數位版文章
不讓驚豔變驚恐！堅守四道防線，避免AI代理上線翻車
NT$100
別再依賴通用AI模型！從資料治理到應用落地的六步策略
企業導入生成式AI，若只仰賴通用模型與外部內容，難以獲得實質報酬。「檢索增強生成」（RAG）是目前最有效整合自家專有知識與大型語言模型的做法，前提是非結構化數據具備足夠品質。本文說明企業該如何準備、清理、評估與維護這類內容，讓AI真正解決業務疑問、發揮價值。
企業擁有的內容大多存在於「非結構化數據」中，也就是工作流程中產生的那些電子郵件、合約、表格、SharePoint資料、會議紀錄等等。這些自家專有的內容，讓生成式人工智慧（AI）更加獨特，更了解你公司的產品和服務，更不容易產生幻覺，也更有可能帶來經濟價值。誠如我們訪談的一位數據長所指出：「如果只是安裝CoPilot的話，你恐怕不會獲得太多投資報酬。」
許多企業已經得出結論，生成式AI的最大價值在於將大型語言模型（LLM）卓越的語言能力、推理能力和通用知識，與自身的專有內容結合起來。這樣的結合對企業層級的生成式AI應用是必要的，例如在客服、行銷、法務、軟體開發，以及為顧客提供的產品與服務等方面的應用。
目前企業導入自家內容的最普遍做法是「檢索增強生成」（retrieval augmented generation, RAG），該技術將數據庫等傳統資訊收集工具與LLM檢索到的資訊結合起來。採用這種方法，是因為將大量內容直接輸入提示詞，在技術上常常不可行，或是成本過高。RAG方法雖然技術上較為複雜，但確實可行，只要所使用的非結構化數據品質良好，就能對使用者提示做出準確回應。而問題就出在這裡。非結構化數據往往品質較差，且普遍存在過時、重複、不準確、結構不良等問題。
