AI轉型無從入手？iKala程世嘉：知識管理系統是關鍵

近年消費者張開雙臂擁抱生成式AI，開啟人人自學AI的時代。不過，這樣的熱潮轉移到企業端，狀況似乎大不相同。

矽谷創投Menlo Ventures在2023年發表的《企業中的生成式AI現狀》提到，2023年企業在生成式AI上花費了約25億美元（約新台幣814億元），推動了GitHub Copilot和Hugging Face等工具的興起。但市場仍處於萌芽狀態。

如今，企業對生成式人工智慧的投資仍佔所有雲支出的不到1%。這代表，儘管消費者迅速接受生成式AI，但企業的採用速度仍然緩慢，就像早期導入雲端一樣。

鏡頭轉回台灣。微軟發表《微軟工作趨勢指數》報告指出，雖然79%的企業領導者認為AI的導入對於保持競爭力很重要，但有59%的企業領導者擔心無法量化AI所帶來的生產力，更有6成表示公司仍缺乏導入AI的願景和計劃。

而這個缺口，正是AI轉型解決方案供應商iKala瞄準的大市場。

「生成式AI在企業端怎麼應用？我認為，知識管理是一個大題目。」iKala共同創辦人暨執行長程世嘉談到近期AI的發展指出，過去多數企業因為成本考量、成效無法衡量等原因，導致在做數位轉型時躊躇不前。「企業花時間與人力整理數據、『拉資料管線』之後，卻看不到實際的應用場景，當然會懷疑數位轉型到底值不值得做。」

然而，在生成式AI出現之後，這件事有了轉機。程世嘉說：「生成式AI出現之後，資料管線明顯有了出口，那就是知識管理系統（Knowledge Management System）。」

知識管理：生成式AI在企業端的關鍵應用

「過去1年來，企業端對於知識管理的需求提升最明顯，我們常被問到知識管理怎麼做？」程世嘉直言，在生成式AI出現之後，業界對於數據的重視正在快速提高，「把企業的專屬know-how放到語言模型裡，再結合AI搜尋，體驗將會非常好。」

所謂的知識管理系統，可以完善紀錄、累積企業內部的專屬知識，並轉化為有助於應對市場變化的重要資產。而知識管理系統對組織來說，是可以共享的整體資源，可在決策制定、問題解決、未來創新等面向幫助企業。善用公司的專屬知識，對於提升競爭力至關重要。

然而，許多企業在建立知識管理系統時，最常碰到幾項實際的問題。最大的問題是：數據散落各處、「資料管線」根本沒有建立起來。

研調機構Gartner在2023年發布的調查指出，知識工作者平均使用的應用程式數量為11個，有4成的工作者使用的應用程式數量，甚至遠高於平均；更有47%的工作者表示，常常找不到能讓他們有效完成工作的數據或訊息，程世嘉表示「資料的管線沒有拉好，當然就沒有後面的AI應用。」。

第二，就算企業內部的資料庫成功建立起來了，但使用者體驗差、系統難以上手，是阻礙大家使用的原因。

程世嘉表示，「過去用過圖書館系統就知道，要查個資料都非常困難，這樣一來就算資料數位化了，但仍然沒人願意用。」過去，企業做知識管理系統，因為缺乏可以互動的搜尋引擎，導致使用不流暢；另外，這些知識管理系統，也需要持續的支持與培訓，來幫助員工熟悉系統。少了這些支持，將導致員工不知道如何有效使用這些工具。

AI助攻！每個企業都該打造自己的「企業大腦」

AI無疑是場大型軍備競賽，投資機構Bernstein最新報告預測，今（2024）年上半年，亞馬遜、微軟、谷歌、Meta、蘋果等科技大廠的資本支出已經達到史無前例的2,000億美元（約新台幣6兆元），接下來將持續擴大，且絕大部分集中在資料中心、晶片、伺服器或訓練生成式AI模型相關的設備上。

程世嘉說，企業若要趕上這場AI革命，不應該跳下去自己做AI模型訓練，因為成本過於高昂，企業現在最應該做的，是在各個基礎大型語言模型上，注入自己的獨門資料，將企業內部的資訊組織清楚，再運用生成式AI搭配垂直搜尋，「讓知識管理這個領域重新活躍起來。」

他比喻，若ChatGPT是「通才」，那企業打造的垂直型AI就是「專才」，而這樣的專才，就像是公司內部的「企業大腦」，將可幫助企業在AI時代先行部署、掌握先機。

有了生成式AI，企業的知識管理系統就如同有了1個超強的應用場景，系統將可以從大量非結構化的資料中，找出有關的訊息，並結合這些訊息生成為有用的輸出，員工僅需輕鬆透過口語問答就能找到資料。

程世嘉說，「生成式AI的出現，就像過去的資料管線突然有了出水口，而企業內部的垂直搜尋就是最有效的應用場景。當自然語言介面發達，AI又認得企業內部的專屬資料庫，將會掀起一場全新的典範轉移。」

KOL Radar：AI驅動的知識管理範例

知識管理，是iKala接下來瞄準的市場缺口。早在2018年iKala推出「網紅雷達」（KOL Radar）時，就運用了「搜尋＋AI」的架構，這就是知識管理的應用。

KOL Radar收集全球網紅資料，注入超過140個語言模型，有的分析觀眾情緒與喜好，有的貼標籤、分析顧客畫像。「這140個模型各司其職，像是不同專家共同決策；也像是廚房內有主廚、下手，最後組合成色香味俱全的套餐。」

這也是大語言模型中的「專家混合模型」（MoE）：MoE由多個小模型（專家）組成，每個專家專精在特定任務上，系統會評估哪個專家最適合解答，提高效率與精確度，節省資源與計算時間。

以iKala為例，假設品牌主找網紅銷售咖啡，透過關鍵字搜尋可能只能找到曾代言過咖啡的網紅。「但AI不僅會搜尋，還會聯想，找到更適合代言『生活風格』的網紅，範圍更廣、受眾更精準。」

「網紅」是垂直搜尋領域，不只是找資訊，還要找人。這些人有不同的受眾、特性、喜好，這些都隨時間改變。「咖啡連結的是生活風格，AI產生出知識圖譜，超越關鍵字搜尋。」程世嘉表示，善用AI的分析與理解能力，讓搜尋結果更精準，這與企業內部的知識管理一致，也是未來企業應導入的方向。

經過多年累積，KOL Radar目前擁有超過300萬筆跨國網紅名單，以及破億筆社群平台的即時數據，是亞洲最大的網紅資料庫，服務超過5萬個品牌主，台灣市佔率超過7成。程世嘉表示，KOL Radar是企業知識管理系統的最佳展示。

13年「老創」，仍保有新創的靈活與敏捷

程世嘉自台大和美國史丹佛大學碩士畢業後，進入Google擔任工程師，也是台灣首位登上Google I/O 開發者大會的講者。2011年，他毅然放棄穩定的企業工作，創立iKala，如今已邁入第13年。

若以年齡來看，iKala是最成熟的老創，卻仍然保有新創的靈活與敏捷，與時俱進。從最初的線上卡拉OK，到雲端業務，再發展出網紅雷達、CDP等行銷科技，現在則緊抓AI浪潮，在創業路上的每個彎道，iKala都轉得漂亮。

近期iKala獲得中華電信領投逾2000萬美元（約新台幣6.5億元）B+輪融資，雙方將展開戰略合作，幫助更多企業實現AI轉型；網紅業務KOL Radar也已經打進日本市場，成長快速。每項業務在 iKala手上，都取得了顯著成績。

問及每個轉折點背後的決策，程世嘉謙虛笑道：「這些決定背後最大的考量，就是要『活下去』。」他坦言，創業路上的每個轉折點都至關重要，一不小心就可能會失敗，領導團隊需要有強大的心理素質和意志力。

展望下一個十年，程世嘉說，AI將為企業的營運效率帶來新的顛覆，iKala接下來將成為企業運用AI的領導者，幫助企業在AI浪潮中抓住商機，提高生產力與加速成長。

資料來源：《Menlo Ventures》、《Microsoft》、《Bernstein》、《Gartner》

本文授權轉載自《心元資本》，作者：Starry，原文標題：AI 如何重塑企業？iKala 程世嘉：「企業大腦」將是典範轉移關鍵