過去兩年生成式 AI 的快速崛起，讓我們見證到 AI 如何以驚人速度影響著世界！不少企業對 AI 懷抱美好想像，但當實際著手導入 AI 專案，才驚覺內部 IT 基礎架構與資料策略存在許多缺漏。對此，Google Cloud 與人工智慧科技基金會（AIF）公布《台灣產業 AI 準備度調查》，作為企業經營者擘劃 AI 藍圖的參考，同時也為資訊長、IT 主管提供內部資源盤點指引。

前瞻技術能否發揮影響力，可藉助其應用產值加以觀察。根據麥肯錫 2023 年發布《生成式人工智慧的經濟潛力》報告，指出生成式 AI 每年可為全球經濟增加數兆美元的價值。另外，PwC 的 2023《全球人工智慧研究：發掘 AI 革命》預測到 2030 年，AI 將為全球 GDP 創造高達 15.7 兆美元價值。

AI 紅利大家都想分一杯羹，而究竟台灣企業普遍在擁抱 AI 機會的準備度現況又是如何？ Google Cloud 攜手 AIF 製作《台灣產業 AI 準備度調查》，評估的面向涵蓋：數據力、創新力、技術力、治理力、運算力，結果發現，2024 年台灣企業整體 AI 準備度指數平均 54.08。其中，「數據力、運算力」與 IT、資訊工作最相關的指標，在這份報告提供深具價值的關鍵洞察。

企業 IT 部門最該關注「數據力、運算力」兩大指標，關鍵仍在企業策略
首先是「數據力」，對於計畫導入 AI的企業，數據的準備度至關重要。企業必須能快速蒐集、處理多個數據來源的資料庫，例如要跨部門合作打通ERP、CRM系統資訊，以整合不同來源的資料餵養企業 AI 模型、幫助企業各部門同仁從日常工作更輕鬆從資料獲取價值。

不過《台灣產業 AI 準備度調查》點出，目前僅 17.8% 的台灣企業有能力整合並快速處理不同來源資料。多數企業尚未打造一個資料存取的整合平台（如資料湖、資料倉儲），內部各類數據散落在不同單位，導致數據孤島 （Data Silos）情況普遍存在。除了業務單位無法快速、自主運用資料，當然也無法訓練 AI 模型洞察營運全貌，找出企業第二成長曲線的可能性。

至於該如何解此困境？根據《Google Cloud 如何協助機構運用生成式 AI 實現創新》白皮書，提出策略建議：善用雲端平台整合企業資料，同時在雲端環境訓練 AI 模型來深入分析營運資訊。像是 BigQuery、Cloud Spanner、Looker、乃至於 Vertex AI 相關解決方案，都已涵蓋在雲端的整合式智慧資料平台，不僅解決數據孤島還有效管理資料生命週期各個階段。

詳細內文請參考網址...