疫促企业更仰赖AI SAS抓紧商机扩布局

COVID-19(新冠肺炎)疫情爆发以来，可说是为世界带来巨大的影响。从产业方面观察，企业不仅采取了更为弹性的办公方式，也加速了数码转型历程。SAS台湾总经理陈恺新指出，近两年的环境变动让企业更仰赖能够实时支撑分析决策的数据，也增加了人工智能(AI)技术的导入与应用。

陈恺新提到，环境的不确定性让企业组织判断的难度大增，因此会更仰赖数据提升决策信心。然而，当数据分析与AI技术被广泛应用，却又带来另一波规模化的挑战。而规模化的挑战正是企业为何着眼、布局维运化(Ops)流程的关键因素，因为唯有让AI从开发到部署能在标准流程下被自动监控更新，才能够大规模发挥营运价值，解决真正的商业问题。

玉山金控近年积极布局数码转型，导入金融科技要素。主导数码化的智能金融处自建机器学习即服务平台(MLaaS)，让各单位能透过此平台请求AI微服务，可视为打造供应内部AI的服务平台。然而，随着内部AI应用愈来愈多元，不同业务内容的AI模型累计数量超过百个，加上这些模型往往需要跟着市场需求随时更动，营运端不断变化的数据更让准确度维持不易，因此便面临到模型管理、维运、监控的难题。

因此，玉山金控携手SAS共同打造ModelOps流程，将模型管理做到规模化、自动化。此流程将整体AI模型从开发、维运，到後续的管理、上线、调整等全部纳入其中，也就是将整个模型生命周期的管理流程标准化，提高协作效率也更利於监控。

玉山金控科技长张智星解释，ModelOps就像是用AI自动化技术监控、管理一群AI模型。此外，ModelOps与MLOps的不同之处在於，MLOps主要是针对单一模型进行维运化，而ModelOps则是针对多个模型进行管理。

台北荣总也与SAS共同合作，展开三阶段AI临床应用技术计划，2021年初完成第一阶段，将北荣大数据平台数据与血液透析机等联网机器产生的串流数据串接，分析不同结构的数据，让肾脏病患的个人心衰竭风险预判准确率达90%，後续也串接肺部影像数据使病理分析更加全面。

日前北荣与SAS的合作也完成第二阶段，也就是导入AutoML技术，协助院内分析人员减少超过9成的建模时间。未来第三阶段将会专注於管控与拓展，藉由建置在云端环境的ModelOps流程监控模型效能，台北荣总信息室主任郭振宗指出，ModelOps的终极目标是管控AI模型效能，以确保辅助诊疗的安全性。

陈恺新表示，企业除了维运化之外，下一波需要掌握的是复合式AI(Composite AI)技术，也就是在同一个运行框架下，结合不同AI技术如机器学习、电脑视觉等扩展学习的精准度与效率，以及从小数据取得洞察，来为复杂的商业问题提出最好的策略解方。解决复杂商业问题需要运用到横跨不同领域的团队，举凡机器学习、统计、需求预测等AI技术，然而普遍来说，能培养或建置具备跨AI学科团队的组织仍为少数，因此企业估计会需要寻求可支持复合式AI技术的单一平台，以达成运用复合式AI技术减少需建置大量数据科学团队成本的愿景。

SAS台湾过去主要业务成长动能为云端与软件授权，带给SAS台湾约4成的营收成长，其中包括风险管理、诈欺侦测、AI运算管理平台与智能医疗方案等。陈恺新指出，展望下一波成长动能，由於云端已是大趋势，SAS将会把握此方面商机，此外将聚焦於疫後趋势与法遵科技，也将强推自动化机器学习(AutoML)功能与维运化解决方案，借此确保AI更容易被导入与部署，让AI效益更快展现。

责任编辑：陈至娴