每隔10到15年，人類在電腦技術上似乎就有重大突破，從1980年代的個人電腦發展、90年代的網路，進化到2000年代中的行動裝置。有意見認為，改變電腦與數位時代的新一波革命近在眼前。

繼網路之後的新主角，就是當前炙手可熱的「人工智慧」（Artificail Intelligance, AI）。

美國金融科技公司「Corcentric」創新資深副總裁納多（Julien Nadaud）撰文指出，21世紀後網路科技讓採購等交易從紙上走向電子。2010年代興起的新雲端科技更加速變革，能讓企業方案完全成為網路的一部分，業者大多需要投資雲端等科技才能成功締造創新，滿足科技、全球化、社會改變驅動的需求。

文章認為，雲端服務的能力必須夠強大，才能提供充分能力，處理買家、賣家等許多單位之間企業流程。同時，根據特定產業、區域和服務不同，也有越來越多專門的解決方案。不過納多指出，正當所有人都積極數位轉型、致力將流程自動化，下一波的人工智慧革命正在蓄能。

AI will shift our industry ​even​ ​more​ ​than​ the internet did 20 years ago. Here’s why. https://t.co/TlMt2bmfIj

— Spend Matters (@spendmatters) 2020年6月15日

AI語言處理重大突破

理解人工智慧的能力前，要先確定我們沒有誤解「人工智慧」是什麼。

納多指出，人類一向喜歡和AI比較，有些人則會宣稱AI永遠無法取代人類，殊不知和AI爭高下完全不是重點，畢竟「如今的AI只是新一代的運算方式，正好適合處理各種資訊、做出預測」。

若把人類和一般的電腦做比較，無庸置疑的是電腦每秒可以執行大量複雜的運算，遠比人類還要有效率，但這並不代表電腦比人類聰明。

與此同時，人們可以幫AI找到可以充分發揮的地方，並理解為何AI可以為產業帶來新一代轉變。

納多指出，AI如何能改變產業，可以從4個方面說起。

首先，AI可以「理解」人類語言，這種能力稱為「自然語言處理」（NLP），此方面的科技在過去2年間有重大突破，「給予電腦吸收任何語言的文件、並理解其中意義的能力」。電腦現在也能可以用「人話」生產內容，也看到AI已有製作影音的能力。

就產業的角度來說，任何組織現在所用的所有文件中，都有約8成到9成屬於所謂「非結構式」（unstructured）資料，例如合約、流程、筆記、行銷資料等，可能橫跨多種語言，其中也可能包括圖表和影音。

這些資料雖然能夠數位化存放，但生產、使用方面一向都只能由人類主導。

納多對此指出，當AI有能力處理這些資料，意味著AI能夠透過資料來學習並加以運用，甚至能開始幫助更新、升級資料，未來或許可能有辦法透過AI來生產這些資料，可望完全改變企業界使用電腦運算的方式。

除了語言之外，AI的另一個強項是：能夠獲取海量資料。

能分析海量資料助決策

過去20多年以來，網路被用來分享資訊，累積的資料量不可勝數，而且資料仍在高速增加當中。

近年「大數據」科技的發展，能夠近乎即時的處理大量資料。

「維基百科」就是很好的例子，不但是知識庫，更是AI獲取資訊的一大來源。讀取各語言維基百科的能力，就讓Google等公司能開發受訓練的模組，使其可以理解不同語言。

這些模組被稱為「轉換者」（transformer），可以將所有人類語言轉換成一種新的數位共通語，概括人類描述世界的方式。如果向Google助理問題，他會根據從維基百科或其他網路資料的資訊來回應，而且這些「轉換者」是開放來源科技，可以再用來發展專門、有用的應用。

若應用在企業方面，可以想到的是，公司每天都有許多決定和行動要進行，而每個決定都有非常特定的情境脈絡，必須依賴資訊以及經驗來完成。此時，AI就可以幫忙企業人員來理解非常特定的情境，辨識出有關的資訊，協助引導出正確的決策。

這些資訊的來源可能來自過去的事件，或是配置在企業系統內部的資料，同時也可以包括新聞、市場研究、企業資料庫、線上目錄，或者討論、會議、電子郵件和筆記資料等。

也就是說，AI能夠取得的資料量比人類多出很多。不只如此，AI還有另一強項：預測。

預測分析掌握未來

AI擅長從資料中尋找模式並預測未來。

納多認為，人類做出決策的基礎，也是由過去知識而來。現在，電腦則可以偵測既有資料的模式，並且「輕易」預測接下來的走向，這代表AI可以分析資料後預期可能結果，執行「預測分析」（predictive analytics），成為當前業界很受歡迎的智慧工具。

進一步來說，這項科技可以用來幫助人類做出正確的決策。

想像當人們考慮各個選項的時候，系統可以告訴我們每個選擇背後，對企業的影響可能是什麼，接著會透過預先定義的企業目標，來推薦最合適的選項，這就是「預測分析」的能力，「如果電腦可以告訴你該怎麼做，為何不讓電腦決定？」

最後，AI具備的「機器學習」功能可以自學並進化，突破過去的軟體型態。一般的軟體安裝後，得被動的等待更新，但AI能夠隨著使用次數增加，不需要等待開發者加入新的程序就能自我改進。至今的雲端軟體服務能提供更快的更新，但機器學習則是新的典範，讓改進速度大為提升。

機器學習不斷進步

另一個機器學習的突破之處，在於能夠學習或許是特定組織有擁有的資料。資料隱私和保密性對業界相當重要，但就像「轉換者」處理自然語言的邏輯一樣，「我們可以把不同組織的資訊轉換成模式，並彙整給機器學習模組，同時避免流露任何具辨識性的資訊。這叫做概化（generalization）。」

使用來自多個來源的資料後，這些模組可以產生非常有力且有效率的成果。舉例來說，我們拿數百萬筆單據資料去訓練一個模組後，就能夠教會該模組如同真人一樣可以讀懂單據。系統不會儲存單一單據的資訊，但最後模組卻可以用「完全安全且保密」的方式學會處理單據。

納多認為，AI技術已經影響業界的各面向，懂得擁抱AI能力者就能領先競爭對手。

AI擅長模仿人類作業方式，可以幫助我們從事日常工作，讓人不需要花時間在重複的事務，而能專注在提升企業的策略機會上，甚至可以帶動更多企業興起、製造更多就業機會。