2023-09-30|閱讀時間 ‧ 約 8 分鐘

生成式 AI 成熟度模式 (GAIMM)

前言

上一篇文章中,我們談到有關「生成式 AI 如何加速企業創新轉型」的議題,瀏覽了不少的國外研究機構相關報告,以及生成式 AI 在製造業、零售業、娛樂業、醫藥業、金融業....等等各個產業的應用案例。

文章中我也提到了:生成式 AI 與以往鑑別式 AI  的最大差異不在於「分析力」而是在於「創造力」。要善用生成式 AI 的高度創造力來加速企業創新,才能發揮生成式 AI 最強大的火力。

然而,即使知道這些事實,企業主管們也不一定會馬上行動,立刻導入生成式 AI 到企業中。因為以往任何一項創新科技要全面擴散到企業的各個部門中應用,都必須經過許多漫長的評估與驗證過程,才能發揮其作用。

只是,生成式 AI 帶來的變革實在太過強烈,速度實在太快,可能會令我們措手不及。

今天,就來聊聊影響企業評估導入生成式 AI 時,可以參考的「生成式 AI 成熟度模式」(GAIMM)。

成熟度模式

想了解一件創新科技或創新制度是否適合導入於企業組織時,通常我們會使用「成熟度模式」(Maturity Model)來進行評估。

成熟度模式的概念其實很簡單,就是將初始狀態到最佳狀態,依據不同成熟度級別劃分為不同的階段,每個級別和階段都代表了組織在某個特定狀態中的能運能力和狀態。

成熟度模式的濫觴是源自卡內基梅隆大學的 Software Engineering Institute(SEI)在軟體工程學中提出的 CMMI(Capability Maturity Model Integration)。CMMI 模型將組織導入軟體工程的成熟度依據不同的狀態分為五個級別。這個作法簡潔明瞭,後來很多新科技或管理制度也沿用這樣的概念而展開。

生成式 AI 成熟度模式 (GAIMM)

依循這樣的思路,我們就可以發展出一套「生成式 AI 成熟度模式 (Genertive AI Maturity Model):

一、啟蒙者級 (Novice Level):

在此階段,企業已經開始意識到生成式 AI 的潛在價值,但對於如何導入企業尚不理解,一切都還在初步探索階段。

  • 特點:
  1. 初步認識生成式 AI:僅知基本概念,還未全面理解其應用價值和風險。
  2. 簡單嘗試和實驗:進行一些基本的生成式AI實驗項目,但沒有系統性的策略。
  3. 沒有固定策略:在這階段,對於如何應用生成式AI並沒有明確或統一的策略。
  4. 依賴外部資源或工具:可能依賴第三方平台或團隊進行嘗試,還沒有自己的專門團隊。
  5. 缺乏深入了解和策略規劃:對於生成式 AI 的深入知識和未來規劃都還很模糊
  • 困難:
  1. 資訊的真偽和篩選:在眾多的信息中如何選擇正確和有價值的資訊。
  2. 資源和工具的選擇:面對市場上眾多工具和平台,如何選擇最合適的。
  3. 技術和策略的不確定性:缺乏明確方向,可能會迷失在技術的大海中。
  4. 新技術的風險:因為不熟悉,可能面對技術落地和執行上的風險。
  5. 內部接受度和合作的問題:部分團隊或成員可能對新技術抱有疑慮。

二、探索者級 (Explorer Level)

在此階段,企業開始積極尋找和嘗試生成式 AI 的應用,並建立初步的團隊和資源配置。

  • 特點:
  1. 了解生成式 AI 的核心技術和價值:已有更深入的了解,並尋找相關應用。
  2. 制定初步的策略框架:開始有了固定的方向和策略,但可能還不夠完善。
  3. 有具體的應用案例或專案:已有部分項目或案例在進行或完成。
  4. 初步的團隊和資源配置:有了專門負責生成式AI的團隊,但規模還不大。
  5. 期望得到實際的效果和價值:希望透過生成式AI帶來商業價值或提升效率。


  • 困難:
  1. 如何制定有效的策略:在眾多的策略中選擇最有效的還是一大挑戰。
  2. 資源和預算的分配:如何有效利用有限的資源和預算。
  3. 保持技術和策略的更新:技術迅速變革,如何確保不被時代拋棄。
  4. 如何衡量效果和價值:設定和達到KPIs可能會遇到困難。
  5. 內外部的合作和協調:如何確保所有團隊和部門都朝著同一個方向努力。

三、建設者級 (Builder Level)

企業已有明確的生成式 AI 策略,並進行專業的團隊建設和流程標準化。

  • 特點:
  1. 制定明確策略:已確定了長期和短期的AI策略。
  2. 專業團隊建設:擁有資深的生成式AI專家和團隊支持。
  3. 標準化流程:所有生成式AI相關的工作都有固定和標準化的流程。
  4. 技術和資源整合:可以自主選擇和整合不同的技術和資源。
  5. 初步監控和評估:有系統地監控和評估生成式AI項目的效果。
  • 困難:
  1. 制定策略的盲點:即使有明確策略,仍可能存在未預見的盲點。
  2. 團隊協作的挑戰:如何確保各個團隊都能高效協作。
  3. 流程的執行和優化:即使有標準化流程,仍需要不斷優化。
  4. 技術選擇和整合的困難:在眾多技術中選擇最合適的仍是一大挑戰。
  5. 期望和實際效果的落差:可能存在期望和實際效果不符的情況。

四、領航者級 (Navigator Level)

企業已將生成式 AI 全面落地,並能夠量化效果,持續優化策略。

  • 特點
  1. 專案效果量化:所有生成式AI相關的項目都能量化效果和價值。
  2. 持續優化策略:根據實際效果,不斷調整和優化策略。
  3. 跨部門整合應用:生成式AI不再是單一部門的事,而是跨部門的整合應用。
  4. 風險管理和控制:能夠預見和控制所有與AI相關的風險。
  5. 客戶和市場反饋整合:主動收集客戶和市場的反饋,並整合到策略中。
  • 困難
  1. 量化標準的確定:如何確定最有價值的量化標準仍是一大挑戰。
  2. 策略優化的盲點:儘管有了策略優化,但仍可能存在盲點。
  3. 跨部門合作的摩擦:跨部門的合作可能會存在摩擦和障礙。
  4. 新風險的預見和控制:面對新技術和市場,可能存在新的風險。
  5. 市場和客戶反饋的解讀:如何正確解讀並整合反饋是一大挑戰。

五、創新者級 (Innovator Level)

企業已將生成式 AI 完全整合到核心業務中,並持續創新和領先市場。

  • 特點
  1. 生成式 AI 全面落地:生成式AI已經成為企業核心競爭力的一部分。
  2. 策略自動調整:有完善的系統,能夠根據實際情況自動調整策略。
  3. 持續創新和領先:不僅跟隨市場,而是成為市場的領跑者。
  4. 強大的內部培訓和文化建設:有系統的培訓計畫,確保所有員工都能跟上生成式AI的步伐。
  5. 長期規劃和投資:不僅注重短期效益,更注重長期的投資和回報。
  • 困難
  1. 技術和策略的持續創新:即使已經領先市場,仍需要不斷創新以保持競爭力。
  2. 高度整合的管理挑戰:高度的整合可能帶來新的管理挑戰。
  3. 長期投資的風險:長期的投資可能會帶來未知的風險。
  4. 文化和策略的持續培養:確保所有員工都能跟上生成式AI的步伐可能有困難。
  5. 市場變革和風險:市場的快速變革可能會帶來新的挑戰和風險。

結語

依據「生成式 AI 成熟度模式」 (GAIMM) 的定義,您可以試著評估看看您所在的企業或組織,在生成式 AI 的導入階段是屬於哪一個級別?

如果只是“啟蒙者”或“探索者”,其實也不需要太過著急。因為根據 Accenture 調查 2000 家公司的研究報告發現,只有 12% 的公司的在人工智慧的成熟度足以實現卓越的成長和業務轉型。

Accenture 也將企業導入 AI 的基礎架構成熟度與創新能力高低劃分為兩個維度,依據高低展開為四個象限,其中屬於 “AI 創新者” 只有 13%, “AI 成就者“ 只有 12%,”AI建構者” 也是 12%,絕大多是都還是屬於 “AI實驗者“ 63%。

換言之,即使是全世界最大規模的 2000 家公司,絕大多數目前也都還在探索 AI 的應用可能性,而生成式 AI 更是其中急速發展的議題,我相信數字會更加極端。

不過,以我們近期訪問國內幾家大型企業 CXO 的研究發現,許多產業的創新應用,雖然還沒大規模落地展開,但已經都在積極研究與佈局,相信不久的將來,我們就可以看到許多生成式 AI 在各個產業遍地開花的創新應用。


原文刊載於:CIO 經理人雜誌




分享至
成為作者繼續創作的動力吧!
© 2024 vocus All rights reserved.