人工智慧物聯網AIOT系列57：為何AI專案常卡關？從人才缺口到系統斷鏈
在上一篇文章中，我們以數據 AI 為例，帶大家一起走過了從資料準備、特徵處理、模型建立到結果驗證的完整流程，並分享了幾個實戰中的「神秘訣竅」與「快速上手的小技巧」。看起來，AI 的應用似乎已經萬事俱備、只欠東風了嘛！但故事發展到這裡，請各位先別急著高歌「AI 落地成功！」事實上，當 AI 真正要「進場實戰」、走進企業現場、落地在百工百業時，才是硬仗的開始。
這篇文章，我們將開啟另一個真實世界的冒險任務：AI 落地應用時，到底卡在哪裡？ 是資料拿不到？是系統整合困難？還是現場不信任模型？或者…根本沒人知道 AI 該用來解哪個問題？透過這一篇，我們將深入探討各行各業在導入 AI 的路上，會遭遇的幾大常見困難，並解析其背後的核心原因，讓讀者在未來啟動 AI 專案時，少走冤枉路、多一點底氣與掌握！
一、百工百業導入 AI：為何卡關？
根據 2024 年的產業調查顯示(如圖1所示)，AI 雖被視為未來產業競爭力的核心關鍵技術，但導入過程卻困難重重。從調查中可發現，導入 AI 最大的三大阻礙分別是：
1. 缺乏 AI 人才與技能（63%）
這幾乎是所有產業的痛點！企業主管常說：「我不是不想導入，是沒人會用啊！」尤其是製造、交通、醫療等傳統產業，內部團隊大多以工程背景為主，資料科學與 AI 建模技術仍有明顯落差。即便有願景、有數據、有預算，沒有懂 AI 的人才，一切都是空談。更別說還要會 MLOps（機器學習營運）、要會調參數、還要懂程式，這根本不是一個人能扛得動的事。而且 AI 工程師還很難找、很貴，企業內部沒人可以培養也沒辦法留人，人才荒成了第一道高牆。
2. 缺乏 AI 治理與策略（46%）
這一點則屬於「高階決策者的盲點」。AI 不是買一套系統就能用，它牽涉到整個企業的治理架構。例如：誰負責 AI 項目？如何跨部門協作？AI 項目的 KPI 怎麼定？數據的權限與安全又怎麼規範？這些都是落地前的基本功。很多企業其實做過 PoC（概念驗證），但因為缺乏長期策略與制度支持，驗證完後就不了了之，導致「AI 永遠停在 Demo 階段」，無法正式投入營運。
3. 建置與維運成本過高（38%）
AI 看似是軟體解決方案，但其實非常「硬」。你得有資料中台、有雲端運算平台、有 IoT 硬體、有資料治理系統，然後還得配 DevOps 團隊維護，光是系統建置與整合，就已經是筆不小的投資。更不用說，真正導入後的維運、模型更新、資料持續蒐集，這些都需要長期投入，不是一筆資本支出（CapEx）就能結束的。
圖1: 阻礙AI 導入的因素 (註1)
二、深入解析：AI 生態鏈中，最常「斷鏈」在哪？
如圖2所示的「AI 生態金字塔」中，AI 要真正發揮效益，必須經歷以下幾層：
- IT 基礎建設層：運算資源、儲存、網路等硬體支撐。
- 資料層：資料取得、傳輸與儲存。
- 人工智慧層（Offline）：資料處理、建模、預測與優化。
- 部署層（Online）：實際環境部署、串接現場機台。
- 應用層（AI+）：應用於製造、農業、電商、政府等產業場景。
圖2: AI 生態金字塔
從目前產業實務看，「人工智慧層」與「部署層」最容易斷鏈。為什麼？因為「人工智慧層」涉及數據處理、特徵萃取、演算法選擇與模型訓練，是專業門檻最高的一層。大多數企業缺乏相關技術人員與經驗。而「部署層」則涉及 IT 系統串接與現場落地。例如：模型預測結果如何寫入 ERP？怎麼觸發警報？怎麼與既有 SCADA 整合？這些都不是一兩天能完成的事。最終造成的情況是：AI 團隊只會模型、IT 團隊不懂 AI，導致「AI 做得出來，但永遠上不了線」。
三、不同產業的挑戰，有共通點也有差異
根據產業別分析，不同類型企業在 AI 導入過程中的痛點如下(如表1)：
表1: 不同類型企業在 AI 導入過程中的痛點
即便都是導入 AI，每個產業因為營運邏輯不同，碰到的挑戰也各異，但「人才、策略、成本」這三個問題，是所有企業的共通挑戰。
四、走出斷鏈困局：企業可以怎麼做？
建立 AI 專責小組（AI Team）或尋求外部協作
- 結合資料科學、IT、業務流程專家，建立跨部門團隊。
- 尋找合適的 SI（系統整合商）或 AI 服務公司，補足人力缺口。
導入 AI 中台架構
- 整合 IoT 資料流、模型訓練平台與部署環境，避免 AI 孤島。
- 建立標準化資料流程，讓資料從「可用」走向「可行動」。
從場域問題出發，設定明確 AI 目標
- 不是為了導 AI 而導 AI，要針對具體問題定義應用場景。
- 例如：製造業可先從「機台異常預測」切入，而不是整廠自動化。
降低導入門檻：從 AI 平台工具、雲端工具或生成式 AI 起步
- 許多 GenAI 工具（如 ChatGPT、Copilot）已能輔助員工提升效率。
- AI 模型訓練平台如 AWS SageMaker、Google Vertex AI 與先知科技的數據通、天眼通與知識通等 AI 平台，無須自建硬體也能上手。
五、未來趨勢：AI 不再只是技術，是企業營運的基礎能力
根據報告顯示，近 50% 組織正在評估導入生成式 AI，數據分析、深度學習與 GenAI 技能成為企業最搶手的三大人才類型。
AI 已經從「先進科技」走向「營運工具」，企業必須開始將 AI 能力視為基本營運素養（Operational Literacy），而不只是 IT 團隊的責任。
導入 AI，不只是一個技術選擇，更是一場組織轉型的修煉過程。從內部的資料整備、人才培養，到外部技術選型與部署串接，無一不是考驗企業的整體體質。
未來誰能真正打通 AI 生態鏈的每一層級，誰就能在百工百業的 AI 戰場上拔得頭籌。希望這篇文章，能幫助你少走彎路，多踩實地，真正讓 AI 成為企業升級的最佳夥伴。
註1: Ref to: 2024 AI Taiwan 未來商務展網頁(https://edm.bnext.com.tw/2024ai_report/)
先知科技總經理 高季安
作者已盡力查證相關資料來源，若是讀者對此系列文章有任何資料來源的指正或其他意見，歡迎提供正確資料來源與建議，請投書。
由於篇幅限制，若讀者針對數位轉型(例如人工智慧或物聯網) 相關議題有興趣或想共同進行合作，皆可聯絡先知科技。