數據推理推論、移動控制、資料擷取與整理和語音及自然語言處理等技術領域普及下，同時尋找多種技術人才也是極大挑戰。
若以全球AI人才分佈來看，根據Talent Seer的「2020 AI Talent Report」指出，北美地區以前瞻的研究和扎實的學術教育，吸引全球超過50%的AI專業人才，矽谷、紐約與蒙特羅等AI重鎮吸引科技公司設立研究院，同時也吸引許多新創企業入駐，與當地學術機構進行人才與技術研發的正向循環，故北美為人才淨流入國。歐盟雖具備與美國相當的人才資源，但由於企業在AI投資和AI新創的發展落後於美國，加上無大型科技公司，對人才的吸引力相對較弱，僅如英國、德國等具備較完整AI發展環境。中國大陸起 初為人才流失國，缺乏頂尖AI人才，但隨著近年來政府推動AI教育與產業投資的持續增加，加上美國日趨嚴謹的移民政策，已有越來越多的AI人才回流，進入企業研究院或學術機構發展。人才的總數雖然不變，但招募方式趨向多元，較大型的科技業者有能力同時從內外部取得人才，而其他產業則可能需要透過外部延攬與政府協助方能度過人才難關。
大型科技業的研究院如何從內部培養人工智慧人才？
一大可參考的作法為觀察人工智慧領導者對人才的培養，Google、Meta、Microsoft、Amazon等幾乎囊括全球40%以上人工智慧人才，除了企業名譽與發揮空間外，公司的培育機制相當彈性但又具系統化—建立人工智慧研究院。這些研究院並非公司的R&D部門，而是專門提供前瞻技術探勘的場域，相較於其他較為短期的人才獲取方式，研究院為一企業長期培養科技人才重要途徑，此模式由科技業者開始，最具代表性者為Google Research、Meta AI與MSR三大研究院，分別介紹如下。
一、Google Research
１．Google Research成立目的在於提供員工自由研發與測試的環境，針對技術與產品不斷優化。公司透過設立研究院自行培育人才，Google Research採用扁平化的組織型態，方便提高溝通效率與快速產品測試。Google Research的組織結構是以不同類別的研究團隊作為區分，一共11個研究團隊分布在北美、歐洲、中東與非洲（Europe、Middle East and Africa, EMEA），共19個研究據點，據點鄰近當地的科技重鎮或主要城市，優點在於方便與當地政府溝通、獲得法規保障、快速資源調配、人才取得與產學合作等層面上較為容易。不同地區也各有研究特色，北美與亞洲較著重技術領域（特別是機器學習）研究，而EMEA較著重應用領域研究。
在學術機構合作上，Google提供特定領域研究的學術機構資金支持。公司同時也提供頂尖博士生金錢獎勵與工作機會，以及學士、碩士實習機會，藉此擴大在學術機構影響力，包含技術與人才的取得。此外，公司於2015年成立「Google AI Residency Program」，鼓勵STEM背景員工參加，目的在培養機器學習與深度學習的研究研究人才，透過導師制與做中學的方式，以AI技術協助公司解決未知問題。
二、Meta AI
Meta AI的前身為Facebook AI Research（FAIR），在北美與EMEA設立分支機構。其中以位於美國紐約、門洛帕克（Menlo Park），以及法國巴黎為全球三大主要研究中心。以研究領域而言，Meta AI的研究領域著重在自然語言處理、語意辨識與顧客體驗優化，透過AI技術支持公司業務發展。FAIR以具備自然語言處理、資訊辨認、圖像化技術、機器學習演算法的人才為重點招募對象；當然在宣佈進軍元宇宙以後，
Meta的AI人才招募策略以現有人才優化與外部招募做為兩大主要招募管道。在現有人才優化部分，透過AI Residency Program，使不具備AI技術者透過做中學與導師機制養成AI技能，一方面可以降低解決技術問題的時間成本，二方面得以推動公司「包容性的AI」的文化；在外部招募部分，公司設立FAIR來吸引全球頂尖技術領域與應用領域人才，給予彈性的研究空間與充足資源，在多年的發展下，Meta AI已成為國際級的研究機構與人工智慧人才的黃埔軍校。
三、MSR
MSR創立於1991年，為微軟旗下的研究機構，專注於電腦科學與自然語言領域研究，微軟是設立MSR目的為追求「速度」，提供能將新想法快速轉換為產品的地方；MSR本身也擔任公司的偵查單位，透過與產業、學術界的互動，了解最新技術發展狀況與市場需求。在地理位置分布上，MSR據點設立於北美、EMEA與亞洲，雖各研究院研究領域皆包含技術與應用研究，但著重領部分略有差異，如亞洲研究院同時著重在技術與應用領域，同時也是微軟在美國以外最重要的研究中心；紐約研究院因身處金融中心，因此著重在政經預測、資安等應用領域；劍橋研究院與蒙特羅研究院則著重在技術領域開發，公司透過設立研究院自行培育人才。
MSR同時也提供獎勵機制「Faculty Program」，從各學術機構中選定頂尖教授、博士後研究頒發金錢獎勵。評分領域包含產品優化、資訊安全與隱私研究、建立可靠機器學習模型、企業流程改善等。AI Residency Program：公司從電腦科學、資訊工程、資料科學、人機互動、數學、經濟領域中找出符合資格者，以師徒制的方式，提供應徵者與MSR人員共同以AI技術解決問題的機會。
台灣產業應建立數位文化與人工智慧人才培育
近年來在產、官、學、研的努力下，許多企業開始重視人工智慧應用發展，同時疫情也加速業者轉型腳步，唯人才缺乏依舊為企業痛點，而不完善的數位文化也容易造成員工在轉型上的倦怠感，因此企業實有必要針對人才與數位文化議題採取措施。在數位文化部分，台灣業者可能還是較適合先從上到下推動的方式，再根據環境變化與企業策略進行滾動式調整，由於台灣許多業者處於成熟期階段（無論規模），因此針對新技術導入，結合外部顧問單位進行推動應較為有效，Netflix的作法可能較不適合台灣產業。
而人才並非短期內可解之議題，由於業態關係，雖然大型電子業者俱備建立研究院的實力，如鴻海研究院與台達研究院皆為人才訓練機構，但多數業者仍是從傳統管道徵才，事實上，業者除從產學合作與實習取得人才外，也應多尋找其他來源，例如人工智慧學校即具備不少優秀的人才，而部分法人單位也提供相關人才培育。在產業別上，許多軟體或人工智慧人才可能對較傾向進入大型科技業服務，由於科技業的資料量與應用場景較為完備，對人才來說較易有發揮所長之處，而軟體類人才可能對傳統業者較為生疏，因此這些業者該如何取得適合人才需要擬定完整人才選、用、育、留策略來因應。
參考資料
1.https://www.holoniq.com/notes/50-national-ai-strategies-the-2020-ai-strategy-landscape/
2.https://aiindex.stanford.edu/wp-content/uploads/2021/11/2021-AI-Index-Report_Master.pdf
3.https://digital-strategy.ec.europa.eu/en/policies/european-approach-artificial-intelligence
4.https://ec.europa.eu/commission/presscorner/detail/en/ip_21_1682
5.https://www.mayerbrown.com/en/perspectives-events/publications/2021/10/uk-government-publishes-national-artificial-intelligence-strategy
6.https://www.gov.uk/government/publications/national-ai-strategy
7.https://www.mckinsey.com/~/media/mckinsey/featured%20insights/artificial%20intelligence/notes%20from%20the%20ai%20frontier%20applications%20and%20value%20of%20deep%20learning/notes-from-the-ai-frontier-insights-from-hundreds-of-use-cases-discussion-paper.pdf
8.https://www.consultancy-me.com/news/3270/bcg-and-mit-call-for-more-focus-on-holistic-ai-strategies-in-mena
9.https://www.bcg.com/capabilities/digital-technology-data/artificial-intelligence
10.https://www.bcg.com/publications/2021/ai-benefits-company-culture
11.https://www.sw.siemens.com/en-US/careers/culture/
12.https://blogs.sw.siemens.com/opcenter/formulating-a-successful-digital-transformation/
13.https://www.controleng.com/articles/accelerate-machine-designs-speed-to-market-via-digital-twin-collaboration/
14.https://inform.tmforum.org/features-and-analysis/2017/03/digital-transformation-can-learn-netflix/
15.https://www.mckinsey.com/business-functions/strategy-and-corporate-finance/our-insights/the-strategy-and-corporate-finance-blog/digital-success-requires-a-digital-culture
16.https://research.google/
17.https://ai.facebook.com/
18.https://www.microsoft.com/en-us/research/
19.https://hbr.org/2021/12/50-global-hubs-for-top-ai-talent
20.https://www2.deloitte.com/content/dam/insights/us/articles/6546_talent-and-workforce-effects-in-the-age-of-ai/DI_Talent-and-workforce-effects-in-the-age-of-AI.pdf