专访／微软全面拥抱AI 金融、制造、人才面面观

AI无疑是近来科技业最夯话题。OpenAI开发的ChatGPT惊艳全球，也让世人意识到AI就在你我身边，及其带来的方便性。OpenAI主要投资者之一的微软（Microsoft），也积极将AI带给世人，从解决方案到人才，正全面拥抱AI新时代。

台湾微软2018年1月在台湾成立AI研发中心，整合台湾在地合作伙伴力量，聚焦AI前端研发。近期台湾AI研发中心扩大为台湾研发中心，从纯软件到软硬整合，进一步融合台湾硬件研发技术，并在金融、制造等方向，注入更多资源，回应客户面临AI时代的需求与焦虑。

台湾微软顾问服务事业群总经理林义评指出，台湾金管会准备开放数据上云，将带来金融科技产业的大利多，加快金融业数码转型，而近期的ChatGPT，更在金融业炸锅，以前是要去客户敲门，如今客户自行上门问，要如何导入、怎么应用。

微软大中华区战略部门高科技制造行业负责人章恩齐观察，制造业有两大推手，一为政府，二为客户，政府透过法规，改变游戏规则，ESG就是最好范例，至于客户，因应各国法规要求、成本及风险需求，也让相关制造业，必须配合转变。

台湾微软总经理卞志祥日前出席论坛，针对生成式AI会否像元宇宙一样泡沫化，受访时肯定表示「不会」。

他强调，生成式AI已影响到B2B及B2C的各行各业，成为某种通用技术。然而元宇宙相关的区块链（Blockchain）、非同质化代币（NFT）和Web3都还没有真正发生。

许多人描述ChatGPT是横空出世，不过卞志祥认为，生成式AI的突破，背后有3个必要条件，即海量数据、超强大的演算法以及超强大的运算平台，才能做出现在的生成式AI模型，并具备商业化条件，这也是为何微软可以推出New Bing查找引擎、Microsoft 365 Copilot等工具。

「这是为何微软与OpenAI的结合会对业界带来这么大的震撼，因为它不是单一面向，而是一个全AI系列的集合，」卞志祥如此宣示。

如今不论政府或客户，都在拥抱AI，制造业也无理由回避此问题，然要做好AI，必须先把数据搜集整理的下水道工程完成，此为现在制造业要尽速展开的项目，在企业主埋头处理手边问题时，也须抬头往前看，否则只能头痛医头、脚痛医脚。

面对AI时代，除大数据，也需人才，台湾经常听到五缺，其一是缺人才。台湾微软研发中心总经理张仁炯指出，谈缺人才前，须确认需要什么人才，才能判断缺口，此为台湾讨论人才时，较少着墨的重点。他也认为，没有AI人才的说法，团队要发挥整体战力，而非单一能力。以下为台湾微软接受DIGITIMES专访摘要：

问：ChatGPT掀起AI新热潮，从金融业来看，他们有兴趣导入吗？

林义评（以下简称林）答：当然有，现在最大差别就是，客户对AI应用场景非常非常感兴趣。以前都是我们去客户那边敲门，现在都是客户来问我们，「你帮我介绍一下这个东西可以做什么。」

因为进入门槛降低，不是IT的人在问这个事情，而是所有非IT单位都想要应用、提高生产力，可以想像各种场景都可能发生，我们现在要跟客户一起work out可以用在哪些领域，制造业、金融业等各种产业都会大量使用。

问：举例来说，对金融业来说，ChatGPT可以导入到哪些领域？

林答：用生产力来定义ChatGPT，我觉得非常恰当。举例来说，文字客服过去都是单点回应，问A答A、问B答B，现在ChatGPT可当作人，参考谈话的上下文，知道你想问什么问题以及关联性，因为它本身就是庞大的百科全书，可以当作某种程度对谈。

再来，ChatGPT应用的领域非常广，除了文本生成之外，经过一些调整、预训练，让它对特殊场景累积更多知识，除了互动之外，更能了解应用场景，对工作生产力的帮助就更大。

其实金融业讲AI、生产力这件事情，不纯粹用在预测，比如股票涨跌预测，是生产力提升，可以用来辅助日常，比如说稽核、风控、反洗钱、反诈欺、甚至交互式文案生成，都可以帮助非IT人员提升生产力。

至于金融业的应用，其实数据都在那里，人才进入的门槛也低，不太需要了解AI模型是如何生成的，它已经被预训练，只要透过微调，让它知道工作场域遇到的困难，就知道这个场域可以提供哪些信息。你可以想像未来业务、风控、流程管理人员，都可以大量应用。

金管会正准备大举开放数据上云，对金融科技业来说，更是大机会。

问：金融业上云的机会与挑战为何？

林答：先谈挑战，除了法规之外，就是人才。不过最大的问题还是在于金融业如何快速接受新技术。金融业谈到很多数码转型，转型这件事可以从不同层次来看，可能是数码化、数码优化、数码转型，AI在这些领域都可以同步应用。

我举几个金融业场景给大家看，金融业最常用到的场景就像客服中心，用文字客服，可以在线解决很多被占线打不进来的问题，减少10%、20%的人力，另一方向是数码优化。

同样举客服中心的例子，客户打电话进来可能会遇到什么问题？比如说转来转去，信用卡问题请按1、网银问题请按2、基金请按3等，选单真正到你的选项时，可能3分钟过去了，甚至还要等，这个流程怎么透过AI优化？

比如透过语音识别，可以确认客户身份，用说的就知道要办什么业务，直接导引到选项，快速接通并回应，这就是透过AI优化用户体验，过程从5分钟变成1分钟，客户体验变好了，金融服务满意度就增加。

谈到数码转型，大部分我们谈到的是改变用户行为，AI在这部分其实也可以发挥很大作用。现在智能手机的银行App，可以搜集用户行为，金融业者就可以透过大数据，更精准知道客户想要什么，给予精准行销，用户体验会更好。

问：你们接触的制造业客户如何面对AI新时代？

章恩齐（以下简称章）答：台湾制造业尤其重视3点：第一是良率，第二是生产效率，第三是制造业的成本。看起来是3件事，其实是1件事。从过去的自动化，到现在的AI，不论是分析型AI或生成式AI，都围绕这件事。

针对制造业需求，微软提出工业原宇宙（Industrial Metaverse）架构，把人平常的行为融入到工业的世界里面。过去必须靠人与人实际去沟通这件事，现在可以透过生成式AI，依照过去的经验得到结果。

比如说客户过去在研发阶段，发现有些产品或设备过热，就把它记录变成企业内部的KnowledgeManagementsystem （KM system），当有其他工程师做一样或类似产品，就透过KM system查找，必须一个一个检视。

然当生成式AI出来，在企业级的应用，就不是整合网络数据，而是把历年来建立的KM，整合在GPT上面，查找出来的结果，就是过去企业内部发生的问题，产生更全面性，而且是解决问题的答案，较过去必须翻找很多数据，更节省时间。

微软谈工业元宇宙，是把人的不同感官能力，视觉、触觉、沟通等，整合在同一个平台上，在一个工业世界的宇宙。当我们再把这个「大脑」放进去，不论是分析型AI或生成式AI，在里面运作，就让整个工业世界变得更自动化、智能化。

问：台湾制造业在面对AI时代时的态度如何？

章答：我自己观察，台湾制造业相对被动，这跟整个制造业成长背景有关，做OEM、ODM起家的厂，遇到转型议题，考虑的条件有二：一是客户要求、要求降低成本，二是政府要求，比如ESG。除了上述2条件，就是把核心事业巩顾好，看单子接得顺不顺。

前2年供应链议题，比如说塞港、缺量，大家一窝蜂讨论如何提升供应链透明度，然现在缓解了，就没人找微软讨论这些事情。供应链管理是蛮好案例，遇到需求，会忽然发现一堆事情卡在那里，无法处理，要花很多人工，却没有长远布局。

前2年大家在谈供应链韧性，其实韧性就像草被风吹过后，回弹的速度愈快，韧性愈好，以供应链而言，发生任何状况，愈快找到答案、解决方式，表示韧性愈好。怎么愈快找到答案？一定是手上所有数据是透通的，甚至可模拟3~5个答案，再取舍最佳解。

整个供应链的问题，是怎么有大局观去看整件事，怎么把打底的事情做好。我们都会建议客户，要去做下水道工程，也就是搜集手中数据，再透过平台整合与串连，包括ERP、MES、CRM、HR、QM系统等，不容易，但是做起来后，就不会头痛医头，脚痛医脚。

问：除了客户要有此决心与毅力，另方面是人才，台湾缺AI人才吗？

张仁炯（以下简称张）答：首先，我不认为有AI人才，人才就是人才，10多年到现在，有些新竹公司，仍然认为学校教出来的学生不好用，批评教育政策与学校，然从微软角度来看不对，这些公司不负责任，因为没有人一出校门就什么都会。

不论专业多好，与工作10年的人比较，是不合理也不合逻辑。很多企业把人当作物件，微软不是这样的公司，是把员工当成人，人就不可能什么都会，但是一定会有强项，是其他人没有的。

举例，我个人对社交有恐惧，在人多地方会站在角落，若团队的人都跟我一样？对外沟通能力就很弱，这不是我的强项，要其他同事协助，也许他们英文跟我一样好，沟通却比我强，组织要全面人才的组合，若只是看一个萝卜一个坑，无法发挥最大战力。

其次是缺人这件事，过去几年，全球软件人才都在短缺，北美软件工程师的缺口是30%，但是台湾呢？是谁缺，缺什么，细节没有，只说有缺，缺不缺？缺多少？我不会回答这问题，也不会这样讨论事情。

问：您带领的台湾研发中心招募团队成员时，是否觉得台湾学生缺什么，有何建议？

张答：我不会这么觉得，微软看中的是思考逻辑、创造力与团队合作，任何技术5年后就比较不重要，或被淘汰，台湾也有硬件团队，这方面人才很优秀，招募过程更在意的是理解其人格特质，能否共事，我们要找的是同事，不是员工。

微软在台湾设立AI研发中心，后来扩编成台湾研发中心，主要是看重台湾人才，微软非追逐低成本，否则会有更多低成本地区可设立研发中心，台湾硬件供应链完整，且效率很高，有时候找厂商甚至不用到桃园以南，非常难得，也是台湾发展软硬整合的极佳条件。

责任编辑：游允彤