Google Cloud分享企业打造AI资料基础的5步骤

摄影／王若朴

Google Cloud今日（3/25）分析，企业拥抱生成式AI前，得先建立整合的资料基础，包括制定AI优先的资料策略、建置统一的资料平台、运用AI将流程自动化、确保资料安全和资料治理，以及提高资料平台效率并降低资料成本等5步骤。尤其，企业得要有套整合式的资料分析平台，来彙整资料来源、与其他包括AI在内的系统串接，才能发挥AI效用。Google Cloud也观察到，台湾企业大都有成熟的资料蒐集模式，但将这些资料实际用于GenAI应用仍有段距离。

步骤1：制定AI优先的资料策略

要让AI发挥效益，首先得要制定AI优先的资料策略，包括建立资料策略、建立资料所有权和使用蓝图，以及形成资料生态系，来支援跨部门、跨场景的AI应用。

Google Cloud资料分析专家黄介荣解释，就好比企业内不同部门的员工，都有其运用资料和AI来解决问题的场景，比如人资单位可将自己的资料，如员工会议次数、进办公室的时长、工作绩效等，来运用AI模型预测其离职率，并及早因应。

此时，企业就可根据这些需求和场景来制定资料策略，解决过往发展AI时，必须经历的资料收集、资料清洗、建立资料分析模型并落地的冗长阶段。

步骤2：建置统一的资料平台，连结资料与AI

有了策略，下一步是建置整合式的资料平台，来连结资料和AI。黄介荣指出，常见的企业情况是许多资料库和系统独立，有些可能为了权限管理，有些为了业务方便。但到了大数据和AI分析时代，需处理的资料量和资料类型（模态）大幅增加，资料平台就得重新设计，需建置一套统一的资料平台。

这种资料平台，要能支援结构化、半结构化和非结构化资料，比如零售业的多维度客户资料，来优化行销与库存管理。这套平台还要能整合各系统资料，以及有能力快速分析即时资料串流并反应。

Google Cloud的自家资料平台产品BigQuery，也针对这类需求，在今年提供新功能，如支援多模态表格和自动探索、编目，来简化多模态资料的撷取与管理；整合大型语言模型（LLM）与SQL查询的AI查询引擎；以及即时RAG功能，来让LLM提供能精确的回答。

步骤3：运用AI将流程自动化

有了统一的资料平台，企业就可用来发展AI代理来自动化资料整理流程、产出洞察，来提高员工生产力。比如，运用AI代理来处理资料翻译、提供个人化建议，或是用于电子商务的商品分析、提供精準行销建议等。

不过，AI代理还能扮演一种资料分析角色，能协助使用者分析资料，打破过往资料分析的高门槛。这种代理又称为资料代理。Google Cloud自己也在3月推出一套资料科学代理Data Science Agent，使用Gemini模型来为开发协作平台Collab用户简化数据分析流程。

步骤4：确保资料安全和资料治理

另一方面，为发展AI，尤其是生成式AI应用，企业也要做好资料治理和安全管理。Google Cloud建议，企业可从资料品质、法规遵循和安全性下手，比如资料品质部分，需设置机制确保资料的正确性、完整性和一致性，安全性部分则需检视，资料平台是否具备加密、存取控制和威胁侦测等安全措施。

黄介荣指出，Google Cloud和财团法人人工智慧科技基金会在去年做了项《台湾企业AI準备度调查报告》，并发现，在发展AI所需的资料準备度中，超过半数的台湾企业具备良好的资料蒐集能力，但是，只有17.8%的企业拥有整合的资料平台或明确定义的资料管理解决方案，来快速处理多个来源的资料，显示台湾企业从蒐集到实作还有段距离。

他也表示，有些高机敏性的产业，如金融、特定製造业，在发展AI资料治理上步调较慢，因为得先建立规範，才能进一步实作。

步骤5：提高资料平台效率并降低资料成本

最后一步随着AI应用的规模扩大，企业使用的资料平台，也要能够扩展这些AI工作负载、极小化非必要成本，比如简化资料处理流程、提高资源利用率。

Google Cloud也建议，这个阶段的企业应考虑将工作负载自动化，比如资料平台来自动化资料管理任务（配置、扩展和备份等）；另也需考量平台是否有自动化工具或功能，来监控、分析或优化资料储存状况和运算成本；以及考虑平台能否无缝扩展，来处理不断增长的资料量和AI工作负载，且兼顾效能和成本。