人工智慧溫和發展，企業運用心態更成熟
根據麥肯錫近期發佈的年度人工智慧調查《The state of AI in 2022》報告指出，企業在人工智慧的發展可歸納成 3 項：
1.自 2017 年以來，人工智慧採用率增加至少一倍，但使用人工智慧的企業比例在主要成長期在 2017 年，約 50% 到 60% 之間，過去幾年速度趨緩。
2.從人工智慧應用中獲得財務回報的業者持續領先同業。這些領導者的管理階層看到人工智慧的效益，因此進一步增加對技術的投資，同時從企業內外部中不斷尋找新應用場景，這些場景又能進一步強化人工智慧的功能，形成正向循環。
3.在人才方面，人工智慧團隊的成員多樣性還有很大的提升空間，其他分析也指出，具備多元化的團隊表現更為出色。
營運面仍為主要應用，業者可逐漸轉向風險控制
從技術部署來看，機器人流程自動化、自然語言處理、電腦視覺等技術在 2018 年至 2022 年間至少都有 200% 以上的成長；緊接著是虛擬助理、深度學習、知識圖譜，而生成對抗網路（Generative adversarial networks，GAN）與自然語言生成（Natural-language generation，NLG）的成長率最低，與其技術複雜度與使用情境尚未成熟有關。
那企業在人工智慧上又以合作使用情境最多？事實上，在數位轉型喊了 4、5 年後，企業的腳步相當務實。根據調查，24% 的受訪者將人工智慧用於流程優化、20% 的受訪者則是積極建立人工智慧數位產品/服務，接著是客戶輪廓分析、客戶分群等行銷功能，反倒是在企業中台的風險控管、預測型服務比重較少，可看到營運優化與營收拓展仍為主力，不過，企業也正在考慮風險控制的重要性，當前已非全球化紅利時代，各種從灰犀牛到黑天鵝事件正層出不窮地困擾業者，風險控管仍有相當大的潛在市場。
同時，調查結指出，許多採用人工智慧的企業正在將相關功能整合到永續發展中，例如積極尋求減少人工智慧使用對環境影響的方法。43% 的受訪者表示，他們的企業正在使用人工智慧來協助可持續發展專案；40% 的人表示其組織正在努力透過最大限度地運用人工智慧分析能源使用狀況。
這些企業主要分布在大中華區，特別是中國的業者在政府「2030 碳達峰」的政策下，許多公司正運用內外部豐沛的數據訓練人工智慧模型達到減碳效益；有趣的是，北美與歐洲的企業在這部分投入反而較少，美國的企業雖然明瞭減碳重要性，但目前政策並不明朗，而歐洲雖然具備強大的減碳意識、做法也行之有年，但採用人工智慧的比例仍有相當進步空間。
人工智慧企業領導者具備哪些成功要素？
麥肯錫指出，人工智慧企業領導者者比相較其他同業更能抓住在何處享受技術帶來的價值，例如制定完整的人工智慧策略，並連結業務、財務指標，同時更頻繁地參與能夠大規模開發和部署前瞻技術，發展人工智慧產業化。
這些領導者具備通常完善基礎設施，例如模組化的數據架構、優質的數據、完整的 Devops 團隊，以及強悍的資安措施，以快速適應新的應用程式開發。同時這些業者也發展數據的流程自動化，這既可以提高模型的開發效率，又能透過更多高質量的數據倒入演算法，進一步提升開發的應用程式的數量。
當然，愈前瞻的人工智慧應用可能帶來愈高的風險，除了資訊安全外，如何建立好的人工智慧治理機制也相當重要，其例如確保人工智慧和數據治理政策、標準化流程和協議、自動化流程（控制數據質量以減少手動輸入資料造成的的錯誤）、測試模型的有效性，並隨著時間監控模型是否存在偏誤問題等。
另外，在人才招募上，軟體工程師成為主要招募對象。調查指出，企業在 2021 年僱用最多軟體工程師，高於數據工程師和數據科學家，這顯示出這許多企業已在很大程度上從試驗人工智慧轉向積極轉性實際應用。而表現良好的業者在過去一年中聘請機器學習工程師數量是過去 2021 年的兩倍多——機器學習工程師專注於優化數據科學家構建的模型，以提高性能和可擴展性，以及自動化機器學習管道，從數據擷取到預測功能設計都是其工作範疇。
不過即便是名列前茅的業者也指出人才的供不應求，從 2017 年至今都是。在尋找人才時，50% 受訪者指出，最實際的方法是現有員工再培訓。從頂尖大學招募以及來自其他業者挖角也是常見的策略。值得一提的是，對於新創業者來說，過去在人才招募上較為困難，但當前因景氣下行，大型科技業如 Google、Amazon、Meta 可能大量裁員，這些人才可能朝向非科技業與新創公司移動，形成另類的循環。
