回顧過去數月，「生成式 AI」(Generative AI) 的發展風起雲湧，Claude 3、Sora 等前技術吸引了全球目光，展現出人類創造力的驚人模擬能力。生成式 AI 不僅能夠撰寫故事、生成程式碼和創作數碼圖像，更可用於自動完成繁瑣的任務，如將長篇文件濃縮為簡介。
生成式 AI 的力量並非止於一般知識型聊天機器人。越來越多企業意識到這項技術可以如何助力創新，並積極擁抱其可能性。據高盛研究，生成式 AI 在未來 10 年內有望為全球 GDP 帶來近 7 萬億美元的增長，並提高 1.5 個百分點的生產力。
企業及數據領導者勢必趨之若鶩，全力開發生成式 AI 應用。他們不只想知道下一步怎麼走，更希望在這個新興範疇取得競爭優勢。而要開啟生成式 AI 的巨大潛能，就需要依靠企業自身的數據。
數據才是企業最大的優勢 – 數據驅動生成式 AI (Generative AI) 的競爭力
生成式 AI 的核心在於利用機器學習模型，從大量預先訓練的數據中學習。即使這些基礎模型功能強大，但畢竟是通用化設計，無法完全順應不同企業的業務需求，缺乏對客戶、品牌形象和道德標準的了解。為了推出貼合自身獨特情況的生成式 AI 應用，企業必須善用自身數據進行自訂。
AWS 的 Amazon Bedrock 就提供了定制基礎模型的工具，企業可以利用自身數據對預訓練的模型進行微調 (fine-tuning)，或是透過檢索增強型生成 (Retrieval Augmented Generation，RAG) 技術，提升應用的相關性及準確性。此外，Amazon Bedrock 還設有內置的內容審核機制，確保生成內容符合企業的品牌形象和道德準則。
除了自訂基礎模型，企業更要建立全面、整合及受到良好管控的數據基礎設施，確保數據品質和安全，為生成式 AI 應用提供支撐。這包括利用 AWS 服務構建能夠儲存各類結構化和非結構化數據的資料湖 (如 Amazon S3、AWS Glue、AWS Lake Formation)，設立整合各種數據來源的資料倉庫 (如 Amazon Redshift)，以及提供安全協作環境的知識倉庫 (如 Amazon Kendra)。
除了技術，企業還要建立以數據為本的思維方式和文化，並培養合適人才，發展新興的 AI 角色，如生成式 AI 工程師、數據策展人等，推動生成式 AI 與業務目標的緊密結合。只有集合技術、思維、團隊等要素，企業才能真正掌握生成式 AI 的差異化優勢。
立即了解更多：按此連結
