近年來，面對人工智慧強勢崛起，許多企業皆對AI技術有著憧憬，希望藉由實際應用，從行銷、客服、財務等業務切入，有效改善公司營運模式，然而，與其他新興技術一樣，創新背後也伴隨風險與挑戰。根據美國麻省理工學院波士頓諮詢集團的一項調查顯示，高達85％的高管人員認為，人工智慧將帶給企業競爭優勢，但只有20％的公司將其應用於少部分業務，其中，真正全面執行AI商業應用的企業只有5%。

事實上，企業熱於投資人工智慧，技術應用卻不活絡。2017年6月麥肯錫全球研究所一項報告指出，2016年全球科技業在AI領域的投資額，約200億至300億美元，但該報告調查的3,073家全球企業當中，只有20%實質應用，另外80％的企業都還處於AI早期實驗階段，若仔細探究AI的低應用率，可以發現人工智慧技術尚存5大挑戰：

1. 需要精準且大量的數據資料庫

數據資料庫是AI轉型的基礎建設，建構過程也最為艱難。全球諮詢公司Willis Towers Watson數位領導人George Zarkadakis曾表示：「要訓練機器學習演算法，需要豐富的數據資料為基礎，數據誤差必須最小化。尤其，考慮到資安，如：2018年歐洲《一般數據保護條例》將生效，網路安全更被重視，企業在建置資料庫時，還要面對數據的隱私問題。」
縱然建構艱難，鑑於取得第三手數據的成本日益增加，越來越多品牌意識到第一手數據的價值。許多公司開始大量投資能夠存取數據的硬體及軟體設備，並且招募相關資訊人才，以協助公司執行AI戰略。

2. AI應用模型需與時俱進

儘管AI能更聰明地應對資訊，當市場狀況改變時，企業必須確保AI模型的適用性。以IBM為例，IBM於2016年宣布，2017年將使用Watson平台，管理計畫性行銷活動，對於一家2014年廣告投入為5300萬美元的公司而言，此舉可說是一項重大改變。
據AdvertisingAge報導，啟用了新的分析工具後，IBM廣告平均點擊成本下降了35%，最多甚至減少了71%。Watson平台採用先進分析技術，透過大數據的運算，可以知道消費者在各個時間點，使用什麼裝置、語言、與瀏覽器，進而在一天內不同時間，為潛在目標消費者分配廣告預算，以提高廣告投放效率。
然而，應用只是開始，模型仍需與時俱進。雖然AI能夠學習，其能力依然受限於訓練所學，當運用人工智慧投放廣告的公司數量增加、買家進出市場的數量變動時，企業必須重新調整AI模型的演算機制。

3. 缺乏「人性」

現今，許多公司運用AI進行客服，但仍侷限於理性或制式化的回覆。隨著自然語言處理（NLP）技術發展，AI機器人已經能更準確地回覆，但仍無法做到感性回應，因此，品牌可以將AI應用於較制式化的回覆，例如，利用聊天機器人回應常見問題、簡易程序等第一線客服；而較複雜、敏感的客戶需求，則可透過AI將客戶導向真人客服。
在專業內容產製上，AI雖無法寫出生動內容，卻可透學習，擔任掌握趨勢的角色。美國諮詢公司Gartner的研究報告曾指出，2018年，20%的業務內容將由機器人生產；根據2015年紐約時報的研究報告，同一事件的兩篇文章中（一篇由專業記者撰寫，一篇由AI軟體編寫），AI編寫的文章，在「提供有用訊息的」、「值得信賴的」、「客觀的」得到較高評分，但卻被認為是「無趣的」、「閱讀過程不愉快的」，因此，品牌可以運用AI，識別時下最流行的趨勢與主題，並預測哪些內容能達到有效行銷。

4. 相關系統無法相容

系統無法相容，將可能讓整個運作前功盡棄。美國行銷科技專家David Raab指出，理論上，在所有組件皆完美自動化地運作之下，AI驅動系統能夠創建全然個性化的客戶體驗，然而，一旦有組件無法應付當下面對的狀況，可能會迫使整項系統停滯，更糟的情況則是系統當初沒有被良好地設計，發生問題時，整項活動還在運行，造成許多非最佳化的結果產生，嚴重影響企業的營運效率。

面對這四項挑戰，企業需要徹底了解其投資的AI技術，並且有策略地分析技術用於各項業務的價值，如此一來，才能將AI技術價值最大化。

延伸閲讀：Liveperson調查》89%受訪者正面看待，我的客服是AI機器人

（以上資料擷取自SmartM）
【本訊息文字圖片未經原提供單位許可，不得任意轉載及連結，如有需求，請洽原資料提供單位。】