現時大多數機構已有 AI 投入生產環境。但幾乎沒有機構把 AI 應用於真正重要的範疇，例如面向客戶的體驗、業務關鍵決策，或只需極少人工監督的流程。這道差距正是企業取得或失去競爭優勢的關鍵。
障礙通常不在能力，而在信心。在高風險 AI 部署中，信心來自符合四項明確準則。
這些準則涵蓋如何測試 AI 行為、如何在企業規模下建構和管治解決方案，以及管理層是否真正認同其重要性。
符合這些信心準則，能培養機構的實踐能力和問責意識，讓你更有把握部署 AI，從而帶來實質改變。否則，AI 只會停留在非核心用途上節省少量成本，無法對機構的營運方式產生實質影響。
一年前——以 AI 的發展速度而言已恍如數十年——大多數企業仍困於「AI 概念驗證煉獄」：有大量有趣的概念驗證展示 AI 的潛力，卻難以把任何一項投入生產環境。一年後，許多機構已有至少一些 AI 解決方案投入生產環境，這是重大進展。
然而，AI 往往只用於非核心流程：實施較容易，創新團隊與積極的業務使用者即可開發，而且即使出錯也「並非世界末日」。這些流程本身不太重要，另有人工後備流程，或設有多重「人員參與監督」以限制負面後果。
這種做法可以理解，卻過於保守，因此解決方案帶來的影響同樣有限，不太可能顯著改善增長機會、客戶體驗或成本結構。
這正是未來贏家與其他企業的分野：進取的企業正投資於在攸關業務表現的範疇運用 AI。
落後者也在「應用 AI」，只是沒有用於能對業務產生實質影響的地方。
無可否認，把 AI 用於投資決策、客戶體驗、產品開發、研究與設計，以及「無人參與監督的自動化」，都會令人感到風險較高，但真正的回報也正在其中。
在這方面領先的企業目前或許尚未引起市場注意；但當市場察覺時，差距不僅已相當顯著，領先者部署 AI 的速度優勢也會令差距持續擴大，而落後者才開始明白自己一直以來錯在哪裏。
因此，問題是：機構需要具備甚麼條件，才有信心把 AI 應用於真正重要的流程？
首先，假設你已由「我們有 ChatGPT 之類的 AI 工具」，進展至「我們有概念驗證」，再到「我們已有 10 個簡單的 AI 解決方案上線」。如果尚未做到，便應優先處理。這些起步工作或許簡單，卻是建立企業 AI 素養、構思更佳應用個案，以及理順內部 AI 投產程序的必要一步。
到了這階段，機構應提高目標，先實現「在人工監督下提供具實質價值的應用型 AI 解決方案」，再進一步達到真正形成差異的境界：「在核心流程和客戶體驗中應用 AI」。
最後這幾步很少受技術所限，真正的限制通常是機構的信心。因為總有理由延遲或避開棘手工作：
「如果它提出錯誤見解，怎麼辦？」；「如果它行為失當，令我們登上新聞，怎麼辦？」；「如果它計算錯誤，令我們作出錯誤決定，怎麼辦？」；「如果它辱罵客戶，怎麼辦？」；「如果模型無法使用，怎麼辦？」；「我們如何支援其更新？」；「如果法規改變，怎麼辦？」；「我們應否等待新模型？」等等。
我們認為，要有信心為具重大影響的 AI 驅動變革按下「上線」按鈕，通常需要符合四項條件。
背後原因：機構內部，尤其是高級管理層，是否真正認同「為何 AI 對業務成功至關重要」這套理念？因為如果並不認同，機構便更可能尋找理由迴避艱難決定。
推動支援：是否已設立 AI 變革、轉型或推動團隊，在機構運用 AI 發展的過程中提供支援？該團隊負責採用、教育、法規、新工作方式、質疑既有假設，以及提供所需資金等工作。AI 轉型不能像以往的雲端或數碼計劃般，視作「交由技術部門處理」的變革。它必須由業務部門主導，並獲得充分支援。
實施架構：機構是否已為應用型 AI 建立企業及解決方案架構？儘管這個領域不斷演變，但確立構想能促使機構思考並累積有關適當防護機制、成本、可觀測性、控制措施和模型存取權等方面的知識。這有助機構在內部建立公信力，顯示自己在 AI 方面「方向明確且專業」，也可避免各團隊以多種不一致的方式建構方案。
上線信心測試：解決方案負責人可能會在「系統是否已優秀到足以正式上線？」這個問題上無限期拖延。傳統由品質保證團隊進行的測試，無法為非確定性的 AI 系統帶來這種信心和問責意識，唯有評估才能做到這一點。
我們將按相反次序逐一說明，因為這最貼近建立上線信心時的決策次序。
數十年來，企業一直依賴品質保證團隊判斷發佈項目是否達標。表面上，測試由業務持份者執行；實際上，工作由品質保證團隊負責。測試結果只有通過或不通過，圍繞著無數「如果是這樣，便要那樣」的規則運作。這雖然需要耗費大量心力，但過程相對直接明確。
這套方法不適用於 AI，因為我們需要評估的是行為。
評估能把 AI 行為的質化表現轉化為可量度數據。你不再只判定通過或不通過，而是訂立準則（例如正確性、語氣、事實實證依據和拒絕行為）並給予評分。在整個項目期間，隨着提示、模型和防護機制等不斷改進，追蹤這些評分變化，項目團隊、變革委員會和企業管理層便會得到可放心據以行動的指標，例如正確性評分在項目期間由 x 升至 y。
這個數字有兩項作用。第一，它展示系統持續改善，並為持份者提供具體證據，證明系統的行為能在既定預期內一直保持可靠，從而建立信心。
第二，它建立問責機制。這包括可供引用的數字，以及這些評估的完整脈絡。一套有完整記錄、並在明確界定的各種情境下完成測試的評估集，相當於 AI 的測試報告，可向審批委員會證明已盡職審查：系統是否只執行應做的事，而且只以應有的方式執行？
當然，只有評估準則足夠全面，這些數字才有意義。這需要改變營運模式，而大多數機構起初都會做錯：「業務部門」必須負責評估準則，而非技術團隊、品質保證團隊，更不能把責任交給一名初級使用者。產品負責人和專家了解相關領域、邊緣情況、所需語氣、使用者可能提出的各類互動、合理的推理步驟、故障模式，以及正確的問答組合等。應由使用和部署解決方案的人員決定何謂理想表現。
因此，如果要審批一項把 AI 用於客戶體驗核心的解決方案，你只需問兩個問題：
(1) 評估準則由誰設計以及
(2) 評估表現有否隨時間按這些準則改善，並已達到最低門檻？
如果答案是「由技術團隊建立，但我們對結果感到滿意」，應用程式便尚未準備就緒。如果答案是「有，我們上星期測試過並已通過」，其評估成熟度大概仍不足以建立所需信心，因為評估很可能並非建構工作的起點。
但如果業務產品負責人在整個建構過程中一直界定、審視和反覆改進評估，並能展示表現走勢正朝正確方向發展，這項方案便值得批准。
另一層信心來自遵循一致的 AI 架構原則與標準。最初五個 AI 應用程式可以各按合適方式建構，以便迅速起步；但要擴大規模，並在整個機構快速、安全且妥善管治地部署 AI，便需要採取更有系統的方法，包括參考應用程式架構和企業 AI 平台。
所有工程團隊都必須能迅速「承接」模型存取權、防護機制、可觀測性、擴展能力和成本管理等功能，從而專注於解決方案的工程工作。
即使技術日新月異，企業 AI 平台和架構方案的構想可能很快過時，這套構想仍能進一步增強機構的信心，確信可以在關鍵系統中安全部署 AI。這代表有人已考慮所有關鍵因素，並選定最佳部署途徑，因而進一步令人相信解決方案足以支援這些重要流程。
這並非「做同樣的事，只是多了一項 AI 工具」。雖是老生常談，但轉型意味着重新設計流程、重新思考產品組合、改進客戶體驗，以及改變工作方式，甚至很可能要調整團隊架構。
這不能靠工餘兼顧，也不能由技術部門主導（沒錯，你那支只有三名全職員工的「創新」團隊也不行）。如果採取「事情自然會解決」的態度，你便無法達到領先競爭對手可能實現的變革速度。
此外，要發掘真正「改變格局」的應用個案並獲得支持，整個企業都必須深入認識 AI，並對其抱持正面態度。
因此，AI 轉型需要由了解機構需要、懂得推動變革並熟悉 AI 的人員負責；董事會須授權他們落實轉型，並提供協調、動力、資金、影響力、管治、優次排序和決策支援。
尤其在初期，設立中央 AI 樞紐、AI 轉型部門或 AI 辦公室之類的職能團隊，成效良好。這個中央團隊能增強機構的信心，確信已有可執行的策略、重大決策可迅速作出並下放落實，以及 AI 轉型設有質量關卡。欠缺這類團隊，整體做法可能過於零散，導致決策、產品或解決方案選擇和質量各有不同，最終削弱機構在高風險範疇實施 AI 的信心。
如前所述，真正藉 AI 取得競爭優勢的企業，將會建立起相應的企業經驗、專業知識和信心，能夠頻繁而迅速地在重要流程和體驗的核心部署 AI，從而改善客戶體驗、產品表現和生產速度等。
這需要良好的評估實務、能迅速適應和擴展的架構，以及「積極有為」的轉型管理態度，以協助機構學習、調整並建立新的工作方式。
然而，這些工作都無法單靠「由下而上」的方式成功推行，因為變化及其影響實在來得太快、太深遠。僅有「董事會批准」或「管理層支持」同樣不足。
如果員工看不清為何必須變革、變革對自己有何影響（無論好壞），以及他們能得到甚麼，轉型便會暗中發生，並造成大量附帶損害。
因此，要真正從採用 AI 中取得優勢，第四項要素是公司管理層真心理解並相信，投資 AI 對公司的持續成功不可或缺。這是他們的 AI 策略，並已納入使命宣言和目標；他們會反覆宣揚策略，也會以實際行動支持所作決策。
這可為整個機構的團隊提供誘因、支援和迫切感，推動他們提升技能，並作出那些略感不安卻十分重要的決定，選擇較困難但回報更高的道路。這讓團隊有信心為 AI 驅動的客戶體驗或投資決策流程按下「上線」按鈕。
未來兩年憑 AI 勝出的企業，不會是部署數量最多的企業。勝出的會是那些成功把 AI 應用於重要、面向客戶、影響決策且屬業務關鍵的系統與流程，並建立企業能力以持續安全實行的企業。
你應採取甚麼行動？如果你的機構正在「應用 AI」，卻未有影響公司的成敗，請嘗試回答以下問題：
AI 在實現公司使命方面所扮演的角色是否清晰？你是否認為管理層真心相信，採用 AI 對公司未來的成功不可或缺？
機構是否設有中央職能團隊，協助推動 AI 議程、教育全體員工並協調相關工作？
技術團隊是否正在建立專業知識、能力和模式，以加快並提升 AI 工程的安全性？
發佈項目能否順利投入生產環境，不會因 AI 行為方面的未解問題而受阻？
如果任何一題的答案是否定，你便知道應從何入手，增強機構對 AI 部署的信心，以快速、一致的方式在真正重要的範疇取得競爭優勢。