內部部署的侷限與雲端的契機：領導者的 AI 策略

憑藉超過 40 年在企業應用程式領域的領導經驗，許多客戶多年來一直仰賴 Oracle Applications Unlimited 系列產品 (包括 JD Edwards、PeopleSoft、Siebel 和 Oracle E-Business Suite) 或 SAP 等公司的產品來營運業務。然而，隨著近年來 AI 的迅猛發展，許多企業領導者正積極尋求在既有系統中運用 AI 的方式。根據《富比士》今年稍早的報導，全球 10 家大型企業中有 6 家已經使用生成式 AI。在這些企業中，有 74% 表示已見到顯著的投資報酬，且有 45% 的公司指出員工生產力提升了一倍。¹ AI 正在為企業帶來實質價值，讓善用企業得以更快速且更高效率地推進業務發展。這些生產力的提升可以成為中小型組織的平衡器，協助有效擴展，迎戰競爭對手並顛覆市場。然而，隨著 AI 的採用日益普及，這類效率優勢將漸趨普遍，尚未採用 AI 的企業可能很快就會在競爭中落於人後。

選擇採用 AI 的路徑

在現今這個由 AI 驅動的市場中，企業領導者需對董事會負責，制定能夠維持競爭力的 AI 策略，並且必須迅速行動，以跟上市場變化步伐，並避免業務中斷。儘管 Oracle Applications Unlimited 計畫將持續支援至 2035 年，領導者仍需審慎評估：究竟是應該在現有舊有環境中加入 AI，還是移轉至已內建 AI 的現代化平台才更具前瞻性。例如，Oracle Fusion Cloud Applications 涵蓋財務、人資、供應鏈與客戶體驗 (CX) 等一套完整的解決方案，內建超過 150 項 AI 功能，提供先進的業界最佳實務；Fusion Applications 快速的創新步伐與每季更新機制，也讓企業領導者能在推動核心業務流程現代化的同時，最大化 AI 投資的價值。

對於擁有高度客製化、系統運作已久的企業而言，從舊有平台移轉至 Oracle Fusion Applications 看似困難重重，但實際上，打造有效的 AI 工具更具挑戰性。儘管 AI 帶來諸多潛在效益，許多企業仍在實踐 AI 願景的過程中面臨困難。根據《華爾街日報》最近的一篇報導，儘管許多企業高層對 AI 保持樂觀態度，但實際導入 AI 的工作遠比預期複雜得多。² 市面上雖然有各式各樣的 AI 服務與工具，但要成功執行有效的 AI 策略，仍需具備資料科學能力、開發專業、專用基礎架構、深入的業務流程知識，以及高品質、可信任的資料。多數企業也許擁有其中部分能力，但往往難以同時具備所有必要條件來推動真正具價值的 AI 策略。

常見的 AI 挑戰

隨著企業領導者逐步深入 AI 之旅，許多共通的挑戰也隨之而來。如果企業擁有多套分散系統或高度客製化內部部署應用程式，企業高層在啟動 AI 計畫的第一道難關便是清理資料。即使成功整合資料，利用歷史資料訓練模型看似容易，實際上業務流程的變動、例外狀況及異常資料都可能影響 AI 的準確度。這些因素隨著 AI 工具使用頻率增加，還可能造成模型偏移。此外，AI 專才極為搶手，尋找、吸引及留住頂尖人才變得困難。成功的 AI 專案需要對業務流程有深入理解，也需要獲得各部門負責人的支持，但不同部門對 AI 工具的運作方式往往有不同看法。

用於執行 AI 模型的圖形處理器 (GPU) 受供應鏈短缺影響。GPU 消耗大量電力，這可能會影響永續發展目標。此外，執行複雜任務時，往往需要多台 GPU 同時運作，且必須依靠無損網路，這些因素都會導致 AI 解決方案的實施成本大幅增加。

除了 AI 實施上的技術挑戰外，近期的監管法規，如歐盟《AI 法案》³和加拿大《人工智慧與資料法案》⁴，以及現行的隱私法規，例如加州《消費者隱私法案》⁵和歐盟《一般資料保護規範》⁶，若未依規範妥善執行 AI，皆可能帶來監管風險。AI 在招聘流程中的應用亦可能引起監管機關更嚴格的審查與風險。⁷因此，資訊長等 IT 主管面臨著艱鉅挑戰，必須在快速變動的技術、人才與法規環境中，成功推動公司 AI 策略並創造實質價值。

打造成功的 AI 策略

成功的 AI 策略不能僅侷限於技術層面的解決方案。有效的策略必須多管齊下，才能創造最大價值。根據美國國家經濟研究局 (National Bureau of Economic Research) 的研究顯示，利用 AI 帶來的最大生產力提升，除了技術之外，還需配合輔助流程的發展、組織架構的調整，以及員工在使用新 AI 工具時展現的適應力。⁸

有效的 AI 策略需要全新的思維方式，例如將 AI 內建於核心業務流程中，而非僅僅將 AI 套用於既有流程之上。儘管 GenAI 工具確實能提供價值，但對於擁有高度客製化舊有應用程式的企業來說，若將 AI 工具應用於未以 AI 為設計初衷的流程，可能難以實現真正的轉型效益。

此外，企業高層在選擇內建 AI 解決方案時，必須特別重視資料隱私與安全。有些 AI 供應商合約中會要求使用者同意進行匿名資料挖掘，以便供應商將企業資料與智慧財產貨幣化。然而，由於資料存在差異，整合多組資料所帶來的效益往往有限。

此外，AI 策略必須包含「人機互動」的設計，也就是在 AI 流程中保留人為介入的機會。這包括讓人員能夠有意識地啟動 AI 工具、接受或拒絕 AI 的建議，並且修改 AI 所產生的內容。根據美國國家標準暨技術研究院的 AI 風險管理框架，讓人員參與 AI 流程有助於促進公平且公正的結果。⁹

最後，AI 策略應具備彈性並具備未來適應性。AI 創新的速度遠超過過去其他轉型技術如網際網路和智慧型手機的普及。兩年前，生成式 AI 蓬勃發展，將 AI 帶入大眾生活，並實現與資料的自然語言互動。一年後，像是檢索強化生成」(retrieval-augmented generation, RAG) 等工具，讓 AI 能在無需訓練客製模型的情況下，提供具上下文相關性的答案。如今，一種新型態的 AI —— 代理式 AI (agentic AI) 誕生了。它結合了機器學習、進階分析與情境式生成能力，能夠自動化流程並帶來更高的商業價值。代理式 AI 結合多種 AI 技術與領域，對大多數企業來說都是一大挑戰，唯有成熟且先進的組織才能應付自如。不幸的是，《CIO》雜誌報導，估計有 75% 嘗試自行建置 AI 代理的企業將以失敗告終。¹⁰

因此，在軟體即服務 (SaaS) 技術快速創新與頻繁更新的環境下，企業高層應考慮採取以 SaaS 為先、內建 AI 的策略，快速實現有意義的 AI 生產力提升。簡而言之，鑑於 AI 的複雜性，應優先採購現成解決方案，而非自行開發。

Oracle 如何助您一臂之力

在眾多 AI 供應商中，Oracle 具備獨特優勢，能協助企業高層運用內建 AI 技術，落實有效的 AI 策略。Oracle 持續擴展 Fusion Applications 的功能，將廣泛的預測性 AI、生成式 AI 及 AI 代理功能直接整合至日常流程中，讓所有終端使用者都能輕鬆享有 AI 帶來的效益，而無需具備資料科學專業。Oracle AI Agent Studio for Fusion Applications 是一套設計時環境，提供客戶創建、客製化、驗證並部署生成式 AI 功能與 AI 代理的工具，以滿足特定需求。相較於高度客製化的舊有應用程式，Fusion Applications 採用統一資料模型，能提供一致且高品質的資料，為有效應用 AI 打下穩固基礎。此外，Oracle Cloud Infrastructure (OCI) 所提供的 AI 運算能力已包含在 Oracle Fusion Applications 內，無需額外付費。

以美國中央情報局 (CIA) 作為首位客戶，安全性是 Oracle 的核心 DNA。因此，Oracle Fusion Applications 的 AI 不允許客戶資料與 Oracle 或第三方大型語言模型 (LLM) 供應商共享。憑藉 AI 工具中「人為介入」的設計以及季度更新週期，Oracle Fusion Applications 的 AI 以人為本，具備未來適應性，並可即刻部署。

在創新快速發展、稍有不慎即可能落後的時代，企業高層應考慮採用 Oracle Fusion Applications 來推動 AI 策略的落實。Oracle 協助企業導入現代化最佳實務、善用 AI 驅動的分析工具，並立即運用代理式 AI。藉助內建 AI 技術的 Oracle Fusion Applications，企業能夠將 AI 聚焦於自身的關鍵應用場景。與其自行開發 AI 工具並套用到舊有系統上，Oracle Fusion Applications 為企業領導者提供了一條可在整個組織中實現 AI 價值的明確途徑。

下一步

如果您的企業已準備好透過 Oracle Fusion Applications 的內建 AI 技術邁出下一步，歡迎隨時聯繫您的 Oracle Cloud Applications 業務代表。

若您想進一步瞭解 Fusion Applications 中的 AI 功能，請參閱 Oracle AI for Fusion Applications。此外，若想深入瞭解支撐 Oracle Cloud Applications 的核心技術，歡迎閱讀我們的部落格系列文章，建議從 導言篇開始。

本文作者為 Oracle 北美應用程式技術與創新辦公室成員，該團隊致力於協助客戶透過技術創新實現業務現代化，並在 AI、SaaS、平台技術、營運及資料管理等領域提供專業見解與願景。