数据与AI影响報告_信任的必要性_14页_3mb

數據與人工智慧影響報告：信任的必要性總結

核心內容概述

本報告探討了數據與人工智能（AI）在企業中的應用現狀，重點分析了「信任」在推動AI成功中的關鍵作用。報告涵蓋全球與亞太地區的調查數據，探討了AI技術成熟度、資料基礎設施、信任困境以及可信AI指數等核心指標，並提出了企業在AI部署中應如何平衡信任與實際應用價值。

研究方法與樣本

• 樣本規模：全球共收集2375份有效問卷，來自北美、拉丁美洲、歐洲、中東和非洲、亞太地區。
• 受訪者組成：IT專業人士與業務部門負責人比例均衡，覆蓋銀行業、保險業、生命科學、政府部門、製造業、零售業、電信業等多個行業。
• 研究範疇：涵蓋業務價值、應用場景、治理框架、部署實踐、資料基礎等多個維度。

AI 成熟度與資料基礎設施狀態

AI 成熟度階段

1. 零散狀態：AI措施以戰術性為主，與組織戰略脫節。
2. 職能狀態：AI措施在職能部門層面發起，與組織戰略有一定關聯。
3. 短期聚焦狀態：AI措施以組織為導向，但僅關注短期目標。
4. 整合狀態：AI創新已融入營運與客戶體驗。
5. 轉型狀態：組織戰略為透過合規AI打造新商業模式。

資料基礎設施成熟度

1. 臨時狀態：資料無結構化設計，管理不統一。
2. 孤島狀態：初步形成基礎框架與流程，但缺乏一致性與治理。
3. 標準化狀態：已確立治理流程與標準，但未完全合規。
4. 可管控狀態：資料架構流程整合於組織內，可根據業務需求更新。
5. 最佳化狀態：資料架構完全最佳化，透過KPI實現持續改進。

可信AI指數與影響指數

可信AI指數

• 用於衡量組織在資料治理、負責任AI、合規性、可解釋性與風險管理等方面的投入程度。
• 這些實踐確保AI系統的可靠性、倫理合規性與透明度。

影響指數

• 量化AI投資所產生的業務價值與成果，包括生產力、創新能力、客戶體驗、營運效率與財務回報。
• 分數越高，代表AI對企業戰略與營運目標的支援越強。

信任困境現狀

• 全球情況：46%的組織面臨信任與可信度不匹配的問題。
• 亞太地區：45%的組織存在信任困境，尤其在生成式AI與傳統AI之間。
• 大中華地區：7.8%的組織達到資料基礎設施成熟度的「可管控」階段，顯示資料治理仍處於較低水平。
• 風險類型：
  • 45%的組織不信任AI，但未採取行動。
  • 38%的組織屬於高風險類別，低估AI風險，缺乏負責任AI實踐。

亞太地區核心發現

• AI應用趨勢：
  • 生成式AI應用快速增長，成為企業工作流的一部分。
  • 代理型AI應用率達66.7%，遠高於全球平均51.5%。
  • 量子AI仍處於試驗階段，應用場景有限。
• 資料準備度：
  • 亞太地區資料成熟度高於全球基準。
  • 日本在資料準備度與AI成功率方面均處於亞太地區最高水準。
  • 中國雖是AI應用領先者，但對可信AI的關注有限，資料準備度相對較低。
• 信任與應用的矛盾：
  • 亞太地區企業傾向於快速部署AI以獲取短期影響力，但對可信AI的投資不足。
  • 這種模式可能導致AI的長期價值與影響力受限。

大中華地區核心發現

• AI應用現狀：
  • 代理型AI應用率為67%，遠超全球平均。
  • 生成式AI應用率較低，但正在快速增長。
• 信任與治理現狀：
  • 可信AI投資僅為14%，顯示治理與資料品質準備不足。
  • 對AI的信任度與實際可信度存在落差，影響長期價值實現。
• 企業戰略與目標：
  • 大中華地區企業主要將AI視為提升效率與盈利能力的工具。
  • 長期戰略目標包括業務韌性、永續發展與營運彈性。

信任與AI價值的關係

• 信任是基礎：AI的成功依賴於資料準備度與治理框架的完善。
• 信任困境影響：信任與可信度不匹配可能導致AI措施未被充分利用或風險增加。
• 解決方向：
  • 建立完善的治理與資料治理框架。
  • 提升資料品質與整合能力。
  • 將信任與可信度建設納入戰略，以實現長期價值與業務影響力。

重要術語解釋

結論

AI的應用已從早期探索轉向規模化部署，但信任與可信度的不匹配仍是全球企業面臨的關鍵挑戰。報告強調，企業需在推動AI應用的同時，建立穩健的資料基礎與治理框架，以提升AI的可信度與影響力。亞太地區，尤其是大中華地區，在代理型AI應用方面表現突出，但對可信AI的投資不足，需加強治理與資料品質，以實現長期價值與業務轉型。