本文內容與圖來自:https://www.gartner.com/en/articles/hype-cycle-for-artificial-intelligence
當我們談論人工智慧（AI）時，生成式AI（GenAI）經常成為焦點。雖然它的潛力在內容創作、自動化、用戶體驗等方面備受期待，但對大多數企業而言，GenAI尚未完全實現其商業價值。因此，2024年的人工智慧發展趨勢將目光投向了GenAI之外的技術，揭示了更多潛在的財經機會。
1. GenAI：從高峰到實際應用的過渡
2024年，生成式AI已經跨過「期望膨脹高峰」，逐步進入「啟蒙的低谷」階段。這意味著企業需要重新審視其應用方式，並將注意力放在成熟且可實現價值的AI技術上。這些技術包括單獨運作的應用或與GenAI結合的綜合型解決方案。
儘管GenAI仍被視為一項可能帶來顛覆性影響的技術，其挑戰不可忽視，包括：
- 倫理與社會問題：如深偽技術與假資訊的濫用。
- 法規與安全考量：包括數據隱私與安全漏洞。
- 複雜性與接受度：部署難度高且用戶接受度低。
2. 複合式AI：為未來AI架構奠定基礎
複合式AI（Composite AI）成為2024年人工智慧的重要趨勢之一。它結合多種AI技術，如機器學習、自然語言處理和知識圖譜，以應對單一技術難以解決的複雜問題。例如：
- 將規則基礎系統與機器學習結合，可處理非結構化數據，幫助企業從多樣化數據集中提取更深層次的洞察。
- 分散單一技術的失效風險，提高整體系統的可靠性與適應性。
對企業而言，複合式AI的應用不僅提升了預測與決策的準確性，還能在複雜環境中實現更精確的自動化，帶來實質的財務回報。
3. AI工程與知識圖譜：實現規模化部署的關鍵
2024年的熱潮週期中，AI工程與知識圖譜被認為是推動企業AI能力的兩大核心技術。
AI工程（AI Engineering）
大多數企業缺乏將AI項目擴展到生產規模的數據、分析與軟體基礎設施。AI工程透過採用DataOps、ModelOps與DevOps等方法，使模型部署變得可結構化、可重複，並形成「工廠式」框架，實現大規模應用。知識圖譜（Knowledge Graphs）
知識圖譜能以直觀的方式呈現物理與數字世界的關聯，提供可解釋的邏輯推理，這是生成式AI所欠缺的。企業可以利用知識圖譜的邏輯性，解決業務中需要高度可靠性的問題，如金融風控與供應鏈優化。
4. 擴大AI投資的非技術性考量
在AI技術快速發展的同時，企業需要關注AI投資的非技術層面，這包括：
- 數據治理：確保數據的準確性、完整性及無偏性，並與未來應用場景匹配。
- 風險與合規管理：面對越來越嚴格的數據隱私法規及道德風險，企業必須建立全面的風險控制機制。
- 用戶接受度與組織複雜性：即使技術成功部署，低用戶接受度或內部流程障礙仍可能阻礙AI技術的全面落地。
財經啟示：掌握技術趨勢，創造新商業價值
2024年的人工智慧熱潮週期提醒我們，GenAI之外的技術正在形成更大的商業價值潛力。企業應該將注意力轉向成熟且易於實現的技術，例如AI工程與知識圖譜，同時為複合式AI的應用做好準備。
在制定AI投資策略時，除了關注技術本身的創新性外，還需考慮數據治理、法規遵循與風險管理等非技術因素，以在複雜的財務與業務環境中獲得長期優勢。
