經濟部產業發展署《AI導入指引》

人工智慧(AI)定義：透過機器學習、深度學習等技術，使電腦系統能夠模擬人類智能，執行如感知、推理、學習、決策等任務的科技。

機器學習(Machine Learning)：AI的核心技術之一，讓系統能從資料中學習並改進，無需明確編程每個步驟。

深度學習(Deep Learning)：機器學習的進階形式，使用多層神經網路處理複雜資料，能自動學習特徵。

生成式AI：能夠創造新內容（如文字、圖像、音訊等）的AI系統，如ChatGPT、DALL-E等。

AI導入目的：提升營運效率、降低成本、創新產品服務、增強競爭力、優化決策流程。

AI導入效益：包括提高生產力、降低人為錯誤、加速創新、提升客戶體驗、優化資源配置等。

AI導入挑戰：包括資料品質與數量不足、技術能力缺乏、組織文化阻力、投資回報不確定性等。

AI導入關鍵成功因素：高層支持、明確目標、資料準備充分、跨部門協作、持續學習與調整。

AI導入前評估重點：問題定義、資料評估、技術可行性、成本效益分析、組織準備度、風險評估。

問題定義：明確界定欲解決的業務問題，確認AI是否為最適合的解決方案，避免技術導向而非問題導向的思維。

資料評估：評估現有資料的數量、品質、格式、取得難易度，以及是否符合AI模型訓練需求。

技術可行性評估：評估現有AI技術是否能有效解決問題，以及企業是否具備相應的技術能力。

成本效益分析：評估AI導入的成本（包括硬體、軟體、人力、時間等）與預期效益的比較。

組織準備度評估：評估企業文化、人才、流程是否準備好接受AI帶來的變革。

AI導入模式可分為：自行開發、委外開發、購買現成解決方案、混合模式。

自行開發模式：企業內部團隊自行開發AI系統，適合具備AI專業人才且需求高度客製化的企業。

委外開發模式：委託外部廠商開發AI系統，適合無內部AI專業人才但需求明確的企業。

購買現成解決方案：直接購買市場上現有的AI服務或產品，適合需求標準化且希望快速導入的企業。

混合模式：結合上述多種模式，如核心功能委外開發，輔助功能購買現成服務。

AI專案流程包括：問題定義、資料準備、模型開發、系統整合、部署與監控、持續優化六大階段。

問題定義階段：明確界定問題範圍、目標與成功指標，評估AI是否為適當解決方案。

資料準備階段：資料收集、清理、標註、轉換，確保資料品質與數量符合AI模型訓練需求。

模型開發階段：選擇適當的AI演算法，進行模型訓練、驗證與測試，確保模型效能。

系統整合階段：將AI模型與現有系統整合，開發使用者介面，確保系統可用性。

部署與監控階段：將AI系統部署至實際環境，建立監控機制，確保系統穩定運作。

持續優化階段：根據使用者回饋與系統表現，持續改進AI模型與系統功能。

資料是AI成功的關鍵，企業需建立完善的資料管理機制，確保資料的數量、品質、多樣性與時效性。

資料收集：從內部系統、外部來源、感測器等多種管道收集相關資料，建立完整的資料集。

資料清理：處理缺失值、異常值、重複資料等問題，確保資料的一致性與準確性。

資料標註：為非結構化資料（如圖像、文字）添加標籤，使AI模型能夠學習正確的模式。

資料轉換：將原始資料轉換為AI模型可用的格式，包括特徵工程、正規化等處理。

資料隱私與安全：確保資料處理符合相關法規（如個資法），採取適當的資料保護措施。

AI導入需要多元的人才組合，包括：資料科學家、AI工程師、領域專家、專案管理者等。

資料科學家：負責資料分析、特徵工程、模型選擇與訓練等技術工作。

AI工程師：負責AI模型實作、優化與部署，確保模型效能與穩定性。

領域專家：提供業務知識與需求，協助定義問題與評估解決方案。

專案管理者：負責專案整體規劃、協調與進度管理，確保專案如期完成。

企業應建立支持AI創新的組織文化，鼓勵實驗、容許失敗、促進跨部門協作。

AI倫理原則：公平性、透明度、隱私保護、安全可靠、問責機制、人類自主性等。

企業應確保AI系統的設計和使用符合倫理原則，避免產生歧視或偏見。

企業應了解並遵循AI相關法規，包括個資法、著作權法、消費者保護法等。

企業應建立AI治理框架，明確AI系統的責任歸屬，建立申訴與救濟管道。

企業應定期評估AI系統的社會影響，確保AI的使用符合企業社會責任。

AI風險類型：技術風險、資料風險、倫理風險、法規風險、營運風險等。

技術風險：包括模型效能不佳、系統穩定性問題、技術選擇不當等風險。

資料風險：包括資料品質不佳、資料偏誤、資料隱私洩漏等風險。

倫理風險：包括決策偏誤、歧視問題、透明度不足等風險。

風險管理流程：風險識別、風險評估、風險應對、風險監控四個步驟。

AI成熟度評估：評估企業在AI應用上的發展階段，包括初始階段、發展階段、成熟階段、領先階段。

AI發展路徑：企業應根據自身成熟度，制定分階段的AI發展策略，循序漸進地提升AI能力。

企業可從解決單一業務問題的小型AI專案開始，累積經驗後逐步擴展至更複雜的應用。

企業應建立AI能力中心(CoE)，集中管理AI知識、技術與資源，促進AI最佳實踐的分享。