人工智慧與機器學習，可為企業全體帶來決策所需的脈絡及建議，讓商業智慧系統和策略大幅進化。
文／Maria Korolov‧譯／曾祥信
商業智慧(business intelligence)平台不斷進化，在人工智慧與機器學習的加持之下，企業得以將既有的資料儀表板和商業分析系統，轉變成更全面的決策支援平台。我們將這種新的作法稱為「決策智能(Decision Intelligence, DI)」，它牽涉各種精密工具，整合、融入到決策者最需要協助的企業工作流程當中。
技術研究及諮詢公司 Constellation Research 的分析師 Nicole France 表示：「決策智能，是企業處理極大量資料以做出決策的能力。它與商業智慧的目的相同，但是企業所有人員都能使用決策智能」。
目前最顯而易見的決策智能例子是「推薦引擎(recommendation engine)」，它應用分析學來預測顧客最感興趣的產品，或是他們想看的下一部電影。這類工具提供脈絡及適當選項，幫助人們做出更好的決定。France說，傳統商業智慧的儀表板與分析系統依然很有價值，但是決策智能更強調資料與決策者的相關性，且更加容易使用。
她表示：「對第一線人員而言，脈絡(context)極為重要。而資料分析存在一定程度的複雜度，導致提供正確脈絡這件事並不容易。決策智能的目標，是以清晰、容易理解的方式呈現事物脈絡，讓人們可以瞭解錯綜複雜的分析結果，更迅速地做出決策」。
決策智能的應用實例
由於 COVID-19 疫情的關係，全球經濟體幾乎所有領域，都在加快數位轉型的進展，而轉型過程的核心技術，就是人工智慧。
451公司的研究指出，超過 95% 的公司認為人工智慧對數位轉型很重要，其中 65% 公司認為它是不可或缺的關鍵技術。 根據這份2021年1月底發表的研究報告，2020年美國企業採用人工智慧的比例，比起前一年增加了 9%，只有 28% 公司表示他們因為疫情而減緩人工智慧的發展。
目前人工智慧普及的重要領域，是資料與分析學。根據RealBI公司軟體開發人員與IT領導者做的2021年調查，41% 的公司看見，「使用資料與分析系統」的需求正在成長，其中最主要的理由，就是協助用戶做出以資料為依據的決策。
此外，調查報告顯示，越來越多企業有興趣將機器學習嵌入分析軟體或儀表板，超過 6% 公司已經採行此技術，另有將近 16% 公司計劃在近期內導入這項技術。把人工智慧或機器學習技術加到商業智慧平台當中，能在決策者需要時，提供脈絡、預測及推薦選項，讓商業智慧平台進化成為決策智能平台。 Gartner研究機構預測，到了2023年，超過三分之一的大型組織都將擁有專門實現決策智能技術的分析師。
Gartner研究機構將「決策智能」定義為一種框架，讓資料分析領導者得以針對商業行為與結果，設計出決策模型及流程。實際運用上，決策智能使用資料分析學，協助員工、客戶、或商業夥伴做決策，在他們需要的時機與場合，提供最相關的資料、分析結果及預測。 一旦決策智能成為商業流程核心的一部份，人們就能更快速、更容易地做出決策，決策成本也會比以往更低。
用決策智能縮短排隊等候時間
決策智能不只能幫助員工做出更佳決策，也能協助他們更快做決策。後者對加州車輛管理局(DMV)尤其重要，在那裡排隊等待的民眾，每一刻都在冒著感染致命病毒的風險。
加州車輛管理局(DMV)的數位轉型長 Ajay Gupta 表示：「對我來說，決策智能不僅是資料分析與洞察，更重要的是做決策。我們在日常工作裡使用人工智慧，它不只是告訴你該做什麼，還能像人類一樣，幫助你做決策」。
他說，該局處在疫情爆發之際就開始實現智慧文件流程，讓民眾可以上傳文件，並在前往車輛管理局之前，就能知道自己是否還缺少任何文件。數位轉型平台供應商ABBYY協助車輛管理局完成這項專案，此外 User Friendly Consulting 顧問公司也協助完成部份工作。 Gupta說：「我們用到與電腦視覺相關的資料探勘技術，人工智慧則依據歷史資料以及我們提供的訓練做決策。
這套智能決策平台，減少民眾因缺少必要文件而往返的情況，同時，因為需要在辦事窗口處理的事情變少，也減少了案件處理時間」。 舉個實際例子，美國聯邦政府鼓勵民眾更換駕駛執照，以符合新的 Real ID 格式（真實身分證件），讓民眾搭乘美國國內航班時更加便利。因此，許多加州居民必須到車輛管理局申請換發新駕照。導入人工智慧與事先上傳文件的功能，讓加州車輛管理局將每個案件的處理時間，由27分鐘縮短到10分鐘左右。
Gupta補充道：「這套技術在疫情期間幫了大忙，你在擁擠場所待的時間越短，接觸感染的機會自然越低。此外，不用來回傳遞實體文件，也減少病毒透過紙張傳播的機率」。 另外，聊天機器人(chatbot)可協助回答車輛管理局客戶及員工提出的基本問題，Gupta說；「現在我們在探索另一項新應用 ─ 用人工智慧訓練技師及時作業的能力」。
導入決策智能
加州車輛管理局還計劃用人工智慧安排輪班行程，他們的員工有些在家工作，有的在局處辦公室，有些在總部，總計約一萬名員工，要確保工作輪班能為每間辦事處帶來足夠人力不是件易事。 如今，車輛管理局的資料科學師，針對輪班行程執行分析，提供建議給地區與辦事處管理者。但局處正在評估不同平台，打算把決策智能導入到資料科學家以外的員工使用的系統，預計今年會決定最終的平台廠商。
Gupta表示：「我們會使用新工具，整合工作流程系統，透過專門設計產品的內建功能，提供容易操作的介面，以及更流暢的使用體驗。
屆時員工將擁有更高品質的決策流程」。 系統只是輔助，最終決策還是由人決定，他說：「決策智能提供選項，自動建立可以改變的行事曆，自動產生最理想的輪班行程，但最終的決策權還是掌握在管理者手中」。 車輛管理局正在評估的工具，包含導入街道流量資料的能力。目前該局處網站已有人流資訊，能協助民眾決定前往的日期及時間，這些資訊也會被用來安排工作輪班排程。
Gupta說：「雖然已有人流資料，但是在灣區和洛杉磯，交通及停車狀況會為辦事處帶來許多難以預測的混亂，因此我們希望引入街道流量資料，幫助我們達到工作排程的最佳化」。 車輛管理局也計劃導入機器學習，幫助內部研究人員找出組織內外任何資源浪費與濫用的情形。他說：「我們的目標，是建立一套人力輔助的決策智慧模型，在我們的研究人員、行為科學家與資料專家的輔助之下，做出最完善的決策」。 他表示，COVID-19 確實迫使車輛管理局加快數位轉型的時程，不過他們在疫情開始之前就已經朝此方向前進。
Gupta說道：「我們將危機化為轉機，利用人工智慧、機器人流程自動化、機器學習來協助我們的客戶。我希望我們能持續這股動力，我期盼COVID疫情能儘快結束，但我們所做的一切努力能延續下去」。
決策智能的其他應用案例
在網路安全(cybersecurity)領域，人們必須根據大量且瞬息萬變的資料做出決策，決策品質對於公司潛在風險的影響甚鉅。在此，人工智慧與機器學習能派上用場，協助安全分析師做出更佳決策，正如網路公司 Cato Networks 所展現的。
該公司的研究團隊領導人 Avidan Avraham 表示：「在Cato，我們大量地使用人工智慧與機器學習技術，例如，我們建立了一套聲譽模型(reputation model)，它會使用跟某個網域或IP位址有關的所有資訊，根據內部網路資料以及開放源碼的智能資料，此模型得以預測該網域或IP位址是惡意網站的可能性有多高」。
這意謂著，網路威脅狩獵(threat hunting)分析師可以有效安排研究工作的優先次序。 Cato公司建立自家技術以實現這套模型，並用 Amazon Elastic MapReduce 來訓練其模型。根據Avraham說法，他們使用這套系統已超過一年之久，成效顯著，且誤報率極低。
他說：「在我們建構這項技術以前，我們以人工方式執行這種分析，如今，此系統已整合到我們分析師的工作流程當中，很顯然地，現在分析流程比以往快多了」。 決策智能亦可幫助企業做出更一致的決策，讓我們以負責核准貸款申請的銀行職員做為例子。 國際會計師事務所PwC的全球人工智慧領導人 Anand Rao 如此說道：「當決策牽涉到個人時，很多時候，決策的問題在於每個人有不同的背景」。
公司有很多方法來達到決策的一致性，例如員工訓練，但有時候，難免會有外部因素的干擾，例如，某個放貸行員在某一天心情特別糟，導致他做出差勁的決定。在這種情境下，決策智能工具可提供脈絡與建議，協助公司讓商業流程更加前後一致。 其他企業領域也開始發展及運用決策智能，包括：顧客關係管理、銷售工具等。毫無疑問地，將人類的智慧與人工智慧結合，可以大幅提升決策流程的品質。
