Chapter 1 「AI加持」是什麼意思？（節錄）
全世界最成功、技術最先進的公司中，有一些（但遠遠不夠）已宣示他們全力投入AI，或有「以AI為優先」、達到「AI加持」的意圖。谷歌的說法是「在以AI為優先的世界，運算隨處可得，不論是在家中、工作場合、車上，或是移動時，而且所有的互動介面都會變得更自然、直覺，以及最重要的：更智慧。」想在其他產業（如金融業、製造業或醫療業）利用AI力量的公司，同樣以直覺、普遍的智慧科技為目標，只是應用方式不同而已。
我們所分析的AI加持組織占大型公司總數不到百分之一。本書尋找寫作對象的過程並不容易，但最終找到了三十個左右的組織。然而，我們預期會有更多的組織往這個方向 邁進。有什麼理由不這麼做呢？本書提到的公司都表現良好，他們的商業模式有效率、決策恰當、與客戶有緊密的關係、能提供吸引人的產品與服務，而且收取的價格有利可 圖。這些組織都成為學習機器，組織成員都受到AI的加持。能有這些成果，是因為他們比其他公司有更好的資料，並且經過AI分析、據以做出行動，而且還使用這些資源拓展業務，創造經濟與社會價值。
許多試圖發揮人工智慧潛力的組織，一開始都是從測試選定商業機會，或是某些可能的使用案例來著手。許多組織都未能達到增加經濟價值的唯一步驟：部署生產模型。像這 樣試水溫或許能得到有價值的觀點，但不足以跟上其他公司的腳步，更別說在市場上引領趨勢。想要充分發揮AI的價值，公司應該徹底重新思考人類和機器在工作環境中的互動方式、對AI做出大規模投資，並且不能只停留在試驗階段，而是必須在生產過程中全面部署，才能改變員工的工作方式，以及客戶與公司互動的方式。經理人員應考慮在所有關鍵職能和企業營運部門系統性地部署AI工具，以支援新的業務流程設計及資料推動的決策。同樣地，AI應該要能推動新產品、新服務和新的商業模式。就目前而言，如此積極地應用AI，可以讓公司躋身業界的領先位置。最後，組織追求AI加持可能不只是取得商業成功的策略，而是關乎存亡的賭注。
AI加持的要素有哪些？
如何知道組織是否得到AI的力量驅動？組織必須具備哪些要素，才能被認定為「AI加持」？公認的要素清單並不存在，但在我們研究和諮詢的過程中發現，積極採行AI技術的公司通常會出現的各種特質。過去四年，我們針對一些公司的AI活動做過三次調查，所以有辦法揭露攸關這些特質的一些數據（截至2021年10月的最後一次調查）。
企業廣泛採用AI，並使用多種技術
AI加持公司會在組織的各個層面運用AI，採取許多使用案例或應用方式。AI是一種泛用科技，可以用來支援各式各樣的業務目標。根據我們的調查，AI技術最常應用於提升業務流程的效率、改善決策品質，以及加強現有的產品或服務。根據德勤2020年的調查（最近一次提出該問題的調查），這三個目標也是最有可能已經達成的目標。它們 涵蓋了各式各樣的AI使用領域，舉例來說，業務流程改善可能包括促進供需匹配，以提升供應鏈效率、預測工廠設備的維護需求，或是預測雇用哪個應徵者會有最好的結果。最終，全力投入AI的公司將會發展出橫跨各種職能、流程、決策，以及產品或服務的使用案例。個別應用或許無法改變公司，但廣泛集結起來就能辦到。
我們最近一次的企業AI調查中，擁有最多AI能力和成就的公司（被稱為「轉型者」）占了調查樣本的28%。我們後續會討論到，雖然轉型者在AI之路上領先其他公司，但這類受訪公司只有少數達到AI加持的程度（數量少到無法在大規模的調查找到）。平均而言，這些組織完整部署的AI使用案例大約有六個，而達成的商業成果大約有七個；雖然令人敬佩，但仍未達到AI加持公司應有的水準。「轉型者」這個標籤意味著企業轉型可能是他們的目標，但真的因為AI轉型的企業少之又少。仰賴AI轉型的公司通常會走得更遠，有些公司會部署上百種系統，取得多到無法計算的商業成果。當然，企業轉型是一個持續的過程，沒有任何公司能達到完全的轉型。
完全投入AI的公司不會只使用單一的AI技術，而是充分利用AI提供的所有優勢。表1-1列出了構成AI領域的多種技術。讓AI成為可能的基本資源只有四種──以統計、邏輯、語義（semantics）為形式的知識，並與運算串連在一起──但這些大項目底下還有許多方法、工具和使用案例的變體。
AI加持企業的領先者對技術夠熟悉，足以針對使用案例與技術的搭配，做出明智的決策。這並不總是一件容易的事，不同工具都潛藏了一些複雜之處。
Chapter 6 產業使用案例（節錄）
我們已經討論過AI領導者的AI策略類別，以及他們為了實現目標培養的能力。本章將更細緻地描述AI領導者的作法。我們會按照產業進行說明，並深入探討AI加持公司採用的具體使用案例，如何讓他們在業界拔得頭籌。使用案例（也稱為AI應用）是描述公司AI應用方式的最基本單位。本章大部分的使用案例資訊都改寫自《AI卷宗》（AI Dossier）──由德勤AI專家整理出的一份文件，由下往上地描述AI領導能力，並按照使用案例和產業來說明。
選擇使用案例並進行優先排序，是任何公司AI策略的核心。AI驅動組織會選擇能讓他們與競爭對手產生區別（至少維持一陣子）、推展商業策略或模式，並符合其業務流程 設計的使用案例。你可以把本章視為AI應用的商品目錄。本章並未涵蓋所有產業的使用案例（有些使用案例可以應用到多種產業），但這是我們到目前為止看過最完整的清單。
我們即將描述的某些使用案例已經成為業界中的重要籌碼，有些存在了一陣子，只是型態較不精確，靠資料推動的程度較低。我們也會描述每個產業正在興起的使用案例，或 是適用情境相對侷限的使用案例。整體來說，我們的目標是描述靠AI獲取真正成功的條件，並詳述各產業中的AI導向組織所採用的某些AI使用案例。
消費性產業
消費性產業包括消費品製造業、零售業、汽車產業、住宿業、餐飲業、旅遊業和交通產業。這些產業都以服務消費者為目的（但有些是透過零售業者等中介機構服務消費者， 例如製造業），並且需要鉅細靡遺地了解消費者的偏好與感受。這些產業在物流、產品／服務開發，以及客戶接觸上都面臨複雜的挑戰，而AI可以協助應對這些挑戰。
這類產業經常採用的使用案例包括（並附上我們對其在AI相關業務中應用的評論）:
‧車隊網路優化。AI（以及其他形式的分析，例如營運研究）可以用來優化路線、消除或減少空車回程，並將流經配送中心的運輸量最大化。當然，遇到Covid-19疫情這種突如其來的狀況，就算是AI也難以將供應鏈最佳化，但可以向機警的公司提出預警。
‧更高度的個人化。想從事高度細緻的個人化，AI是不可或缺的工具——不只是「買了這項商品的人還買了⋯⋯」這種協同過濾（collaborative filtering）功能，而是根據過去的客戶行為，利用機器學習預測什麼樣的人會購買商品、對廣告或優惠有反應。個人化也愈來愈常將客戶的位置、社群媒體貼文和運動／健康行為納入考量；當然，都要事前取得客戶的同意。
‧產品組合優化。AI和機器學習位處現代商品組合優化的核心。這類模型能確保架上有適當的產品，以及避免缺貨。當然，這在Covid-19疫情期間很難達成，但多數熟練的 AI使用者都想辦法做到了。
‧供需規劃。舉例來說，AI導向的零售商幾乎是每分每秒都在為供需做準備。本書討論過的克羅格，每天晚上都為每個店面的每一個存貨單位（SKU）做需求規劃。假如供需維持正常模式，機器學習會是出色的規劃工具。
‧客戶接觸自動化。領先企業還會使用聊天機器人或智慧型代理，來管理客戶互動。以星展銀行為例，該行持續改善聊天機器人，讓客戶不需要打電話到客服中心。零售業方面則應用了至少十二種不同的使用案例，其中囊括了產品搜尋到蒐集客戶回饋。
消費性產業中較為新興或侷限的使用案例包括：
‧無人商店。亞馬遜以Amazon Go無人商店聞名（在全食超市〔Whole Foods〕中也有設點），儘管補貨和清潔依然仰賴人力。韓國也有半無人商店，emart24與現代不尋常商店（Hyundai Uncommon Store）是其中兩個例子。
‧自動駕駛。如同我們在第三章討論過的，全自駕車的發明比預期還要費時，但全自動駕駛在某些設有「地理圍欄」的地區已經實現，自動安全裝置也非常盛行，連相對便宜的車款也配有此類裝置。
‧時尚科技。愈來愈多時尚零售業者提供利用AI的虛擬試衣間，並透過AI提供客戶可能會喜歡的造型建議。Stitch Fix以線上造型新創公司起家，將來自AI和個人造型師的建議結合，如今已頗具規模。
‧個人健康、運動與心理健康。第五章討論保險公司時，描述過這些健康行為建議，但主要由智慧型手錶和手機等消費性裝置推動。它們可以提供個人化提醒，改善使用者的健康行為。
‧服務體驗現代化。AI推動的個人化產品與服務、建議、優惠、網站和行動應用程式，改變的購物與消費者服務與日俱增。
AI在沃爾瑪供應鏈中扮演的角色
到目前為止，本書還沒有討論到沃爾瑪，但沃爾瑪可能是非數位原生的消費性企業與零售業者中，最會使用AI的公司。他們為實體商店補貨的供應鏈相當知名，而且正在電子商務銷售和配送方面取得長足的進展。沃爾瑪內部有上百名資料科學家負責供應鏈與預測／需求管理，並與具備這些能力的供應商密切合作。他們利用一套相當複雜的旅行推銷員（traveling salesman）演算法，進行貨車與運輸車隊的路線優化，並使用圖形處理器運行禁忌搜索（tabu search）模型，以優化供應鏈流程。沃爾瑪也會在客戶於線上訂購或選擇無法取得的產品時，使用AI模型判斷次佳選項。
沃爾瑪在倉儲自動化的起步可能相對較晚（很多倉庫都是在1960和1970年代設立），但正在快速拓展這個領域的能力。沃爾瑪宣布將斥資一百四十億美元重新設計配送中 心，並應用AI和機器人等新科技。該公司正在與前亞馬遜機器人公司（Amazon Robotics）經理創立的機器人製造商Symbotic合作，以改善其倉儲自動化。同時，使用機器人將大小不一的箱子裝進（由機器人設計的）立方體空間裡，方便配送到店面，甚至與福特的Argo AI部門合作，在美國三座城市進行試驗，以自駕運輸車輛配送網購商品。沃爾瑪也在店內實驗，使用機器人偵測缺貨或擺錯位置的商品，以及清潔地板。
現在，沃爾瑪的配送和運輸服務不僅限於內部使用。它打造了GoLocal服務，以供其他想提供當日或隔天配達服務的零售商使用，家得寶（Home Depot）是這項服務最早的合作夥伴之一。除了零售本業，沃爾瑪正在成為與UPS和聯邦快遞一樣重要的運輸服務供應商。
全世界最成功、技術最先進的公司中，有一些（但遠遠不夠）已宣示他們全力投入AI，或有「以AI為優先」、達到「AI加持」的意圖。谷歌的說法是「在以AI為優先的世界，運算隨處可得，不論是在家中、工作場合、車上，或是移動時，而且所有的互動介面都會變得更自然、直覺，以及最重要的：更智慧。」想在其他產業（如金融業、製造業或醫療業）利用AI力量的公司，同樣以直覺、普遍的智慧科技為目標，只是應用方式不同而已。
我們所分析的AI加持組織占大型公司總數不到百分之一。本書尋找寫作對象的過程並不容易，但最終找到了三十個左右的組織。然而，我們預期會有更多的組織往這個方向 邁進。有什麼理由不這麼做呢？本書提到的公司都表現良好，他們的商業模式有效率、決策恰當、與客戶有緊密的關係、能提供吸引人的產品與服務，而且收取的價格有利可 圖。這些組織都成為學習機器，組織成員都受到AI的加持。能有這些成果，是因為他們比其他公司有更好的資料，並且經過AI分析、據以做出行動，而且還使用這些資源拓展業務，創造經濟與社會價值。
許多試圖發揮人工智慧潛力的組織，一開始都是從測試選定商業機會，或是某些可能的使用案例來著手。許多組織都未能達到增加經濟價值的唯一步驟：部署生產模型。像這 樣試水溫或許能得到有價值的觀點，但不足以跟上其他公司的腳步，更別說在市場上引領趨勢。想要充分發揮AI的價值，公司應該徹底重新思考人類和機器在工作環境中的互動方式、對AI做出大規模投資，並且不能只停留在試驗階段，而是必須在生產過程中全面部署，才能改變員工的工作方式，以及客戶與公司互動的方式。經理人員應考慮在所有關鍵職能和企業營運部門系統性地部署AI工具，以支援新的業務流程設計及資料推動的決策。同樣地，AI應該要能推動新產品、新服務和新的商業模式。就目前而言，如此積極地應用AI，可以讓公司躋身業界的領先位置。最後，組織追求AI加持可能不只是取得商業成功的策略，而是關乎存亡的賭注。
AI加持的要素有哪些？
如何知道組織是否得到AI的力量驅動？組織必須具備哪些要素，才能被認定為「AI加持」？公認的要素清單並不存在，但在我們研究和諮詢的過程中發現，積極採行AI技術的公司通常會出現的各種特質。過去四年，我們針對一些公司的AI活動做過三次調查，所以有辦法揭露攸關這些特質的一些數據（截至2021年10月的最後一次調查）。
企業廣泛採用AI，並使用多種技術
AI加持公司會在組織的各個層面運用AI，採取許多使用案例或應用方式。AI是一種泛用科技，可以用來支援各式各樣的業務目標。根據我們的調查，AI技術最常應用於提升業務流程的效率、改善決策品質，以及加強現有的產品或服務。根據德勤2020年的調查（最近一次提出該問題的調查），這三個目標也是最有可能已經達成的目標。它們 涵蓋了各式各樣的AI使用領域，舉例來說，業務流程改善可能包括促進供需匹配，以提升供應鏈效率、預測工廠設備的維護需求，或是預測雇用哪個應徵者會有最好的結果。最終，全力投入AI的公司將會發展出橫跨各種職能、流程、決策，以及產品或服務的使用案例。個別應用或許無法改變公司，但廣泛集結起來就能辦到。
我們最近一次的企業AI調查中，擁有最多AI能力和成就的公司（被稱為「轉型者」）占了調查樣本的28%。我們後續會討論到，雖然轉型者在AI之路上領先其他公司，但這類受訪公司只有少數達到AI加持的程度（數量少到無法在大規模的調查找到）。平均而言，這些組織完整部署的AI使用案例大約有六個，而達成的商業成果大約有七個；雖然令人敬佩，但仍未達到AI加持公司應有的水準。「轉型者」這個標籤意味著企業轉型可能是他們的目標，但真的因為AI轉型的企業少之又少。仰賴AI轉型的公司通常會走得更遠，有些公司會部署上百種系統，取得多到無法計算的商業成果。當然，企業轉型是一個持續的過程，沒有任何公司能達到完全的轉型。
完全投入AI的公司不會只使用單一的AI技術，而是充分利用AI提供的所有優勢。表1-1列出了構成AI領域的多種技術。讓AI成為可能的基本資源只有四種──以統計、邏輯、語義（semantics）為形式的知識，並與運算串連在一起──但這些大項目底下還有許多方法、工具和使用案例的變體。
AI加持企業的領先者對技術夠熟悉，足以針對使用案例與技術的搭配，做出明智的決策。這並不總是一件容易的事，不同工具都潛藏了一些複雜之處。
Chapter 6 產業使用案例（節錄）
我們已經討論過AI領導者的AI策略類別，以及他們為了實現目標培養的能力。本章將更細緻地描述AI領導者的作法。我們會按照產業進行說明，並深入探討AI加持公司採用的具體使用案例，如何讓他們在業界拔得頭籌。使用案例（也稱為AI應用）是描述公司AI應用方式的最基本單位。本章大部分的使用案例資訊都改寫自《AI卷宗》（AI Dossier）──由德勤AI專家整理出的一份文件，由下往上地描述AI領導能力，並按照使用案例和產業來說明。
選擇使用案例並進行優先排序，是任何公司AI策略的核心。AI驅動組織會選擇能讓他們與競爭對手產生區別（至少維持一陣子）、推展商業策略或模式，並符合其業務流程 設計的使用案例。你可以把本章視為AI應用的商品目錄。本章並未涵蓋所有產業的使用案例（有些使用案例可以應用到多種產業），但這是我們到目前為止看過最完整的清單。
我們即將描述的某些使用案例已經成為業界中的重要籌碼，有些存在了一陣子，只是型態較不精確，靠資料推動的程度較低。我們也會描述每個產業正在興起的使用案例，或 是適用情境相對侷限的使用案例。整體來說，我們的目標是描述靠AI獲取真正成功的條件，並詳述各產業中的AI導向組織所採用的某些AI使用案例。
消費性產業
消費性產業包括消費品製造業、零售業、汽車產業、住宿業、餐飲業、旅遊業和交通產業。這些產業都以服務消費者為目的（但有些是透過零售業者等中介機構服務消費者， 例如製造業），並且需要鉅細靡遺地了解消費者的偏好與感受。這些產業在物流、產品／服務開發，以及客戶接觸上都面臨複雜的挑戰，而AI可以協助應對這些挑戰。
這類產業經常採用的使用案例包括（並附上我們對其在AI相關業務中應用的評論）:
‧車隊網路優化。AI（以及其他形式的分析，例如營運研究）可以用來優化路線、消除或減少空車回程，並將流經配送中心的運輸量最大化。當然，遇到Covid-19疫情這種突如其來的狀況，就算是AI也難以將供應鏈最佳化，但可以向機警的公司提出預警。
‧更高度的個人化。想從事高度細緻的個人化，AI是不可或缺的工具——不只是「買了這項商品的人還買了⋯⋯」這種協同過濾（collaborative filtering）功能，而是根據過去的客戶行為，利用機器學習預測什麼樣的人會購買商品、對廣告或優惠有反應。個人化也愈來愈常將客戶的位置、社群媒體貼文和運動／健康行為納入考量；當然，都要事前取得客戶的同意。
‧產品組合優化。AI和機器學習位處現代商品組合優化的核心。這類模型能確保架上有適當的產品，以及避免缺貨。當然，這在Covid-19疫情期間很難達成，但多數熟練的 AI使用者都想辦法做到了。
‧供需規劃。舉例來說，AI導向的零售商幾乎是每分每秒都在為供需做準備。本書討論過的克羅格，每天晚上都為每個店面的每一個存貨單位（SKU）做需求規劃。假如供需維持正常模式，機器學習會是出色的規劃工具。
‧客戶接觸自動化。領先企業還會使用聊天機器人或智慧型代理，來管理客戶互動。以星展銀行為例，該行持續改善聊天機器人，讓客戶不需要打電話到客服中心。零售業方面則應用了至少十二種不同的使用案例，其中囊括了產品搜尋到蒐集客戶回饋。
消費性產業中較為新興或侷限的使用案例包括：
‧無人商店。亞馬遜以Amazon Go無人商店聞名（在全食超市〔Whole Foods〕中也有設點），儘管補貨和清潔依然仰賴人力。韓國也有半無人商店，emart24與現代不尋常商店（Hyundai Uncommon Store）是其中兩個例子。
‧自動駕駛。如同我們在第三章討論過的，全自駕車的發明比預期還要費時，但全自動駕駛在某些設有「地理圍欄」的地區已經實現，自動安全裝置也非常盛行，連相對便宜的車款也配有此類裝置。
‧時尚科技。愈來愈多時尚零售業者提供利用AI的虛擬試衣間，並透過AI提供客戶可能會喜歡的造型建議。Stitch Fix以線上造型新創公司起家，將來自AI和個人造型師的建議結合，如今已頗具規模。
‧個人健康、運動與心理健康。第五章討論保險公司時，描述過這些健康行為建議，但主要由智慧型手錶和手機等消費性裝置推動。它們可以提供個人化提醒，改善使用者的健康行為。
‧服務體驗現代化。AI推動的個人化產品與服務、建議、優惠、網站和行動應用程式，改變的購物與消費者服務與日俱增。
AI在沃爾瑪供應鏈中扮演的角色
到目前為止，本書還沒有討論到沃爾瑪，但沃爾瑪可能是非數位原生的消費性企業與零售業者中，最會使用AI的公司。他們為實體商店補貨的供應鏈相當知名，而且正在電子商務銷售和配送方面取得長足的進展。沃爾瑪內部有上百名資料科學家負責供應鏈與預測／需求管理，並與具備這些能力的供應商密切合作。他們利用一套相當複雜的旅行推銷員（traveling salesman）演算法，進行貨車與運輸車隊的路線優化，並使用圖形處理器運行禁忌搜索（tabu search）模型，以優化供應鏈流程。沃爾瑪也會在客戶於線上訂購或選擇無法取得的產品時，使用AI模型判斷次佳選項。
沃爾瑪在倉儲自動化的起步可能相對較晚（很多倉庫都是在1960和1970年代設立），但正在快速拓展這個領域的能力。沃爾瑪宣布將斥資一百四十億美元重新設計配送中 心，並應用AI和機器人等新科技。該公司正在與前亞馬遜機器人公司（Amazon Robotics）經理創立的機器人製造商Symbotic合作，以改善其倉儲自動化。同時，使用機器人將大小不一的箱子裝進（由機器人設計的）立方體空間裡，方便配送到店面，甚至與福特的Argo AI部門合作，在美國三座城市進行試驗，以自駕運輸車輛配送網購商品。沃爾瑪也在店內實驗，使用機器人偵測缺貨或擺錯位置的商品，以及清潔地板。
現在，沃爾瑪的配送和運輸服務不僅限於內部使用。它打造了GoLocal服務，以供其他想提供當日或隔天配達服務的零售商使用，家得寶（Home Depot）是這項服務最早的合作夥伴之一。除了零售本業，沃爾瑪正在成為與UPS和聯邦快遞一樣重要的運輸服務供應商。
