國際研究暨顧問機構Gartner最新調查顯示，目前使用人工智慧（AI）或機器學習（ML）的企業平均正進行4個相關專案，而59%受訪者表示目前已部署人工智慧技術。

Gartner研究副總裁Jim Hare表示：「我們發現企業今年採用人工智慧的速度大幅成長，人工智慧專案數量也隨之上揚，代表企業可能需要進行內部重組，確保人工智慧專案具備適當的人力和資金。最佳作法就是成立人工智慧卓越中心（Center of Excellence），盡可能以最完善的方式分派技術、取得資金、設定優先順序和分享最佳實務經驗。」

目前企業正在進行的人工智慧專案平均數量為4件，但受訪者預期未來12個月內將新增6件，而到了2022年，這些企業預期手上平均會有35件進行中的人工智慧或機器學習專案（見表1）。

表1：企業部署人工智慧或機器學習專案的平均數量

人工智慧專案數量提升的主要推手：客戶體驗（CX）與任務自動化

調查顯示有40%的企業將客戶體驗列為使用人工智慧技術的首要動機，而儘管聊天機器人或虛擬個人助理等技術可用來服務外部客戶，目前大部分企業（56%）將其用於支援內部決策或為員工提供建議。Jim Hare指出：「使用人工智慧技術並非為了取代人類員工，而是透過增強和賦能員工做出更快、更好的決策。」

排名第二的專案類型是任務自動化，20%受訪者將之列為首要動機。自動化的範例廣泛，如財務上的開立發票和查證合約，以及人力資源方面的自動篩選履歷或以機器人面試。

對受訪者而言，採用人工智慧時最大的挑戰包括技術不足（56%）、對人工智慧使用案例的理解（42%）以及對資料範圍或品質抱持疑慮（34%）。Jim Hare提醒：「面對先進科技時，如何找出最適當的員工技能是企業主要的疑慮之一。此技術缺口可藉由與服務供應商和大學合作，或為既有員工設立培訓課程等方式來彌補，但建立穩固的資料管理基礎並非一蹴可幾。由於可靠的資料品質是精確洞察、建立信任和減少偏見的基石，所有人工智慧專案都必須以資料就緒程度（data readiness）為優先考量。」

人工智慧專案成功與否的衡量基準

這份調查亦顯示，許多企業在評估專案價值時，會將效率視為成功與否的度量標準。不過，Gartner傑出研究副總裁Whit Andrews表示：「以效率指標來展現專案價值的方式，在自認技術採用偏向保守或主流的企業中更為普遍；技術採用較積極的公司，可能更在意客戶參與度是否提升。」

Gartner 2018年12月針對106名Gartner研究圈小組（Gartner Research Circle Members）進行線上調查，在這群以Gartner主導、由IT和業務專業人士組成的專家小組協助下，產出了「人工智慧與機器學習開發策略」（AI and ML Development Strategies）研究報告；這些受試者必須對自家組織現有或計劃採用之機器學習、人工智慧相關業務和技術面有一定程度的了解。