人工智能的應用不再是新鮮事物，更是現時企業數位轉型時的重要的核心。經過幾年發展，如何從探索試驗階段邁向實施，在企業 AI 轉型的實施過程中又可能會遇到不少難題，作為解決方案商的聯想電訊盈科企業方案就給我們帶來一些在 AI 進程中的經驗分享與觀點，為企業實施 AI 時給予一些建議。
企業 AI 採用的演進路徑
好多企業實施 AI 應用都會先完成了初步試驗，證實了 AI 的價值再大範模採用，企業 AI 採用可以分為三個階段，當中由最初期探索階段，投資較小，風險可控。之後慢慢作出內容整合階段，希望能用到自己的內容，從而考慮當中的數據管理展示方式，將 AI 與自身業務數據結合，以產生更具針對性的價值。
Lenovo 亞太區方案服務業務集團高級總監及總經理何一凡女士指出今年開始會見到一些前線企業，考慮如何將 AI 解決方案從單點應用擴展到全企業範圍，實現系統化和標準化。在這演進過程中，很多時反映了企業正在從單純依賴公有雲轉向混合基礎設施模型，這種模型能夠更好地平衡數據安全性、合規性、成本和性能需求。特別是對於需要處理敏感數據或受到嚴格監管的行業，混合方案往往是更理想的選擇。
企業 AI 轉型的實施建議
從聯想的分享中指出，企業實施 AI 轉型時，應建立清晰的路徑，將成功的 AI 試點項目系統化擴展到更多業務領域。同時根據數據敏感性、性能需求和成本考量，選擇適合的混合雲策略，平衡公有雲的靈活性和私有基礎設施的控制力。而在規模化 AI 應用前，應當建立健全的數據管理框架，確保數據質量、安全和合規性。與能夠提供從硬件到軟件全棧服務的供應商合作，以簡化部署和管理複雜性。而從成本角度出發的話，更要選擇效能更高的基礎設施，如液冷技術，降低 AI 部署的環境影響和運營成本。
另一方面， Lenovo AI Solutions & Services Regional Director, AP 周宏謙（Nixon Chau）表示當前 AI 發展的關鍵轉折點，是要在 Agentic AI 這個年代，幫助用戶用到最快最新的技術。揭示了 AI 正處於更為深入的「全面嵌入」階段。多智能體協作的模式，就像幾個很聰明的 AI 幫助做到某些事，而趨勢顯示將在短期內對企業運營模式產生實質性影響。對企業決策者而言，這更意味著需要規劃如何將 AI 從實驗性項目轉變為核心業務能力。而聯想的 Agentic AI 戰略不僅提供通用框架，還包含針對具體行業的垂直解決方案。當中有超過 150 個垂直解決方案已經構建完成，當中橫跨金融、法律、媒體管理、公共部門報告生成、製造業、市場營銷應用。
企業 AI 實施的關鍵經驗
LPS 智慧工程及數字化技術方案業務主管李振明（CM Lee）亦都分享了一些複雜的企業 AI 應用需要面對的問題，例如在實施時可以拆分為多個可管理的模塊，並為每個模塊選擇最適合的 AI 模型，「就像工序團裡面有很多工序，我們按不同的需要，將那個工序直接切開出來，然後使用一個最合適的基礎模型，去完成一個項目，做出一個精確的提升。」這種方法不僅簡化了實施難度，還能通過組合不同模型的優勢提高整體效果。
企業 AI 實施時也要專注於解決標準化的場景，讓人類處理例外情況。「今天不需要要求用 AI 處理到 100% 工作，例如在平時做的工作裡面，有一百個聲音，可能七成是常出現的，三成是偶然出現的，如果他幫你搞定那七成的東西，留下 30% 的出現的，就讓人類去處理，已可以有很大的效益提升。」這種「人機協作」的思路更符合現實企業環境，也更容易獲得用戶接受。同時他亦有一些關於如何成功實施企業 AI 的重要啟示：
- 問題導向而非技術導向：成功的企業 AI 實施始於對具體業務問題的深入理解，而非技術本身。三個案例都是從具體的業務挑戰出發，尋找合適的技術方案。
- 模塊化設計與專業化模型：將複雜問題拆分為可管理的模塊，並為每個模塊選擇最適合的AI模型，是處理企業複雜場景的有效方法。
- 人機協作而非完全自動化：接受部分自動化的現實，讓AI處理標準化的高頻場景，人類處理例外情況，能夠帶來最大的效益。
- 創新性解決技術局限：面對技術局限，需要創新性地尋找解決方案，如LPS在RAG實施中引入的語義嵌入和邏輯推理。
- 關注安全性與合規性：企業AI應用必須特別關注數據安全和合規性，確保系統符合行業規範和數據保護要求。
未來展望：迎接企業 AI 的爆發期
幾位 Lenovo 高管對企業 AI 的未來持樂觀態度，這一預測基於當前企業已經開始從試驗走向規模化應用的趨勢，而企業對於如何更好地整合和利用自身數據資產進行 AI 創新的日益關注。隨著技術的成熟和建立實踐方案，相信好快會有更多實質案例同大家分享。
