人工智慧（AI）在過去一年來歷經高速發展，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《企業中的生成式 AI 現狀》，報告中提到，2023 年企業在生成式 AI 上花費了約 25 億美元，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，更有六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（Sega Cheng）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，這件事，在生成式 AI 出現之後，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
2022 年底，生成式 AI 橫空出世，AI 變成了人人必學的課題，而企業也逐漸看到 AI 應用的曙光。「過去一年來，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，過去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，有四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。「資料的管線沒有拉好，當然就沒有後面的 AI 應用。」，程世嘉說。
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 無疑是一場大型軍備競賽，投資機構 Bernstein 最新報告預測，今年上半年，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，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一個超強的應用場景，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。但實際上，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。
程世嘉解釋，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，台灣市佔率超過七成。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，在創業路上的每一個彎道，iKala 都轉得漂亮。
近期 iKala 獲得中華電信領投逾 2000 萬美元 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。每一項業務在 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。
