2025 CES AI 論壇觀察：誰將在生成式 AI 與大語言模型的賽局中勝出？

Why managing AI risk presents new challenges

Aliquet morbi justo auctor cursus auctor aliquam. Neque elit blandit et quis tortor vel ut lectus morbi. Amet mus nunc rhoncus sit sagittis pellentesque eleifend lobortis commodo vestibulum hendrerit proin varius lorem ultrices quam velit sed consequat duis. Lectus condimentum maecenas adipiscing massa neque erat porttitor in adipiscing aliquam auctor aliquam eu phasellus egestas lectus hendrerit sit malesuada tincidunt quisque volutpat aliquet vitae lorem odio feugiat lectus sem purus.

Lorem ipsum dolor sit amet consectetur lobortis pellentesque sit ullamcorpe.
Mauris aliquet faucibus iaculis vitae ullamco consectetur praesent luctus.
Posuere enim mi pharetra neque proin condimentum maecenas adipiscing.
Posuere enim mi pharetra neque proin nibh dolor amet vitae feugiat.

The difficult of using AI to improve risk management

Viverra mi ut nulla eu mattis in purus. Habitant donec mauris id consectetur. Tempus consequat ornare dui tortor feugiat cursus. Pellentesque massa molestie phasellus enim lobortis pellentesque sit ullamcorper purus. Elementum ante nunc quam pulvinar. Volutpat nibh dolor amet vitae feugiat varius augue justo elit. Vitae amet curabitur in sagittis arcu montes tortor. In enim pulvinar pharetra sagittis fermentum. Ultricies non eu faucibus praesent tristique dolor tellus bibendum. Cursus bibendum nunc enim.

Id suspendisse massa mauris amet volutpat adipiscing odio eu pellentesque tristique nisi.

How to bring AI into managing risk

Mattis quisque amet pharetra nisl congue nulla orci. Nibh commodo maecenas adipiscing adipiscing. Blandit ut odio urna arcu quam eleifend donec neque. Augue nisl arcu malesuada interdum risus lectus sed. Pulvinar aliquam morbi arcu commodo. Accumsan elementum elit vitae pellentesque sit. Nibh elementum morbi feugiat amet aliquet. Ultrices duis lobortis mauris nibh pellentesque mattis est maecenas. Tellus pellentesque vivamus massa purus arcu sagittis. Viverra consectetur praesent luctus faucibus phasellus integer fermentum mattis donec.

Pros and cons of using AI to manage risks

Commodo velit viverra neque aliquet tincidunt feugiat. Amet proin cras pharetra mauris leo. In vitae mattis sit fermentum. Maecenas nullam egestas lorem tincidunt eleifend est felis tincidunt. Etiam dictum consectetur blandit tortor vitae. Eget integer tortor in mattis velit ante purus ante.

Vestibulum faucibus semper vitae imperdiet at eget sed diam ullamcorper vulputate.
Quam mi proin libero morbi viverra ultrices odio sem felis mattis etiam faucibus morbi.
Tincidunt ac eu aliquet turpis amet morbi at hendrerit donec pharetra tellus vel nec.
Sollicitudin egestas sit bibendum malesuada pulvinar sit aliquet turpis lacus ultricies.

“Lacus donec arcu amet diam vestibulum nunc nulla malesuada velit curabitur mauris tempus nunc curabitur dignig pharetra metus consequat.”

Benefits and opportunities for risk managers applying AI

2025 CES AI 論壇匯集了多位 AI 領域的頂尖領袖，共同探討生成式 AI 與大型語言模型的競爭市場。與會的專家包括 Sandy Carter（Women of AI and Web3）、Stephanie Buckner（Altair）、Ray Wang（Constellation Research）、Hassan Sawaf（AI Explain）以及 Yujing Qian（GMI Cloud）。以下我們將分享專家們對當前市場、企業轉型以及產業未來發展趨勢的重要觀點。現場精彩論壇影片請按此。

AI 市場發展現況與趨勢

專家們分享了幾個關於 AI 應用普及的重要數據：

77% 的企業正在評估將大型語言模型應用於實際生產環境
預計到 2030 年，生成式 AI 市場規模將達到 1.3 兆美元
到 2025 年，90% 的企業計劃使用生成式 AI

這些數據凸顯了 AI 的變革潛力。Ray Wang 舉例說明，如 Otter.ai 透過會議摘要簡化工作流程，以及 AI 在人力資源、法規遵循和程式碼生成等領域的應用日益普及。他強調：「AI 的目的不是要有更多的 AI，而是要做出更好的決策。」

企業轉型：Stephanie Buckner 的觀點

來自 Altair 的 Stephanie Buckner 以其豐富經驗指出，各產業採用 AI 的程度並不平均。她解釋道：「控制和治理是一個重要的考量」，特別強調在確保適當人員存取正確資訊的同時，還要避免 AI 輸出產生幻覺等問題。她也提到 AI 帶來的職場轉型：「現今許多技能在未來可能不再需要，但新的技能需求會出現。」AI 不只是在取代工作，更創造了技能再培訓和重新定義職務的機會。

從願景到執行：Yujing Qian 的實務建議

GMI Cloud 工程副總裁 Yujing Qian 提供了實務的觀點，建議企業避免過於龐大的專案，應從小規模開始：

選擇低風險、高投資報酬的項目，如協作工具或客服優化
著重於將 AI 應用在法規遵循領域，或善用客戶數據分析
優先處理數據問題，包括提升品質或解決隱私和加密挑戰

他觀察到許多企業在「現況與目標之間存在明顯落差」。企業常在 AI 發展初期就設定過多目標，卻發現執行過程比預期複雜。他建議從低風險但高報酬的項目著手，累積小勝利並建立發展動能。

AI 代理：企業營運的未來

Hassan Sawaf 強調了 AI 代理的重要性，這些虛擬員工能強化人類工作流程。他以保險業為例，說明 AI 代理人如何在災害期間處理理賠作業，負責行政任務，讓人類專注於客戶互動。「關鍵不在於完美的數據，」Hassan 表示，「而是要有適合解決特定問題的數據。要快速起步，從小處著手。」他也介紹了微代理的概念，這些代理人如同 AI 解決方案的守護者，確保合規性、安全性和公正運作。

數據基礎：Stephanie 的核心觀點

回到數據議題，Stephanie 再次強調數據品質比 AI 模型更重要。她解釋：「現今大多數數據都被分散在不同系統中。」企業要成功，必須先統整數據並建立穩固的基礎，才能進行複雜的模型開發。

決策自動化：Ray Wang 的觀點

Ray Wang 特別關注決策自動化，說明 AI 如何協助企業建立決策地圖，並找出需要人為判斷的關鍵環節。他認為決策自動化是 AI 的重要目的之一。他提出了關鍵問題：「你的系統已經準備好上線了嗎？當出問題時，誰該負責？」這種對責任歸屬的重視，凸顯了在金融和醫療等產業中，即使 85% 的準確率都還不夠的現實。

討論 AI 如何帶來投資報酬時，Ray 強調企業不應將 AI 專案視為獨立計畫，而應將其整合到供應鏈管理、行銷或網路安全等關鍵業務中。

未來趨勢展望

Yujing Qian 以前瞻性的觀點結束本次討論：

實驗較小型的 AI 模型，以較低成本解決核心問題
投資基礎設施，同時擴展 AI 規模並降低營運成本
擁抱 AI 代理，這些虛擬員工具備核心功能，能解決既有的業務問題

他強調企業保有數據所有權的重要性，提醒道：「大型語言模型的競爭很熱門，但數據同樣重要。」

專家小組的關鍵建議

本次討論揭示了 AI 成功的三個關鍵要素：

從小做起：專注於有明確投資報酬的可達成目標
數據品質：建立穩固的數據基礎，發揮 AI 最大潛力
重視執行：實踐能力決定領先者，務必面對擴展 AI 至生產環境的挑戰

結語

CES AI 論壇展示了生成式 AI 和大型語言模型如何重塑產業。從突破數據孤島到部署 AI 代理人，這些業界領袖分享的見解為企業提供了有效運用 AI 的藍圖。

如 Yujing Qian 總結：「成功關鍵在於量身打造的解決方案，既能降低成本，又能提升投資報酬率，創造實質價值。」對準備展開 AI 之旅的企業而言，訊息很明確：從小處著手，勇於實驗，投資可擴展的基礎設施。AI 的未來不僅關乎創新，更在於做出更明智、更快速的決策。想要轉型您的 AI 之旅嗎？探索 GMI Cloud 的基礎設施和專業知識如何協助您的企業擴展 AI 計畫並實現具體成果。請造訪 www.gmicloud.ai 了解更多資訊！