「人工智慧來得又快又急，有人說它像電力與火的發明；也有人說它就像遠處傳來的火車鳴笛聲，意識到就要撞上了」。台灣的AI產業如何搭上這班全球順風車，不被時代超越？
若水AI最近聆聽《2021年台灣人工智慧學校中部智慧製造專班課》校務長蔡明順的演講精華，同感SDGs和科技以人為本的重要性。從美國矽谷到台灣本土，近年來，越來越多人希望用科技的力量讓社會更好。「Tech for Good」正是若水的創業理念，我們致力用AI科技，為身障者創造全新工作職種。
上一篇文章，校務長蔡明順談到全球AI發展策略和台灣產業AI化；接著，我們來談談如何順勢掌握商機，開創AI新局。
希望能對您有所啟發，助您的AI實踐之路更接地氣。
許多人來台灣人工智慧學校上課，都會問我們：下一步該怎麼做？我覺得，想預測未來，最好的就是理解現狀，創造未來。
今年3月，我們和蜂行資本推出一份「台灣企業AI趨勢報告2021」，裡面提到要評估一個企業的AI成熟度到哪裡，可以分成7個程度。
俗話說「無數據不AI」，Level 0是指企業尚未開始，還在思考如何導入AI；Level 1是剛開始嘗試收集數據，Level 2則是用這些數據開始建立實際案例，做POC實驗。
到了Level 3已開發出AI，並進行小規模嘗試，接著到Level 4正式部署，嘗試做一些production看有沒有問題，Level 5再進一步擴大AI使用的範圍，到一條產線或一個部門，最後Level 6，AI則是超越獨立計畫，成為公司中無所不在的共通語言。
簡單歸納幾個結論：從2018年到2020年，台灣投入AI的企業，主要落在營收50億以上的隱形冠軍行列，而且大多數屬於Level 2~3之間，只有少數到達Level 4。會用營收來區分，是因為這些企業通常是上市櫃，資訊成熟度高，具備更高的國際競爭力。
另外，企業做AI也不再只考量到成本降低，更希望藉著AI產生新商機。我建議大家如果要做嘗試，不一定要馬上使用商業運營場景來做AI，可以先練習解決資安的問題。特別是受政府法律監管的電信、銀行、公部門等行業，可以先嘗試做出監管AI，再進一步擴大商業使用範圍。
至於資料科學家，台灣目前相較於美國，平均落差兩年左右的水平，但也有少數厲害的企業，成熟度不比美國差。
再者，雖然台灣的AI還沒有進入全面成熟期，但模型開發節奏和自動化正在加速。
比如台灣人工智慧學校的中部製造課，過去其實會教很多hard-core技術，但這一兩年，我們也引入可以直接用平台寫程式的技術，這並不是因為偷懶，而是自動化工具變多了，企業不一定需要從頭到尾自己來，也可以借力使力，用最有效的方法來達到目的。
AI時代已來臨，抓住這5個機會點
如果沒有外力，企業大概不會主動投入AI，甚至很多人都覺得不需要這麼早啟動，先等別人做出來再說。
但如今，許多企業的客戶或上游供應廠都已經在做AI，使得大家也感受到自己必須積極跟進的危機感。當Covid-19過去後，未來3到5年，中小企業應該也會慢慢跟上這波浪潮，因為許多大廠，例如Apple、特斯拉，已經在重組未來的上下游供應鏈。台灣企業如果想要納入供應鏈，就必須符合這些工廠標準、ISO標準、減碳標準，甚至可能連數據接口都需要考慮進去。
面對即將來臨的AI時代，我觀察到有幾個可以抓住的機會點，特別是在智慧製造領域。
- 機會一，AI帶來的自動化勢在必行。未來機器不會完全取代人力，但人機協作的比例會提高。我們會在機器裡面裝AI模型，用來執行人類可以用3到5秒判斷出來的常識，例如品管有重複性的機械動作，可能會逐漸被機器人取代。
未來5到10年，社會上可能會產生摩擦性失業，所以我們希望資深專業人士不要太快退休，讓優秀的年輕技師可以在這段時間補位，進入市場。 - 機會二，未來可能有大量智慧製造的需求。台灣土地面積雖然只有全世界的0.025％，但其實很關鍵，不只半導體製造，機械製造的實力在全世界可以排到前5強。
目前全世界都在面臨供應鏈的重組，無論是製造業的回流，或是為了滿足中、美內需市場及國際市場，許多大廠從中國轉回台灣，或是轉向東南亞後，投資力道集中在新建廠房的階段，創造新的智慧製造機會。 - 機會三，智慧生產的投入與日俱增。自動化的設備增長速度非常快速，今天正在建廠的都以減少人力介入的智慧生產為目標，希望由自動生產來控制。
- 機會四，SDGs（聯合國永續發展指標）絕對是2050年以前很重要的發展方向。如果你是製造業的二代接班，特別要注意這個趨勢，因為未來的採購供應鏈要符合規定，就必須考慮到碳中和和碳排的問題，而這些題目很適合用AI來解決。（延伸閱讀：除了環境保護，你有想過工作平權也是企業SDGs的創新命題嗎？）
- 機會五，地緣政治以及東南亞商機。我們把自己當成邊陲地區，但其實全世界不是這樣看台灣的。站在全球的角度，我們是東北亞跟東南亞的交匯中心，日本、韓國再加上臺灣，大約有2億的市場規模，而且是成熟的經濟體。東協10國的市場規模大約6.5億，加上印度3億，大約有22億的市場規模。
因此，我們可以把印太戰略當成一個市場戰略，重新思考。近年，很多台商漸漸往東南亞走，因為東南亞的勞動力人口，比台灣、日本還要年輕許多。再來，印尼正處在20年前台灣的經濟發展階段，有2億人口和大量機會，台灣很多大學也都去東南亞招生，甚至考慮設立分校。
面對疫情，企業老闆可以選擇接下來會快速復甦的行業來做，而教授在做產學案也是，電商行銷已經有很多例子，可以改而從新的供應鏈整合來切入，例如如何重新設計物流、東南亞的發展等等。
台灣的產品在世界上，有許多都名列前茅，我們可以把自己當成是一個示範場域來做嘗試，特別是人工智慧的發展還在初期藍海階段，尚未進入成熟市場的紅海，早點發現機會的，通常更容易養成核心優勢，獲得成功。
AI不只是技術導入，更是心態和流程上的創新
導入人工智慧往往只是踏入新世界的第一步，當人機協作的比例逐漸提升，仍有許多需要思考的面向，例如，學了人工智慧，要不要重新定義、提升員工的技能？技能提升之後，部門的功能有沒有存在的必要性，要不要做流程改造？以及，組織的KPI或OKR要不要重新定義？這些，都是現在大廠在想的事情。
想做AI，同時也要觀察市場上在找什麼人才，盤點自己公司的人才是否具備相關技能。現在市場上要找到AI工程師或者科學家，不外乎是看科系是否相關，有沒有程式語言能力，會不會用工具套件，還有軟技能，最重要的是要有domain。
2000年的時候，英特爾前總裁安迪·葛洛夫（Andy Grove）問了張忠謀一個問題：「台積電未來要做技術提供者，還是終端客戶的提供者？」前者是悶著頭做技術，後者是了解消費性電子的發展階段到哪裡，我想張忠謀是選對了邊，才會有今天的護國神山。
無論你是B2B或B2C、身處在什麼產業，都有機會透過這次變革，去形塑你的行業，包含行業的創新，或是重新定義服務的價值，甚至是重組供應鏈的生態系統。
台灣企業要發展AI，大型企業量體夠大絕對沒問題，但是小型企業還是要打群架。對傳產來說，未來邊緣運算的晶片成長前景很不錯，包括IoT、車用電子、消費性電子等，應該有不少機會點。對高等教育體系來說，最重要的就是能把AI知識轉譯成你的領域語言，幫助下一代學懂怎麼看AI時代的機會，運用新的工具方法，以及定義問題。
未來，人工智慧還有很大的發展空間，它的意義其實在於增強本身的優勢，而不是讓自己被動的被取代。
正如彼得杜拉克的提問：「你是誰，你從哪裡來，你要去哪裡？」，以及《從A到A+》這本書裡提到刺蝟模式，簡單來說，就是要找到你的優勢所在，資源所在和願景所在，這三項的交集處，就是你未來可以創造的目標。
Tech for Good意識：全球重視SDGs、以人為本的AI
AI對人類是一個機會，但是也是個挑戰，還有很多的部分其實不夠完美。比如道德問題，數據的偏見問題，演算法的偏移問題，法規尚未制定完成等等，這些都還在進行中。
AI如果運用的好，可以幫助到許多人；但是運用的不好，或者是開發者本身帶有其他意圖動機，它也許會產生負面效應。
例如，有個節目的主題是「中國全程式控制你的臉」，提到大陸貴州省公安跟 BBC記者做了一個叫做「天馬工程」的合作計劃，試圖在貴州的監控中心測試，如果有人做出犯罪行為，到底可以多快被抓到。因為如此，大約2019年的時候，舊金山市政府立法通過，禁止在舊金山機場用攝像頭將個人隱私的東西做評分。
網路上曾經有人做了一張令人感慨的哏圖，人類從源頭演進到最後，終點居然不是人類自己管自己，是機器人在管人類。
科技本身是中性的，科技發展始於人性，不只前面提到SDGs在未來會愈來愈重要，我最後也要提到，目前全世界許多專家學者，史丹佛大學等頂尖大學，都一再的倡議：我們要回到以人為中心的AI（Human centered AI），人工智慧的發展之路還在早期，變革科技帶來典範轉移，對於台灣的未來發展，我們正在一個關鍵的起跑，期待與大家一起同行。
💡 延伸閱讀：
1. 從數據處理，看見台灣AI產業發展趨勢
2. 3分鐘精華地圖：從數據的角度，看成功AI專案不可缺少的關鍵策略思維
3. 專訪英業達人工智慧中心首席科學家：AI落地不只技術，更需要活用武功、見招拆招
