賦能未來：與 Cognizant 一同運用自動化和生成式 AI

在最近與 Cognizant 自動化作業諮詢主管 Mariesa Coughanour 的對話中，我們獲得了關於自動化和人工智慧 (AI) 世界的寶貴見解。Mariesa 的職涯橫跨新創公司和像 GE 這樣的全球大企業，能為我們帶來豐富的經驗談。請閱讀並體驗我們的訪談內容，瞭解落實自動化與 AI 的挑戰與策略，同時著重成功的發布策略。

趕時間嗎？以下是 Mariesa 為尋求導入自動化及生成式 AI 技術的公司所提供的五大關鍵要點：

從風險較低的領域開始：從在敏感度或風險較低的區域展開您導入自動化及生成式 AI 的旅程。這種階段式做法能讓組織逐步學習、建立信心，並培養發展動能，同時避免讓關鍵功能暴露在學習曲線的問題之下。
以資料品質為先：整合自動化及生成式 AI 時，要處理資料問題並以資料品質為先。瞭解資料對大多數組織而言是一大挑戰，並思考如何取得正確資料並確保資料可靠。這樣可以改善您的成果，同時恢復核心資料中心的品質。
擁抱技術意識：瞭解工作方法會因自動化和 AI 而進化，但這不一定代表會讓人失去工作。企業應促進員工的技術意識和提升技能。未來的勞動力可能會結合人力與數位勞工。
安全性與隱私權：整合自動化與 AI 技術時，請密切關注資訊安全與資料隱私權。實施健全的控管與防護措施來保護敏感資料。
多元的技能組合：在組織內部鼓勵發展多種不同的職務。不需要每個人都是開發人員。相反地，除了專家之外，組織也應重視具備更廣泛技能的人員，打造出全方位的勞動力，能夠利用各種工具來達成目標。

運用生成式 AI 的力量

Cognizant 如何協助客戶採用生成式性 AI？

Mariesa：我們有多個團隊和一個專門的工作小組，因此這是最優先的任務。我們的主要重點是利用生成式 AI 來推動可據以行動的成果和價值。雖然取得深入分析很重要，但如果我們將這些深入分析轉化為更快速的營運方式和創新的體驗，才會產生真正的影響。這是我們的核心重點，讓我們的團隊能在組織內創造成果並推動行動。

企業在哪些方面開始探索生成式 AI？

Mariesa：企業傳統上會從後台功能等領域著手，以提升效率。然而，現在生成式 AI 變得越來越普及。它現在被廣泛使用，通常是在個人電腦上，用於協助處理各種工作。這種普及性導致傳統上較難自動化的領域也開始採用這項技術，例如前台運作、銷售和行銷等。舉例來說，行銷人員使用這項技術來製作引人注目的訊息和調整內容。通訊與客服中心團隊利用這項技術進行情緒分析。基本上，生成式 AI 可應用於任何組織內的多種職務和部門。

“我們發現傳統上較難有自動化機會的功能開始擁抱生成式 AI。生成式 AI 可應用於組織內的任何職務與領域。

在我們的《2023 年 Automation Now & Next》報告中，80% 的受訪者強調自動化與 AI 在達成目標上的重要性。您是否也抱持相同觀點？

Mariesa：當然，人們對這些技術抱持龐大的熱情。就連我的父母也對生成式 AI 感到好奇，儘管我在描述我的日常工作時，他們往往會露出疑惑的表情。生成式 AI 更容易親近，因為它能透過範例和直接互動，提供人們可以理解的有形利益。它操作簡便且實用，有助於快速應用。然而，組織必須瞭解，部署這項技術牽涉到複雜與蓄意的規劃。

一旦引進組織，就會出現許多不同考量，包括資訊安全和資料挑戰。無論規模大小，各家企業的資料問題無所不在。導入生成式 AI 可能會揭露資料落差和信任問題，使這些問題更加惡化。組織必須處理資料品質和來源問題，才能充分利用這項技術。

此外，資料隱私權和安全性需要謹慎規劃，因此必須建立適當的防護措施。同時也需要審慎思考，才能充分發揮 AI 的潛力，無論是運用公司資料或外部來源。在解決敏感資料的疑慮時，組織必須快速高效地賦予團隊能力，不要造成挫折感。這是應用技術的適當時機。

“我認為大眾懷抱熱烈的興奮之情，但同時也有些誤解，而且很多人不想被拋在腦後。

負責任地使用 AI

您是否能分享一些企業有效組織資料同時確保安全性的成功案例？

Mariesa：其中一個方法是先在較不敏感、風險較低的領域啟用生成式 AI。舉例來說，處理臨床試驗記錄或財務等敏感資料的產業在導入新技術時，需要更多的規劃與關注。從風險較低的領域開始，組織便能學習並獲得對技術的信心，同時不會暴露高度敏感且受規範的資訊。這種階段式做法能鼓勵採用技術，並為更廣泛的實踐鋪路。

我們也透過自動化及生成式 AI 的策略性使用，協助客戶強化其主資料管理，同時為商務使用者建立簡單易用的介面。這些介面可讓使用者檢閱資料和選項，驗證資料準確性，並建議必要的清理作業，因此多添加了一層實作知識和安全性。

例如，某人力資源團隊使用這些方法來評估薪資代碼。在組織全球擴展並收購新公司時，移除無用薪資代碼的作業卻並未跟上腳步。這種方法不僅能透過導入生成式 AI 來簡化主資料管理流程，還能主動與業務合作夥伴互動以確保資料品質。

雖然我們都需要確保以合乎道德且負責任的方式使用 AI，但儘管有潛在的挑戰，我們仍應設法予以應用，因為它能提供更好的資料品質，更快速的流程，最終產生更有影響力的成果。

組織如何有效地將專屬資料整合到 LLM 中，以提升決策和營運？

Mariesa：在處理專屬資料和 LLM 時，蓄意的規劃至關重要。要實施額外的控管措施並限制存取。即使是在開發團隊中，也要確保適當地區隔職責，尤其是在開發和生產環境的存取權方面。就像自動化技術一樣，您必須採取防護措施。儘管客戶考慮進行此種整合，但由於資料的敏感性，他們往往會特別謹慎。這依然是可行的，只是需要採取不同的方法與建立堅實的防護機制。

“即使是自動化，一旦涉及專屬資訊人們都會非常謹慎。並不是說它不可行，只是您必須以不同的方式思考。您必須設置正確的防護機制。必須讓人感到有能力應對，但也必須減輕風險。

人們是否擔憂這些技術未來可能取代自己的工作？

Mariesa：令人驚訝的是，對於生成式 AI，一旦人們真正瞭解它，就不會有那麼多恐懼。其實大多數的疑慮都是圍繞在安全性方面。領導者擔心可能會有未經授權的資訊被分享出去。人們似乎很渴望擁抱這些技術。在自動化與 AI 的領域中，我們有必要認知到工作方法會隨著時間演進。我們現在的工作方式在未來十年內必然會改變，就像過去也發生過改變一樣。雖然職務可能會受到影響，但未必代表這會造成失業。而是我們的工作方式會有所改變。我深信未來的人才招募和職涯路徑必然會結合科技意識。不需要每個人都是開發人員，但要瞭解技術對您的職務有何影響，以及團隊中有「數位勞工」的情況將會變得更普遍。誠實地談論這些改變至關重要，但整體而言，在這個脈絡下恐懼並不是很顯著的因素。

賦予解決問題者能力

對於想要擴展自動化計畫的企業而言，還有哪些其他的重要考量？

Mariesa：無論是生成式 AI、自動化或分析技術，讓個人有能力在其職責範圍與團隊中解決挑戰都至關重要。回想我在 GE 效力的時光，也就是我的職涯起點，「精簡」是很普遍的原則。不需要每個人都是專家，但每個人都具備基礎知識。不需要讓每個人都變成開發人員；組織需要擁有多元的職務，包括銷售和人資。鼓勵每個人成為開發人員可能不是理想的做法，但每個人都必須瞭解如何運用技術和參與。我們需要專家，也需要具備更廣泛技能的人員；重點在於擁有多元化的工具組成來達成理想的成果，一體適用的解決方案並不存在。

Mariesa，感謝您與我們分享您的專業知識和見解。我們很感謝您的貢獻，這絕對會為企業在駕馭生成式 AI 的完整潛力方面提供寶貴的指引。

擁抱生成式性 AI 的潛力可以帶來創新的解決方案、簡化業務營運，以及強化客戶參與度。這是組織應謹慎開展的發展之旅，同時也要抱持開放的心胸，迎接在技術導向的未來中即將面臨的各種可能性。

如果您想要立即採用生成式 AI，請查看我們的操作指南，瞭解如何建立採用 AI 技術的生成式自動化。朝駕馭生成式 AI 踏出第一步，促進組織的成長與效率