隨著 Google、AWS、微軟等巨頭企業持續投入，顯示人工智慧龐大的商業潛力。身為全球企業級解決方案的領導品牌，SAP 則是將 AI、物聯網與區塊鏈等技術整合於雲端平台，融入數十年的產業經驗、流程和知識，以客戶需求出發，在企業 AI 應用中開創一片天地。
人工智慧發展概況及應用
一提到 AI ，很多人立即就想到文學作品中的虛幻場景，或者科幻電影中飛天遁地、超越人類的機器人，實際上，目前 AI 遠遠不及上述程度。
人類開發和使用 AI 是為了提升勞動生產率、降低勞動成本、優化產品服務、創造新市場，帶來更多價值和體驗。簡單來說， AI 是人類意識和思維的模擬，利用機器學習和數據分析賦予機器「類人」的能力。
AI 可分為三個層次：
- 弱 AI：擅長單一能力的 AI，如下棋、圖像識別等
- 強 AI：人類級別的 AI ，在各方面都能和人類比肩，如同大腦般分析、處理資訊
- 超 AI：在各個領域都比人類強大，但是程度不一
本文主要討論弱 AI。這項技術目前已相對成熟且廣泛運用，此階段的 AI 是指機器學習領域中的深度學習，基本原理為大數據的統計分析，也因此仰賴大量數據。在某些特定情境中能超越人類，最擅長的是對大量、高維度資訊的分類，此技術結合深度學習可做到資訊越多、維度越多，分類結果越準確的效果。
製造業是目前 AI 應用的藍海
製造企業中有大量的有效數據，正符合 AI 的數據依賴性。 當 AI 與製造業的管理、技術結合，就能根據生產數據進一步優化各個細分流程，為各級管理者提供決策建議，甚至自主優化。事實上，研究發現 AI 可降低製造業最高達 20% 的加工成本，而這些減少的成本中有 70% 來自於生產效率提升。
SAP 研究發現全球投資於製造業 AI 及相關情境的市場，2025 年可望超過 7200 億美元，年複合成長率（CAGR）超過 25%，製造業成為 AI 應用的藍海。
AI 在企業管理中的應用需求分析
對消費市場的客戶而言，AI 主要好處是方便、快速和智慧化的新體驗，其應用已極為普遍，不須再贅述。因此本文著重分析 AI 在企業端的應用，尤其是工業製造業的管理應用。
生產單位對於良率和效率提升的需求是永無止境的，而產品設計與研發則來自對客戶需求的把握，同時優化供應鏈資源分配以滿足生產需求。因此主要應用情境可分為三類：
- 運用 AI 提升良率和生產效率
- 產品研發智慧化
- 供應鏈管理智慧化
AI 應用「點、線、面」模型
目前 AI 廠商為客戶提供服務時，主要是透過情境描述。好處是容易讓客戶理解其應用價值；壞處是客戶分不清 AI 簡單/複雜情境的區別。有客戶曾問：SAP 的 AI 與其他企業相比有何優勢？
當我們從企業管理的角度說明 SAP 的優勢時，對方便立即認可，因為，描述情境時會模糊流程和組織角色，但管理層往往是從企業組織的優勢評估 AI 應用。受此啟發，本文將透過組織管理的點、線、面三層分析說明 AI 在企業管理中的應用：
- 點：企業功能的職位，針對員工具體的作業內容
- 線：流程或完整業務情境，主要針對組織內外部整合
- 面：企業整體營運，包括組織優化和管理創新
首先，企業裡沒有獨立存在的「點」，以上三層面是逐步演化、互相影響的。AI 最簡單的情境就是個人決策時，AI 可提供強而有力的支援。然而，「線」就涉及到多人、多部門的合作，這也是企業管理階層所看重的。
AI 從「點」到「線」逐漸成熟，最終呈現「面」，企業就能走向智慧化的組織管理與創新
與企業管理結合，AI 推動組織智慧化
勤業眾信（Deloitte）的一份研究報告顯示了不同的管理作業被 AI 替代的程度，反映了企
不同部門對 AI 需求的差異程度：
「點」情境的需求
業務操作情境：
- 財會管理：包括自動付款清帳、收款資訊自動處理、財稅票據自動處理等
- 產品品質檢驗：大數據和機器視覺系統可快速掃描產品質量，提高效率
- 智動化分揀：分揀機器人可解決混雜分揀、上下料及拆分等
- 智慧客服：人工客服成本高，服務效果難以標準化且流動性高， AI 在客服領域中已發揮作用，預計到 2020 年 85% 的客服將依靠 AI 完成
決策活動情境：
- 管理決策：包括生產資源分配、生產過程優化，以及供應鏈需求/銷量預測、大宗原物料採購決策、供應鏈風險管理等。 AI 主要解決管理階層資訊不完整，無法綜合考量決策風險的問題。
- 產品設計：市場和客戶回饋的數據、資訊往往不完整， AI 可根據既定目標探索多種設計方案，協助開發人員進行測試和學習。
「線」情境的需求
企業真正關注的是如何讓 AI 融入組織，成為系統性決策的加速器，促進企業內外的整合效率和準確度，讓企業管理智慧化。「線」情境實際上就是多點整合。表面跟傳統流程管理很像，但背後是 AI 與數位管理平台的互動。
後者是企業管理的技術平台和數據主要來源；前者一方面彙總各部門資訊，同時綜合評估內外部數據，在持續循環中調校決策品質。代表企業管理的 AI 應用，不是流程 AI 化，而是互相影響。 AI 要持續優化流程，並透過不斷深度學習來推進企業管理的優化，甚至進化。
客觀來說，這種情況已經超出傳統的企業管理理念和營運方法，因此還需要配套措施支援這種情境的模型管理、維護、調試和持續不斷地更新數據。
「面」情境的需求
理論上，「面」情境是企業營運的整體智慧化，是 AI 與企業經營管理的深度融合。隨著智慧製造的快速發展，未來 AIoT 晶片，將成為多數硬體的「標配」，可想而知，製造業的商業模式也會發生重大變化。
由於企業級 AI 仍處於早期發展階段，當研發設計、供應鏈、製造、財務管理、客戶服務等主要業務逐步智慧化後，多條線就自然具備「面」的基礎，企業客觀上就走上了智慧化管理。但由於組織管理「人」的不穩定性，這不會只是個線性過程，還需要管理人員與制度上的創新。
數位平台，幫助企業邁向管理數位化
針對這項趨勢， SAP 推出智慧企業解決方案，核心就是將 AI 與企業成熟的管理系統結合，強化組織內每個環節、流程，推動整體的作業效率及整合性，最終提高組織的決策效率。在這個架構中，從「點」到「線」，AI 平台為企業建構可持續進化的智慧引擎。
目前這個平台已成功應用於很多產業的「點」的應用情境。下圖是 SAP 汽車零組件客戶利用 AI 輔助沖壓零件的品質預測分析，比傳統的方法達成更好的品質預測結果。其他如財務、供應鏈、設計和決策等方面的應用也都很成熟。
同時，「線」情境方面的應用也逐步成熟。如大金空調企業的安裝服務情境，除了設備製造商，還有外部的營建商、經銷商、施工團隊等，真正地將評估、購買、維護與服務的全流程，圍繞著核心客戶運行。
整體看，這些情境有以下特點：
- 使用情境所涉及到的關係人，已超出傳統 IT 系統和流程所涵蓋的範圍
- 服務過程產生大量非結構化資訊，未來聯網產品傳回的是有時間連續性的即時數據
- 需要大量彈性的跨部門溝通協作，整合數據和後勤流程作業
影片案例中，透過 AI 圖像識別品檢結合售後維護客服，為客戶帶來以下價值：
- 清楚了解技術、投資成本、成長性和投資報酬率
- 準確預測外部施工團隊安裝空調系統的潛在品管風險
- 根據品管風險優先排序施工團隊，讓工程師能提高品質效率與客戶滿意度
- 統一的即時平台處理結構/非結構化數據，並在複雜的企業 IT 環境中確保數據品質。
從上述分析，AI 強化並擴展企業管理的效能和範圍。鑒於製造業資訊化程度相對高，累積了大量的數據，也稱成為灌溉 AI 模型的養分，進一步解決實際的製造問題。
AI 平台，幫助企業管理走向智慧化
隨著 AI 在「點」情境中的普及，並在「線」情境中從簡單到複雜的逐步深入應用， AI 將會「顛覆卻緩慢」地影響管理與作業流程。Accenture 顧問機構《TECHNOLOGY VISION 2020》研究報告指出：「AI 不僅能推動流程自動化，提高工作效率；更重要的是實現人機協作從根本改變工作性質，顛覆企業營運和員工管理方式。」
作為一家以「智慧企業」為核心的公司，SAP 累積超過 43 萬名企業客戶以及 2 億名雲端使用者的經營智慧，我們提供深入的商業洞察、提升協作能力，幫助客戶將智慧技術融入日常營運流程之中，成為未來的前瞻領導者，躋身引領產業的創新先鋒。
歡迎你與我們聯繫
撥打 SAP 專線：0800-885-989
線上專員洽談：https://bit.ly/3lPaEIk
加入 LINE@：https://goo.gl/RbmeFM
觀賞影音頻道：https://goo.gl/AjjnXL
