Databricks：AI助企業取優勢 預測管理風險 自建數據專用模型
原文刊於信報財經新聞
企業將人工智能模型融入業務已成大勢，在港有不少企業客戶的美國數據及人工智能公司Databricks，其北亞區副總裁暨執行董事林家偉受訪時指出，人工智能（AI）有助企業取得競爭優勢，並正廣泛應用於金融業的預測與風險管理工作上。
一直倡議AI大眾化的Databricks，旗下產品包括開源語言模型Dolly 2.0，以及將企業內部數據與AI模型互相打通的數據管理平台Lakehouse。林家偉透露，愈來愈多企業客戶向Databricks查詢能否訓練自家模型，他認為AI是每間公司的關鍵優先事項，企業可透過收集與控制自身數據並建立專用模型，取得有別於同儕的競爭優勢。
即時處理索償 批核信用卡
談到人工智能模型在企業的應用場景，林家偉引用Databricks一間保險公司客戶作例子，指該保險公司能夠將大多數索償個案的處理時間，由以往兩至三天大幅縮短為即時，全靠利用AI檢視申請資料完整與否、是否存在欺詐可能等。對銀行而言，AI也可應用於反洗錢、即時批核信用卡申請等工作上。此外，包括基金公司在內的不少金融服務公司，亦會利用AI進行預測及風險管理等事宜。
AI在其他行業的應用也不勝枚舉，Databricks的一家本港手機殼訂造公司客戶，會利用AI即時判斷訂造手機殼的來圖是否適合印製於手機殼上。供應鏈管理更是AI強項，有東南亞叫車及餐飲外送平台會在用戶落單後，即時以AI配對車手，完成該項單靠人手無法快速勝任的工序。
林家偉說，其他AI常見商業應用場景，還包括數據導向的產品推廣、檢視顧客網上評論以評估服務滿意度等。
除成本與質素考量外，林家偉稱企業考慮應用人工智能模型時，亦關注資料安全性與延遲性（Latency）的問題，前者指企業內部資料會否因使用模型而外流，後者則關乎模型回應查詢所需時間。鑑於面向公眾的大規模語言模型（LLM）難以保密企業資料，且因模型規模較大而有較長延遲性，不少企業客戶都會選擇根據自身需求建立專用模型。
定立負責任原則吸引客戶
林家偉提醒企業，發展模型前要具備高質素的數據，因「好的AI無法解決數據不好的問題」。另外，隨着AI普及化衍生大量問題，發展負責任AI的呼聲愈來愈高，Databricks亦已定下數條負責任AI原則，當中包括提供開源模型予客戶，藉此給予客戶調整模型的權限及彈性。
採訪、撰文：余倩敏
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
