AI智慧科技推动智慧治理
企管硕专一 俞琼雅
这次参加AI论坛，整体内容可说是场场精华，收获丰富。论坛主题涵盖三个面向，分别是：“AI百工百业应用”、“AI赋能创新转型”、“AI智慧科技推动智慧治理”。虽然三个题目都环绕著AI的发展与应用，但切入角度略有不同，各自带来不同层次的启发。
第一场“AI百工百业应用”，让我具体了解到AI如何快速渗透到我们的生活与各行各业中。从零售服务业到工业制造，AI正被广泛应用来提升效率、优化流程。演讲中也介绍了几款实用的AI软体与工具，说明企业如何借由生成式AI进行产品创新与设计思维的延伸，这对我们在实务上寻求提升效率突破很有帮助。
第二场“AI赋能创新转型”，则更著重在观念与策略层面，提醒我们：数位转型的核心其实是“转型”，而不只是“数位”。让我们了解到如果没有明确的目标与转型意识，即便导入再多科技，也只是流于形式。詹院长也强调，要以前瞻性的眼光去思考AI的应用场景，主动找出AI在自身产业中的切入点，而不是等著被科技潮流推著走。
第三场，也是我这次想深入分享的部分，是由师范大学曾元显教授主讲的“AI智慧科技推动智慧治理”。这场演讲不仅提供了AI原理的深入浅出解析，更重要的是教授点出了验证与认证在AI应用中的关键角色。无论是演算法的准确性、输出的可靠性，以及永远也难以根除的AI幻觉。
在Open AI于2020推出Chat GPT3 时，网路上充斥这大量的AI取代工作的讯息、各式学习prompt的推荐课程等。老实说，身为一个小小的行销设计人员，每天要面对这类大量的新闻资讯真的让人感到非常焦虑，尤其是学习焦虑，担心跟不上别人、担心软体要付费，我没有付费是不是就落后了？我没有跟著了解是不是就落后了？
虽然一再强调AI不会取代人，而是要让它成为你的工具。但是，在这个时代，你会不会用这个工具？会用多少工具？熟练的程度？熟悉的速度有多快？都会影响你的竞争力。而这些事情，也正深切地应证在产业里。在这三年里，我所常用的软体、平台等，也都纷纷加入了生成式AI的功能，再加上这两年黄仁勋的NVIDIA，让所有的一切发展得更快。
所以，我才进而来到中原进修课程，想要借由学习降低焦虑，想要借由学习帮助公司提升竞争力。这个早已不是话题，而是我们现在就必须审慎面对的“AI进行式”。而现在，让我更为焦虑，我意识到我们已经落后了？现在补救还来得及吗？若赖以习惯这个工具，后续会有什么影响？漫天的资讯及讯息，又有哪些是值得留下分析的呢？
此外，AI的“幻觉”（就是生成错误内容但讲得很像真的那种），这个问题永远都会存在。因为AI不是“懂”，它是运用逻辑而“猜”。只要是猜，就有可能猜错，而且是很有自信地猜错。
一开始，我们知道Chat GPT很会一本正经的说胡话，虽然不一定讲的是对的，但却看起来很有道理。后来GPT又进化了，除了回复更加人性化，说明的地方还会附上连结。但你会发现，有时当你点进连结时，其实新闻根本没说过这句话。当我们拿它来做为决策依据，如果缺乏基本判断力，很可能走偏了方向还不自知。
我的反思是：AI能协助我们节省时间，但关键判断还是得靠人，而如何下关键判断？靠的不是直觉，而是不断的学习，还有维持一种正确且积极的工作与学习态度，说得直接一点，就是不要偷懒。
此外，“决策”这件事，不能只是外包给演算法，我们除了要学会驾驭AI，除了让AI快速正确的产出大量的资讯外，我们要更能够识别真伪，要更具备查证的能力。例如：像最近缅甸发生的大地震，某电视台就是因为没有经过查证，播放了AI制作的伪影片。这些具有公信力的电视台一旦播放的影片是伪造的，可能会让广大的民众继续散播，这后续的效应除了可能让民众产生恐慌以外，也可能让社会大众更难以辨认真伪。
这也让我开始注意到现在很多产业，对于导入系统只要有“AI”就像打了强心针，觉得加上 AI 就是趋势、是加分，仿佛只要导入就会自动升级。这也让市面上出现了许多“假AI系统”或是“假AI公司”。为什么我会说他是假的，因为这些系统在建构导入的期间大部分都是贪快，它们这些系统大多为了抢快上线，缺乏真正的模型训练与验证流程。或是这些公司借由完美的提案，赚到钱后，可能就会开始割韭菜。
我的公司监测系统一直以来就有在进行AI训练及优化，这也让我警觉到，在导入新的AI技术时，除了必须同步设计“错误监控”也必须加入“人为介入点”。不能放任它自动跑，否则就会像是自驾车没有刹车系统，危险大了。
我自己也有用一些AI工具辅助思考，像是写企划、比对市场资料时，它真的很快。但就像是曾教授讲的：AI可以当起手式、可以帮你打草稿，但不能帮你“决定什么是对的”。而执行创意这件事，本来就是一种反复推敲的过程。我们的脑力激荡、团队讨论、多角度切入，才是让案子有价值的地方。AI是帮你加速，不是帮你省略这一段。
总结这场论坛给我的启发，其实一句话：AI很强，但不能迷信；要用得好，还得看你准备得够不够。不管是智慧治理还是企业数位转型，导入AI的前提，希望能不是为了追风潮，而是思考能不能创造实质效益。包括：流程有没有简化？决策有没有变准？风险有没有降低？而不是只是花钱、堆技术、做表面。就像林教授说的任何科技或系统的导入，都要确保效益大于成本。这才是我们该走的路。
