為協助企業順利導入 AI 工具，iKala 提供彈性轉年約優惠方案，讓用戶無痛升級。此外，iKala 也推出 Google Workspace x AI 教育訓練課程，包含實體、線上訓練課程，及企業專班工作坊，幫助企業員工快速掌握 AI 工具應用！

Gemini for Google Workspace 是什麼？AI 升級企業協作工具

Google Workspace 整合了 Gmail、Google Drive、Docs、Sheets、Slides、Meet 等核心工具，讓企業團隊可隨時隨地共用文件、進行視訊會議與雲端儲存，提升遠端與混合辦公效率。

Google Workspace 導入 Gemini AI 有哪些功能？

隨著生成式AI 改變未來工作模式，Google 在 2024 年 2 月將 AI 助理 Gemini 導入 Google Workspace，幫助用戶以生成式AI 自動生成內容、分析數據與優化工作流程，Gemini for Google Workspace 讓無論是中小企業、大型企業或個人使用者，都能快速透過以下 4 項功能，提升協作與工作效率。

• Gmail、Google Docs 提供 AI 撰寫與潤飾文件

Gemini 可在 Gmail 自動撰寫、摘要郵件，提供快速回覆建議，在 Google Docs 則能生成文章、報告，並進行語氣調整與內容潤飾，大幅提升寫作效率。

• Google Slides 提供 AI 設計簡報

Gemini 可根據主題自動生成 Google 簡報內容、設計排版、提供圖片建議，甚至將文件或會議紀錄轉換成簡報，省去繁瑣的製作過程。

• Google Meet、Chat 提供 AI 做紀錄與摘要

在 Google Meet，AI 可自動擷取會議摘要、提供即時字幕與翻譯，Google Chat 則能整理對話重點、生成快速回應，提升團隊協作效率。

• Google Drive、Sheets 提供 AI 進行資料整理與分類

Gemini 在 Google Drive 可智慧搜尋文件、生成摘要，在 Google Sheets 則能分類數據、偵測異常值、推薦圖表與公式，加速資料分析與決策。

✦ 延伸閱讀：企業級 Gemini Enterprise 隆重登場，Gemini對話服務新功能支援 Google Workspace

Gemini for Google Workspace 新版價格如何調整？

為了讓企業可以輕鬆體驗 AI 帶來的工作效益，Gemini for Google Workspace 在 2025 年迎來全新定價方案，AI 升級更簡易、更划算！過去企業需額外訂閱 Gemini 才能使用 AI 功能，現在 Business Standard、Enterprise 方案已內建 Gemini AI，僅需小額升級，即可解鎖 AI 助理，以下整理價格更新表格與服務升級內容

Gemini for Google Workspace 新價格調整說明

2025 Gemini for Google Workspace 價格會如何調整？我們以購買 Business Standard 方案的企業進行價格調整舉例，

• 舊版方案：每位使用者每月需支付 Business Standard $12 美元 + Gemini Business $20 美元，共 $32 美元
• 新版方案：Business Standard 方案已內建 Gemini AI，用戶每月僅需支付 $14 美元

從以上兩個比較來看，新版內含 Gemini AI 的 Business Standard 方案，只比過去的標準方案多 $2 美元，即可享受 Gmail 智能回覆、Docs 文章撰寫、Sheets 數據分析、Meet 會議摘要等 AI 功能，大幅降低企業導入 AI 的成本。

Google Workspace 不同方案新舊價格一覽表

為了讓企業用戶更快速了解不同方案價格調整差異，iKala 也同步整理不同方案的價格調整一覽表，下方表格以「年約」客戶作為舉例，想了解彈性方案的價格差異，歡迎參考「 Google Workspace 彈性方案」頁面。

Gemini for Google Workspace 新價格何時啟用？

針對 Google Workspace 新訂閱與現有訂閱用戶，將在以下兩個時間進行方案價格調整，對於新方案感到疑問與需要進一步協助的客戶，歡迎點選下方圖片連結，聯繫 iKala 瞭解更多方案詳情。

• 新訂閱用戶：自 2025 年 1 月 16 日起以新價格進行販售
• 現有訂閱用戶：將於 2025 年 3 月 17 日起自動調整為新方案與定價

Gemini for Google Workspace 新版方案有哪些更新？

尚未使用過 Gemini for Google Workspace 的企業用戶可能不清楚在哪裡操作 Gemini AI 功能。在新版價格方案中，Business Standard 以上的企業用戶都可以在 Gmail、Docs、Sheets、Meet 等工具的右側看到 Gemini ✦ 符號，點擊即可開始操作。同時，在 2025 年更新增支援繁體中文，以及推出 NotebookLM Plus 服務，以下詳細說明

Gemini for Google Workspace 新增支援繁體中文版

為了讓使用者能以慣用語言操作工具，Gemini for Google Workspace 在 2025 年 2 月底新增支援繁體中文版本。這項更新讓台灣企業的使用者，能更輕鬆地在 Google 文件、Google Sheets、雲端硬碟和 Gmail 的側邊面板中，以繁體中文執行更多任務，完成文案撰寫、檔案重點彙整或快速收發電子郵件。

Gemini for Google Workspace 新增 NotebookLM Plus 

Gemini for Google Workspace 中的 NotebookLM 是一項由 AI 研究助理，可協助使用者理解及總結複雜的資訊。使用者可上傳文件、簡報、試算表等多種類型的檔案，NotebookLM 會自動分析內容並產生摘要、常見問題與解答，以及相關概念。同時，使用者可以像與專家對話一樣，向 NotebookLM 提問，快速找到所需的資訊。

特別的是，在 Business、Enterprise 的 Standard 和 Plus 版本中，使用者可以更進階使用 NotebookLM Plus，支援更多檔案格式上傳，包括PDF、網站、YouTube等，能快速生成摘要、時間軸及簡報，也能額外提供語音摘要與深度分析。

新版 Gemini for Google Workspace 對企業帶來哪些好處？

企業除了能應用上述 Google Workspace 的 AI 功能，在 Gemini for Google Workspace 新版方案中更加入 NotebookLM Plus 這項服務，可以在市場研究、內部培訓、報告撰寫應用上，加入一位 AI 研究助理，即時解析複雜資料、生成關鍵摘要，並自動共享筆記，提升內部決策與學習效率！以下將整理升級 Gemini for Google Workspace 的 3 大優勢

好處一、AI 助理減少日常工作負擔，提升生產力

企業主常被繁瑣的例行文書工作占據時間，影響核心業務發展。Gemini for Google Workspace 透過 AI 自動處理與智能分析，幫助企業減少重複性任務，提高生產力。

• 智能摘要與文件整理

Google Chat AI 會自動整理錯過的對話內容，確保團隊隨時掌握專案進度；Google Docs AI 可提取冗長提案中的關鍵資訊，幫助決策者快速篩選合作機會。

• 提升銷售與行銷成效

Gmail AI 可自動撰寫個人化銷售郵件，提高轉換率；Google Slides AI 協助生成銷售簡報，讓提案更具說服力；Google Docs AI 可撰寫部落格、行銷內容，提供語法校正與潤色建議。

• 加速數據分析與企業決策

Google Sheets AI 智慧整理數據、預測趨勢，簡化企業報表管理。此外，NotebookLM Plus 可即時分析上傳資料，生成關鍵摘要並共享筆記，提高學習與決策效率，確保團隊掌握最新市場資訊。

✦ 延伸閱讀：如何對生成式 AI 下指令？Gemini for Google Workspace 操作教學

好處二、AI 強化企業內部溝通與協作效率

企業在專案管理與內部溝通中，常因手動操作、資訊傳遞不即時而影響進度。Gemini for Google Workspace 提供 AI 自動化解決方案，幫助團隊更高效協作。

• 加速專案進度管理

Google Sheets AI 可自動分配任務、設定期限，並根據進度變化即時更新專案狀態，減少人工作業的時間，提升專案協作效率。

• 提升會議品質與效率

Google Meet 內建 AI 降噪、優化音效，即使網路不穩也能保持順暢。同時，AI 可生成會議主題背景與即時多語言字幕，提升跨國溝通效率。

• 自動摘要與客戶服務提升

Google Chat AI 可總結錯過的對話，幫助團隊快速掌握進度；Google Meet 轉錄會議內容，搭配「幫我做筆記」功能，讓客服與業務專注客戶需求，提升服務品質。

好處三、Gemini AI 企業級應用，安全可靠，支援繁體中文

企業在導入 AI 技術時，除了考慮效率提升，也需關注資料安全與系統兼容性。Gemini for Google Workspace 作為 Google 官方 AI 方案，確保數據合規，並為企業提供長期穩定的 AI 支援。

• 強化客戶服務與行銷自動化

Gemini AI 透過自動化技術，可在 Gmail 撰寫具同理心的客訴回應，優化客戶服務回應，減少人工負擔；Google Docs AI 可生成個人化行銷內容，提升品牌形象與客戶體驗。

• 提升遠端與混合辦公效率

AI 技術為遠端辦公提供更靈活的支援，如 Google Meet 提供即時翻譯、會議摘要，Google Chat AI 提供自動回覆與內容整理，確保全球團隊的無縫協作。

• Google 官方 AI，數據安全與合規

Gemini AI 提供企業級安全性，所有數據都符合 Google Workspace 的隱私標準。此外，新版支援繁體中文，確保企業能夠無縫導入 AI 技術，提升團隊競爭力，適用於長期業務發展。

如何升級 Gemini Google Workspace？iKala 提供企業專屬教育訓練

Gemini for Google Workspace 新訂購客戶將從 2025 年 1 月 16 日起，以全新價格進行販售；既有客戶則從 2025 年 3 月 17 日起自動更新方案。企業只需挑選適合自身需求的 Business、Enterprise Google Workspace 方案，無需額外加購 AI 服務、無需額外設定，即可無縫享受 AI 助理帶來的高效工作體驗。

iKala 客戶專屬，Gemini for Google Workspace 教育訓練方案協助升級應用

為協助 Google Workspace 企業用戶能快速上手新的 Gemini AI 方案，iKala 不只能提供您專業的方案調整建議，更有豐富的教育訓練資源，幫助您充分發揮 Gemini 的價值，提升工作效率與創造力，以下三種方案能依客戶需求挑選實體/線上形式進行課程。

結論，升級 Gemini Google Workspace 最佳時機

新版 Gemini for Google Workspace 讓企業用戶僅需小額升級，就能全面解鎖 AI 助理，大幅減少例行文書處理，加速團隊協作與決策。更棒的是，繁體中文版已正式上線，台灣企業不用擔心語言隔閡，即刻體驗 AI 轉型的強大優勢。此外，iKala 提供專業教育訓練，幫助企業快速掌握 Gemini AI，確保團隊真正發揮 AI 實力，提升生產力與市場競爭力。現在就行動，升級 Gemini for Google Workspace，讓 AI 成為您的智慧工作夥伴！

The post Google Workspace AI 工具 Gemini 新定價，新增繁體中文版 first appeared on iKala Cloud.

企業為了讓網站訪客或開發者能夠即時從 Google Cloud Storage 存取所需要的物件(object)，Google Cloud Storage 管理者有時會因為方便性，將物件的存取權限設為 public access，作為公開網址來服務，讓任何人都可以即時瀏覽及下載需要的物件。但由於 Google Cloud Storage 本身沒有 DDoS 防禦機制，而且提供無額度上限的大頻寬空間，讓這個服務出現了一個漏洞，一旦公開的資源遭到惡意攻擊，系統無法自動識別和阻止這類異常流量，便可能導致企業難以及時發現異常。最終，企業在檢視帳單時才會發現大量非預期的費用暴增。

什麼是 DDoS？

分散式阻斷服務攻擊 (DDoS)攻擊是最容易造成前述悲劇的一種常見網路攻擊手法，攻擊者會透過大量且不間斷的存取服務的伺服器，造成伺服器過載而無法持續提供服務。

DDoS 攻擊可分為多種類型，包括：

• 流量型攻擊：透過大量數據流量（例如 UDP flood 或 SYN flood）充斥網絡，使頻寬被耗盡。
• 協議型攻擊：利用協議弱點進行攻擊，例如 TCP 的三向握手，使服務器處於半連接狀態，資源被占用。
• 應用層攻擊：針對應用層的操作，例如發送大量的 HTTP 請求，讓伺服器無法處理真實用戶請求。

DDoS 攻擊除了可能會造成服務被惡意流量佔據，導致真正需要服務資源的使用者無法存取外，更會因此產生巨量的網路流量，使後續帳單金額暴增。

如何在開放 Cloud Storage 存取的同時實施 DDoS 保護的兩大關鍵機制

如果想開放 Cloud Storage 的物件給外人存取，同時也想避免被 DDoS 攻擊（避免惡意地大量下載），可以怎麼做呢？

一、部署 Cloud CDN 搭配網頁應用程式防火牆(WAF) Cloud Armor

Cloud CDN 是一個全球性的內容快取(Content Delivery Network)服務，目的是在加速和優化使用者從 Google Cloud Platform 上的應用程式獲取靜態內容，從而提高訪問速度。

企業可以透過加入 Cloud CDN 的功能，將 Google Cloud Storage 的 bucket 作為 Cloud CDN 的源站(origin)，使前次使用者存取的物件記錄留在 Cloud CDN 的記憶體內，後續的使用者再訪問相同物件時，會優先查詢 Cloud CDN 中是否已存在此物件，如果存在，就不必直接進入 Cloud Storage 內存取物件，若不存在或已過期(expired)，才會回到源站存取或更新，進而降低 Google Cloud Storage 物件被訪問的次數。

此外，我們可以結合 Cloud Logging，設計一個 Cloud Function 來計算各個 IP 的請求次數，當某個 IP 的請求次數超過設定的閾值(threshold)時，將其加入到應用程式防火牆(WAF)中的規則中(例如黑名單規則)，Google Cloud 的 Cloud Armor 就是這樣的服務，可以有效的進一步提升防護效果。

提醒您，如果要使用 Cloud Armor 預設的 Rate Limit 或地理位置偵測(geolocation)等 Cloud Armor 規則來進行防護，則需要在 Load Balancer 的 Backend Service 中選擇支援這些規則的服務(例如 Compute Engine, Google Kubernetes Engine 等)，而非直接選擇 Google Cloud Storage。

二、使用 Cloud Function 存取 Google Cloud Storage 的 Signed URL

另一種架構則是可以透過建立一個 Cloud Function，提供使用者想要取得物件的時候，能透過 Google Cloud Storage 產生的 Signed URL 存取物該物件。

Signed URL 是一個特殊的連結，需要使用者的請求(例如瀏覽器或應用程式呼叫 API)帶有服務帳戶(service account)資訊，才能夠進行存取，因此只有擁有連結並通過驗證獲得授權的使使用者請求可以透過連結進入 Google Cloud Storage 並下載物件。

此外，這個連結是具有時效性的，當連結超過設定的時間後就會失效，令使用者只能在特定的時間內存取物件，無法任意無限次數地訪問。

Signed URL 雖然也可以直接在 Load Balancer 上進行設定，但選擇在 Load Balancer 後加上 Cloud Function 的架構，讓 Cloud Function 成為 Backend Service，可以額外運用 Cloud Armor 的防護策略(如 Rate Limit 和地理位置限制)來避免過量的存取。

總結

以上兩種方法，雖然都能有效阻擋惡意的流量攻擊，但仍然會增加額外的費用，例如大量的 logging 或 Cloud Function Invocation，但相較於遭受直接的 Google Cloud Storage 下載存取產生的鉅額費用，上述方法皆能大幅度降低這額外的成本，在協助企業防禦 DDoS 的目的上，除了避免荷包大失血，更重要的是確保雲端上的服務能正常運行，並增加攻擊者的困難度，在最後一道防線被攻陷之前，提早作出應變，如果需要進一步的 DDoS 防禦或雲端資源保護的資訊與支援，歡迎聯繫 iKala Cloud。

立即諮詢 iKala Cloud，了解更多企業資安要點

參考資料

[1] Web security best practices | Cloud CDN

[2] Cloud Armor Network Security | Google Cloud

[3] Configure advanced network DDoS protection | Google Cloud Armor

[4] Signed URLs | Cloud Storage

The post Google Cloud Storage 開放存取同時實施 DDoS 防禦的兩大方案 first appeared on iKala Cloud.

什麼是生成式AI？

生成式AI（Generative Artificial Intelligence）是一種人工智慧系統，專注於生成新內容，包括文字、圖像、音樂和其他媒體。以下是其技術基礎以及和傳統 AI 比較：

生成式AI 技術基礎

生成式AI 主要依賴於深度學習技術，包括：

• 生成對抗網路（GAN）：由生成器和鑑別器組成，生成器生成假數據，鑑別器區分真假數據。透過反覆訓練，生成器學習生成更加真實的數據
• 長短期記憶網路（LSTM）：主要用於文本生成，記住前面的單詞，預測下一個單詞
• Transformer 模型：使用注意力機制，適用於自然語言處理、圖像處理和音訊處理等任務

與傳統 AI 的比較

傳統AI，通常指的是非生成式的 AI 系統，主要用於：

• 分類和預測：使用機器學習模型對現有數據進行分類或預測
• 決策和優化：基於現有數據和規則，進行決策和優化
• 自動化：自動執行重複性任務，如資料處理、監控等

生成式AI 則專注於：

• 創造新內容：生成新的文字、圖像、音樂等，與原始數據相似但具有新穎性
• 自主學習：透過學習大量數據，生成模型可以自主地學習輸入數據的模式和結構

〈推薦閱讀：生成式AI是什麼？3大關鍵助企業找到合適的生成式人工智慧服務〉

生成式AI 在製造業的應用場景

品質管理和預測

• 自動化品質檢測：企業可以使用 AutoML 進行自動化品質檢測流程，透過分析生產過程中的品質數據，找出影響品質的關鍵要因，及早發現並修正問題，提升產品品質
• 預測品質結果：生成式AI 可以預測每批的品質檢測項目，讓品管人員透過預測的數據，針對預測結果不符的產品進行主動式檢驗，降低不良品流出風險和人力檢驗成本

設計和原型製作

• 生成新設計：生成式AI 可以自動生成新產品設計和原型，減少設計時間和成本。例如，在汽車和機械製造中，AI 可以生成橋樑、建築和機械的設計，提升創新和效率

生產流程優化

• 製程參數分析：生成式AI 可以分析製造過程中的多個製程參數和品質指標，識別並控制關鍵變數，確保產品達到所需的品質標準。這樣可以縮短分析時間，實現數據驅動的客觀分析
• 最佳化業務流程: 企業可以利用生成式AI 在所有業務領域最佳化業務流程，包括工程、行銷、客戶服務、財務和銷售。例如，從任何來源擷取和彙總資料以用於知識搜尋功能，評估和最佳化行銷、廣告、財務和物流等領域

供應鏈管理

• 預測和優化：生成式AI 可以分析歷史銷售數據、市場趨勢等，優化生產排程、資源分配和工作流程，確保企業能夠高效地滿足動態庫存需求

預測維護

• 預測設備故障：生成式AI 可以預測設備故障，減少未預期的維護成本。透過分析感測器數據和設備行為，AI 可以提前發現潛在問題，進行預防性維護

製造業應用生成式AI 帶來哪些效益？

1. 優化營運和生產流程

• 生成式AI 可以透過即時監控和分析生產過程，快速識別問題，提供預測性見解和個人化助理，提升製造工人的效率。這些 AI 助理可以探索多個控制策略，識別潛在的瓶頸和故障點，從而優化生產流程和效率。
• 優化 PPA：Deloitte 報告中提到，生成式AI 可以在晶片設計中優化功耗、性能和面積（PPA），透過從每次迭代學習，最大程度改進 PPA。AI 能夠快速識別設計中的功耗增加、性能瓶頸或空間利用不佳的問題，並提供改進建議，模擬和測試結果。相比依賴電子設計自動化 (EDA) 的人工設計過程，生成式AI 具備更快的速度和更高的效率，能更有效地優化晶片設計。

2. 預測維護和減少停機時間

• 生成式AI 可以分析大量的數據，預測設備維護需求，允許企業提前安排維護，從而減少未預期的停機時間。這不僅提高了設備的可用性，也貢獻了整體運營的韌性。
• 例如，根據 Deloitte 的研究，生成式AI 的預測性維護可以提高 25% 的工業生產力，減少 70% 的故障發生率，並降低 25% 的維護成本。

3. 提升品質管理、缺陷檢測精準度

• 生成式AI 可以分析大量的數據，包括圖像和歷史檢查記錄，即時檢測產品缺陷。這些系統可以識別出人眼可能忽略的微小缺陷，確保產品質量的一致性。
• 缺陷檢測案例：Deloitte 報告中提到，生成式AI 使用生成對抗網路 (GAN) 或擴散模型生成逼真的缺陷示例，如晶圓上的故障區域，能有效調整下游流程，從 SPC 限值到其他 AI 模型的應用。相比手動流程，生成式AI 更準確、快速地分類缺陷，降低成本並具備大規模應用潛力。

4. 優化供應鏈管理

• 生成式AI 可以分析歷史數據和市場趨勢，創建需求預測，優化庫存水平，避免庫存不足或過剩。它還可以優化運輸路線，減少運輸成本和時間。
• 例如，AWS Supply Chain 應用程式可以提高供應鏈的透明度和敏捷性，做到更明智的決策，減少風險和費用，並優化客戶體驗。

5. 提供個人化協助和在職培訓

• 生成式AI 可以為不同角色提供個人化的支持和在職培訓。它可以提供角色基礎的、個人化的助理和預測性見解，幫助工人更有效地執行任務，做出更明智的決策。這也包括測量培訓效果，識別技能差距，並提出解決方案以防止熟練勞動力問題。
• 例如，生成式AI 助理可以根據個體員工數據，提供針對性的培訓和個人化工作指示，為員工創建連續的職業發展路徑。

製造業應用生成式AI 的挑戰

訓練數據品質

生成式AI 模型的性能高度依賴於訓練數據的品質和多樣性，如果訓練數據包含偏見、不完整或低品質的訊息，模型的輸出也會反映這些問題。

數據隱私

生成式AI 需要大量的數據進行訓練，其中可能包含敏感和個人資訊，如何在保護用戶隱私的同時有效利用這些數據是一個巨大的挑戰。

模型複雜性和運算資源

生成式AI 模型，如 GPT-4 和 GAN，通常非常複雜，包含數億甚至數十億個參數。這種規模的模型需要大量的計算資源和存儲空間，增加了訓練成本和限制了小型企業和個人開發者的使用。另外，生成式AI 模型容易遭受對抗性攻擊，駭客可能會操縱輸入資料，產生意外或有害的輸出，因此需要具備強大的防禦能力，才能抵禦對抗攻擊。

模型解釋性

生成式AI 模型的內部運作往往如同黑箱一般，難以解釋其決策過程，這對於需要高透明度和可信度的應用場景，例如品質控制、預測維護和安全監控。生成式AI 模型的缺乏解釋性會限制其在這些高風險領域中的應用，因為使用者需要了解模型為何做出特定的決策或產生特定的輸出。

〈推薦閱讀：如何對生成式 AI 下指令？Gemini for Google Workspace 操作教學〉

iKala 如何協助製造業成功導入生成式AI

製造業在導入生成式AI 時常因缺乏明確的策略目標、資料偏見、演算法的不透明性及不足的風險管理而受阻嗎？iKala 提供全方位的服務，包括「AI 雲端轉型顧問」與「AI 雲端方案建置」，由超過 50 位專家根據企業的需求進行深入評估，制定最合適的 AI 應用場景和治理策略，以確保 AI 的有效實施與落地。

AI 雲端轉型顧問

針對需求綜合評估 AI 與雲端應用，人工智慧部分提供 AI 轉型方法論，進行場景評估與驗證，並協助規劃 AI 藍圖；雲端部分提供雲端轉型策略規劃，如雲端人才轉型、Landing Zone、FinOps 等非技術實作解決方案。

AI 雲端方案建置

若有人工智慧導入需求，根據 AI 藍圖進行後續架構規劃與系統建置，如 RAG、AI-SDLC 等技術實作解決方案；若有雲端導入需求，則根據雲端轉型策略對齊架構規劃並執行部署，如雲端搬遷、架構設計、儀表板設計等技術實作解決方案。

立即諮詢 iKala Cloud，了解企業生成式AI 導入技巧

The post 製造業生成式AI 有哪些應用？從國際案例觀察應用場景、效益與挑戰 first appeared on iKala Cloud.

生成式AI 遇到的挑戰

雖然生成式AI 提升了產業應用案例，但它仍然是一種不斷發展的新興技術。以行銷產業來舉例，生成式AI 雖然可以發掘新的人物誌，並在幾分鐘內建立有創意的目標內容和活動。 但是，它並不理解客戶行為背後的「原因」與因果關係

缺乏因果推理能力

生成式AI 系統依賴關聯數據來進行預測或生成內容，然而這些模型只關注模式而不理解事件之間的因果關係。因此，當面對需要深入因果推理的複雜問題時，生成式AI 無法提供具備邏輯推理的結果，導致錯誤或誤導性結論。

對新情境的適應性較低

由於生成式AI 從歷史數據中學習，它對於從未見過的新情境反應較差，難以精確預測在不同環境中的行為或結果，尤其是在不確定或充滿變動的情況下。

黑盒問題

生成式AI 的決策過程通常無法解釋，這讓使用者無法完全理解其推理過程或預測依據，特別是在合規要求較高的行業如金融或醫療領域，這種「黑盒」特性會導致信任問題。

〈推薦閱讀：生成式AI是什麼？3大關鍵助企業找到合適的生成式人工智慧服務〉

因果AI (Causal AI) 是什麼？

因果AI 全名為因果人工智慧 (Causal AI) ，是一種尖端的人工智慧技術，專門用來識別和理解數據中的因果關係，與傳統的機器學習和其他主要關注相關性的 AI 模型不同，因果AI 透過因果推理，精確分析一個變數對另一個變數的實際影響，並考慮潛在的干擾因素。Causal AI 主要特點如下

因果推理

因果AI 使用因果推理來確定變數間的因果關係，這超越了純粹的統計關聯性，考慮了多種干擾因素。

結構因果模型 (SCM)

結合領域專業知識，這些模型幫助更好地理解因果機制，並通過假設性場景和反事實分析來評估干預效果。

因果發現

透過分析數據模式，演算法可以發現潛在的因果關係，並構建描述變數之間因果依賴的模型。

因果AI 與生成式AI 結合優勢有哪些？

Causal AI 與生成式AI 的結合能提供更強大的解釋力和決策支持，結合兩者的優勢來解決更複雜的問題。生成式AI 擅長創建內容和預測結果，但通常依賴於相關性模式，而因果 AI 強調理解事物之間的因果關係。將兩者結合可以帶來以下幾個好處：

增強預測準確性

生成式AI 可以生成大量可能的解決方案或情境，Causal AI 則可以幫助篩選這些解決方案中哪些是真正有效的，因為它能區分相關性和因果性。這樣，企業能更加準確地進行預測並做出決策。

提升決策解釋力

生成式AI 生成的結果或建議，常常缺乏透明性或難以理解。因果AI 能為這些結果提供合理的解釋，告訴使用者為何這些結果成立，並揭示背後的因果機制，讓 AI 決策更加透明和可解釋。

改善假設性推理

生成式AI 可以創建假設性的情境，因果AI 則能模擬這些情境下不同變數的因果效應。例如，數據科學家可以透過生成式AI 生成不同的市場策略方案，然後使用因果AI 分析每個策略的潛在影響，確保選擇最佳行動方案。

減少偏差與風險

生成式AI 的預測可能會因數據中的偏差而受到影響，導致不準確的結論。Causal AI 能夠透過辨識數據中的真正因果關係，減少這些偏差對模型的影響，使結果更為公正和精確。

因果AI 結合生成式AI 的 4 大產業案例

醫療業

生成式AI 可以幫助生成個人化的治療方案，而因果AI 則可以分析不同治療方案之間的因果關係，確定哪一種方案最有效。

製造業

生成式AI 可以模擬多種生產流程組合，生成最佳的生產計劃來提升效率和產品質量，因果AI 則可以深入分析各流程環節之間的因果關係，幫助企業了解改變某些變數（如設備速度、材料選擇）會如何影響整個生產系統的效能，從而做出更具科學性的流程改進決策。

行銷與廣告業

生成式AI 可以創建廣告素材，Causal AI 則可以分析這些素材對目標受眾的實際影響，幫助優化行銷策略。

金融產業

生成式AI 生成多種投資組合，因果AI 則分析這些投資組合的長期效果及風險，為投資決策提供更好的依據。

因果AI 對於企業的未來

未來企業在決策上面臨的關鍵挑戰是實現「快速」思考，也可見到因果AI 的需求將持續上升，在於其能夠提供根據數據背景得出的因果關係分析，幫助企業進行穩健決策。同時，Gartner 也將其列為重要新興技術，特別是在與生成式 AI 結合後，雙方提供速度與精確度的雙重優勢。生成式AI 快速生成解決方案，因果AI 則透過驗證這些解決方案的根本因果機制，讓企業自信應對複雜挑戰並做出最優決策，提升未來競爭力。

立即諮詢 iKala Cloud，了解企業更多 AI  應用

參考資料：Causal AI: the revolution uncovering the ‘why’ of decision-making、What is causal AI? Why this deterministic AI approach is critical to business success

The post 因果AI（ Causal AI ）解決生成式AI 的推理挑戰，看 4 大產業案例 first appeared on iKala Cloud.

什麼是人工智慧 AI？

人工智慧(AI)是一種模擬人類智慧的科技，讓電腦執行需要人類認知能力的任務，例如學習、解決問題和決策。人工智慧系統能夠分析大量資料、辨識模式、從經驗中學習，並隨著時間推移改進其效能。

同時，人工智慧還具備以下三項關鍵特點。

• 模仿人類智慧：人工智慧旨在讓機器表現出類似人類的認知能力，例如理解語言、辨識影像和做出決策。
• 資料驅動：AI 系統依賴大量資料來學習和改進。 透過分析資料，AI 演算法可以識別模式、進行預測並產生洞察力。
• 適應性：人工智慧系統可以從經驗中學習，並隨著時間推移調整其行為。 這使它們能夠適應新的情況和改進其效能。

而人工智慧不僅僅是一種單一技術，而是一個涵蓋廣泛技術和方法的領域。 其中一些關鍵技術包括

機器學習 (Machine Learning，ML)

機器學習是一種 AI 的子集，它使用演算法來讓電腦從資料中學習，而無需明確的程式設計。機器學習結合了電腦科學、統計學、心理學、神經科學和經濟學等領域的元素，並使用演算法來分析資料、識別模式並做出預測。

深度學習 (Deep Learning，DL)

深度學習是一種機器學習的進階形式，它使用具有多層（深度）的神經網路來學習和擷取大量資料的功能。這些深層神經網路可以自動發現資料中複雜的模式與關係，進而做出更準確的預測和決策。

自然語言處理 (Natural Language Processing，NLP)

自然語言處理是一種人工智慧的分支，專注於讓電腦理解和處理人類語言。NLP 的目標是讓電腦能夠像人類一樣理解、詮釋和生成自然語言。

電腦視覺

電腦視覺是一種人工智慧技術，讓電腦能夠「看見」和理解數位影像和影片內容。 電腦視覺系統使用感應器和學習演算法來擷取複雜的情境資訊，然後將其用於自動化或引導其他流程。

人工智慧在不同產業應用場景有哪些？

人工智慧以其模仿人類智慧的能力，迅速成為現代技術變革的核心，透過分析海量數據並不斷學習進化，AI 可以解決複雜問題並優化業務流程。這使得 AI 不僅僅是一項技術工具，更是一個能夠為各種產業帶來全新解決方案的強大力量。接下來，我們將深入探討人工智慧在不同產業中的實際應用，展示它如何在多元場景中推動創新並重塑工作方式，提供企業工作者效能提升與業務擴展的全新想像。

製造業人工智慧應用

• 預測性維護：利用人工智慧進行預測性維護能夠在設備故障之前進行自我檢測，預測可能的故障並進行修復。不僅減少停機時間，還節省維修成本，使生產過程更加穩定可靠。
• 機器視覺檢測：透過 AI 技術進行自動化的產品質量檢測，提高檢測速度和準確性，降低人力需求。
• 生成式設計：使用 AI 來模擬和優化產品設計，提升設計效率並滿足客製化需求。

金融業人工智慧應用

• 風險評估與管理：人工智慧可分析大量數據以評估貸款申請者的信用風險，幫助金融機構做出更準確的決策。
• 詐騙檢測：透過機器學習算法識別異常交易模式，及時發現和防止詐騙行為。
• 自動化交易系統：AI 可以根據市場數據自動執行交易策略，提升交易效率和獲利潛力。

醫療業人工智慧應用

• 疾病預測與診斷：利用人工智慧分析病歷數據和影像資料，協助醫生進行早期診斷和疾病預測。
• 個人化醫療：根據患者的基因組和健康數據，AI 能提供客製化的治療方案。
• 醫療影像分析：AI 技術可加速影像診斷過程，提高診斷準確率，如在 X 光或 MRI 影像中檢測異常。

零售業人工智慧應用

• 庫存管理：透過人工智慧預測消費需求，自動調整庫存水平，以降低庫存成本並提高商品可用性。
• 個人化推薦系統：利用消費者行為數據，AI 能提供個人化的產品推薦，提升顧客滿意度及銷售額。
• 客戶服務自動化：使用聊天機器人和虛擬助手來處理客戶查詢，提高服務效率並減少人力成本。

人工智慧為企業帶來的效益

隨著人工智慧在各行各業的廣泛應用，越來越多企業認識到人工智慧帶來的競爭優勢。AI 技術不僅幫助企業提升工作效率，還能優化決策流程，促進創新與成本管理。根據產業研究調查，導入人工智慧的企業普遍呈現出更高的營收成長和市場競爭力。接下來，我們將透過國際研調組織的調查數據探討人工智慧對企業發展的重要性，並詳細說明 AI 如何帶來具體的業務效益與長期價值。

提升效率和生產力

• 自動化繁瑣任務：人工智慧能自動化繁瑣的日常任務，讓員工專注於更具價值的工作。根據 KPMG 報告指出，利用 AI 的企業平均可提升 15% 生產力。
• 業務流程優化：Deloitte 報告中提到，採用人工智慧技術的企業在業務流程優化方面可節省  20%-30% 成本。

改善客戶體驗

• 提供客戶個人化服務：PwC 調查顯示，60% 受訪者表示，如果未能獲得個人化服務會使他們忠誠度下降。這強調了企業在客戶服務中實施 人工智慧以提供個人化體驗的必要性。
• 即時反饋與改進：根據 IDC 的報告， AI 能夠分析客戶反饋，快速適應市場變化，並幫助企業做出數據驅動的決策，以持續優化客戶體驗。

降低成本

• 人力成本降低：KPMG 調查顯示，58% 企業領導者認為人工智慧能有效降低運營成本，在於 AI 能自動化數據收集和處理，從而減少人力需求，並提高效率。
• 設備維護成本降低：透過預測性維護，人工智慧能幫助企業提前識別設備故障，從而降低維修成本。研究顯示，這可使維護成本降低 20% 至 30%。

強化員工共同協作

• 知識共享：人工智慧能促進團隊間的協作與知識共享，使員工能更輕鬆地獲取所需資訊。在 KPMG 調查顯示，使用 AI 後企業員工能花在決策和分析上的時間可提升 3 倍。
• 培訓與支持：人工智慧可協助新員工快速上手，降低入門門檻，使其更快融入工作環境。

企業需知的人工智慧應用挑戰與風險

儘管人工智慧為企業帶來了許多效益，但在享受這些優勢之前，企業必須先做好充分的準備。從數據質量管理到算法透明度，再到法律合規性，AI 導入過程中潛藏諸多挑戰與風險。企業若要有效利用人工智慧創造價值，就需針對這些問題進行全面評估和規劃，確保技術應用符合業務需求與市場規範。接下來，我們將深入探討 AI 帶來的具體挑戰，幫助企業在運用 AI 之前做好萬全準備。

1. 風險評估

• 多樣性與複雜性：企業用人工智慧會經歷不同生命週期（開發、部署、運行），在不同階段又會遇到數據來源、算法模型及運行環境的風險挑戰。
• 不可量測性：某些人工智慧風險難以量化，這使得企業在制定風險管理策略時面臨挑戰。

2. 資料偏見與安全性

• 資料偏見：人工智慧系統可能會因訓練數據中的偏見而產生不公平或不準確的結果，這在金融、醫療等敏感領域尤為重要。
• 資料安全：AI 系統的開發和運行需處理大量敏感數據，若未妥善管理，可能導致資料外洩或被濫用。

3. 系統透明度與可解釋性

• 透明度不足：許多人工智慧算法（尤其是深度學習模型）缺乏透明度，使得用戶難以理解其決策過程，這可能影響信任度。
• 可解釋性問題：企業需要向客戶解釋人工智慧的決策邏輯，以增強對技術的信任，但這在許多情況下並不容易實現。

4. 法規遵循與合規性

• 法律與監管要求：隨著人工智慧技術的普及，各國政府正逐步建立相關法規。企業必須確保其 AI 應用符合當地法律要求，以避免法律風險。
• 合規性挑戰：企業在實施人工智慧時需考慮多項合規性問題，包括數據保護、消費者權益等。

5. 組織整合與文化挑戰

• 企業內部抵抗：導入人工智慧可能會遭遇來自員工的抵抗，特別是當他們擔心自己的工作會受到影響時。企業需要有效管理變革以促進接受度。
• 專職技能缺口：許多企業缺乏必要的技術專才來有效實施和管理人工智慧系統，這可能成為推動 AI 應用的一大障礙。

iKala 如何協助企業啟動有感的人工智慧服務

缺乏明確的人工智慧策略目標、AI 資料偏見、演算法不透明及風險管理不足，企業在採用人工智慧時是否也因為這些難題而卡關？想知道如何選定最適合的人工智慧應用場景、建立清晰的 AI治理策略，以及建置完整的風險管理框架嗎？iKala 提供一站式從「 人工智慧雲端轉型顧問」到 「人工智慧雲端方案建置」，由超過 50 位的資料科學家與雲端服務專家，依據企業的業務目標與技術可行度進行訪談評估，討論出最合適的 AI 導入場景，並提供工具建議與預期成果。

不同於與傳統顧問公司合作，企業可能面臨人工智慧藍圖規劃完善但最後難以落地的狀況；亦或是與傳統 SI 合作，可能面臨廠商不理解企業 AI 商業需求，需要企業先自行釐清技術需求才可以委外代工。iKala 一站式「 人工智慧雲端轉型顧問」到 「人工智慧雲端方案建置」服務特點如下

人工智慧雲端轉型顧問

針對需求綜合評估 AI 與雲端應用，人工智慧部分提供 AI 轉型方法論，進行場景評估與驗證，並協助規劃 AI 藍圖；雲端部分提供雲端轉型策略規劃，如雲端人才轉型、Landing Zone、FinOps 等非技術實作解決方案。

人工智慧雲端方案建置

若有人工智慧導入需求，根據 AI 藍圖進行後續架構規劃與系統建置，如 RAG、AI-SDLC 等技術實作解決方案；若有雲端導入需求，則根據雲端轉型策略對齊架構規劃並執行部署，如雲端搬遷、架構設計、儀表板設計等技術實作解決方案。

iKala 擁有最有實力、商業佈建經驗的 AI Labs，協助超過 1000 家亞太企業客戶進行數位轉型，專注在製造、金融、零售等產業服務經驗，擁有 140 多個人工智慧和語言模型建置經驗，以及 2 項開源重大貢獻，包含發布 TMMLU+ 以及最廣泛使用的測試框架 iEval。

立即諮詢 iKala AI 顧問，啟動企業有感人工智慧服務

The post 什麼是人工智慧(AI)？人工智慧的產業應用趨勢有哪些？ first appeared on iKala Cloud.

生成式 AI 如何影響現今工作流程？

輔助文章生成、影片製作、程式語言撰寫，生成式 AI 成為現今從小型企業到跨國企業，每家公司亟欲導入的技術，然而企業採用生成式 AI 需看中的是如何協助優化產出，以及如何讓員工從繁雜的工作流程中釋放人力，進而改善顧客互動。 Google Workspace 產品管理副總 Kristina Behr 提出 3 項他觀察到，今年生成式 AI 將在工作上帶來的影響。

中小企業應善用「多模態 AI 」優化顧客服務

生成式 AI 具備多模態能力，能夠理解和處理文字、圖像和影像等各種格式的訊息，這也將幫助中小型企業優化客戶服務流程。例如，一家自行車商店老闆可以從客戶那裡收到描述問題的圖像，透過 AI 解讀圖像以提供相關的解決方案或見解。

工作者需專注「有效指令」以提高效率

當企業加深生成式 AI 的應用，如何掌握「有效指令」便是重點。例如，企業可能想透過電子郵件行銷達成不同目的，像是關心客戶商品使用情況、推播新品訊息等，都需透過不同指令來完成作業，想知道如何編寫有效指令，可以參考《如何對生成式 AI 下指令？Gemini for Google Workspace 操作教學》

將生成式 AI 列為企業協作新標配

生成式 AI 最引人注目的一點，便是它與異常強大的計算能力的自然互動。在 2024 年，隨著機器變得更好，人們逐漸適應這種新型工作節奏，我們將看到人與生成式 AI 之間更強大的對話。

企業可以從哪些領域快速啟用生成式 AI？

不過生成式 AI 的應用面向廣泛，從內容創作到數據分析都能發揮作用，對於企業來說該從哪些領域快速開始應用？Google Workspace 首席佈道師 Michael Brenzel 提出 5 個企業可以快速開始生成式 AI 的應用場景。

1. 輔助企業創造被忽略的內容

每家企業都仰賴精準的文字和圖像來吸引目標客戶，無論是在電子郵件、社群媒體貼文、部落格，還是線上廣告。生成式 AI 可以協助克服從 0 開始的恐懼，讓企業快速起步。例如，可以要求 Gemini 在 Google 文件中想出一些朗朗上口的電子郵件主旨，用於宣傳新推出的有機狗食；或是可以要求 Gemini 在 Google 簡報中為每月客戶電子報生成圖像。

2. 提供更有溫度的客戶服務

生成式 AI 可以協助企業在提供客戶資訊的同時，也展現同理心，這有助於避免後續的客訴來電和狀況緩解。例如，您可以要求 Gemini 在 Gmail 中撰寫一封電子郵件，給提出客訴並希望立即獲得回應的客戶，說明因為業務量龐大而需延後服務預約，同時展現同理心以避免產生更大的顧客問題。

3. 加速重要專案的協作進度

企業在建立專案進度表格和計畫時，常耗費大量時間，尤其是處理複雜的任務分配與時間管理，生成式 AI 能協助企業建立可重複使用的表單，根據專案需求自動分配任務和設定期限，大幅減少手動操作的時間。您可以使用 Gemini 在 Google 試算表中即時更新進度，協助團隊隨時掌握變動，提升整體專案管理效率，讓企業更專注於核心業務發展。

4. 提升會議品質與效率

當工作者出差在外需進行線上會議時可能因為背景音干擾、網路不穩導致開會效率低落，生成式 AI 可以消除背景噪音、為通話注入錄音室般的音效和影片，甚至可以在網路連線不良時提供協助。此外，Google Meet 中的 Gemini 可以依據會議主題生成背景，或是透過自動生成的多語言即時字幕，更輕鬆地與其他國家/地區的客戶聯繫。

5. 簡化繁瑣的例行文書工作

儘管客戶互動是企業成功的重要因素，但觀察到企業主常常被例行文書工作所困住，像是申請許可證、發送賬單通知等。生成式 AI 現在可以提供冗長文件和錯過訊息的摘要，例如，Google Chat 中的 Gemini 會摘要整理您在開會或專注於重要專案時發生的對話；或是，Google 文件中的 Gemini 可以提供廠商冗長提案文件中的摘要，讓您決定哪些提案值得仔細研究。

Google Workspace 為工作者推出快速上手的生成式 AI 服務

為了協助企業工作者能快速應用生成式 AI，Google Workspace 在大家熟悉的應用程式如 Gmail、Google 文件、Google 簡報等導入 Google 最強大的 AI 模型 Gemini，提供豐富的功能涵蓋內容創作、視覺設計、資料整理、會議協作和工作流程自動化等方面，大幅減少工作者手動處理的時間，以下列舉各部門如何應用 Google Workspace Gemini，

業務銷售

• 提升銷售流程效率：Gemini 能成為您的銷售助理，為不同的潛在客戶打造專屬訊息體驗，並減少重複性的行政工作。
• 迅速製作銷售文件：可以在 Gmail 中使用 Gemini 草擬各種郵件內容，例如根據產品公告撰寫客戶郵件；在 Google 簡報中使用 Gemini 歸納文件中的實用資訊和自訂提案簡報圖片。
• 強化商機管理：Gemini 版 Google 試算表可自動建立表格，管理商機追蹤情形和資料檢視方式，提升報表準確度。

行銷

• 加速行銷內容生成：在 Google 文件中，Gemini 可協助企業撰寫和潤飾各類文件，例如部落格文章、專案計畫，並提供文法、拼寫檢查和寫作建議、在 Google 簡報中使用 Gemini 製作自訂圖片，輸入指令後，Gemini 會生成多個圖片選項供選擇。
• 行銷成效數據追蹤：在 Google 試算表中，Gemini 可協助企業整理和處理試算表資料，例如製作專案進度表、會議議程，並根據現有資料預測和填入缺失值，簡化企業的工作流程。
• 提升團隊協作效率：Gemini in Google Chat 可在你開會或專注於重要專案時，自動摘要錯過的對話內容，讓你快速掌握最新進度。 你也可以使用 Gemini 生成電子郵件回覆，更有效率地處理郵件往來。

客戶服務

• 線上客戶通話輔助：在 Google Meet 中，Gemini 提供多項功能，例如攝影棚效果、降噪和音訊增強、即時翻譯字幕和自適應音訊，打造更專業、高效的線上會議體驗。
• 提升客戶服務品質：使用 Gemini 轉錄 Google Meet 通話內容，能準確記錄客戶需求，搭配「幫我做筆記」功能可設定為會議記錄，讓客服工作者無需分心做筆記，專注於客戶對話內容。
• 快速建立客服問題的自訂回覆：利用 Gemini 在 Google 文件和 Gmail 中設計個人化回覆，隨時都能在任何平台應對大量客戶疑問。同時，在 Google 試算表中，Gemini 可協助整理與追蹤客戶問題資料，簡化客戶問題解決流程

企業應用 Google Workspace Gemini 案例

運動用品零售商 Sports Basement

透過 Gemini for Google Workspace，客戶服務團隊可以根據客戶的需求，快速產出個人化的電子郵件。據統計，Gemini for Workspace 使得撰寫 Email訊息的時間減少了 30-35%，從而提高了工作效率與滿意度。團隊也從使用 100 多個範本進行客服回應，轉變為更簡單、更快速的提示，以獲得更真實的回應。

聯合國人口基金會

Gemini for Google Workspace 已成為員工的超級寫作助手。例如，一位國家主管分享了 Gemini for Workspace  如何幫助他在向政府官員發送電子郵件時保持正確的語氣和禮節，也幫助那些英語作為第二語言的員工們，能以自己想要的方式傳達訊息。

美國成癮中心

Gemini for Google Workspace 不只將員工入職訓練時間從 3 天減少到 12 小時。團隊更使用 Gemini 來簡化任務，例如為醫護人員產生安全檢查表，節省寶貴的時間並改善病患照護。

企業如何應用 Google Workspace 生成式 AI 服務？立即諮詢 iKala Cloud

The post Google Workspace 提供企業 5 大快速啟動生成式 AI 應用靈感 first appeared on iKala Cloud.

AWS 如何從 Infra 到應用程式打造完整企業級生成式 AI 服務？

要提供企業級生成式 AI 服務，背後需要包括內建生成式 AI 的應用程式、快速實驗和建構生成式 AI 應用程式的工具，以及高效能的基礎設施，以及安全控制和防護措施。而正也是 AWS 積極建立一個全面的生成式 AI 技術堆疊的原因，在最上層， AWS 有生成式 AI 驅動的應用程式，包括生成式 AI 助手 Amazon Q，讓任何人都能夠透過撰寫簡單的自然語言指令來建構生成式 AI 應用程式；中間層則有 Amazon Bedrock，使得利用 LLM 和其他基礎模型 (FMs) 建構、部署和擴展生成式 AI 應用程式變得簡單且快速；而在底層，則是具備韌性與成本效益的基礎設施層，包括專為 AI 設計的晶片以及用於建構和運行 FMs 的 Amazon SageMaker。

在 2023 年初， AWS 推出的機器學習和生成式 AI 功能的總數是其他雲端服務供應商的 2 倍以上，這也是為什麼現在有數十萬客戶正在使用 AWS AI 服務的另一個原因。

AmazonQ 生成式 AI 助理，改變營運到開發部門日常作業模式

Amazon Q 是一款高效的生成式 AI 助理，不僅可以生成極為準確的程式碼，還具備測試、除錯以及多步驟規劃和推論能力，能夠執行如 Java 版本升級等各種程式碼轉換，並根據開發人員需求建立新程式碼。此外，Amazon Q 可以透過連接企業資料庫，進行資料總結、分析趨勢並執行資料對話，以便員工獲取公司政策、產品資訊、業績結果、程式碼庫、員工資訊等商業資料，從客戶和合作夥伴的數據看到，藉由 Amazon Q 可以幫助他們的員工提高80% 以上的工作效率 。Amazon Q 提供 Developer 和 Business 兩種版本，

• Amazon Q Developer：協助開發人員和 IT 專業人員完成各種任務，從程式設計、測試和升級應用程式，到排除故障、執行安全掃描和修復，以及優化 AWS 的雲端資料，將更多精力投入於優化程式，減少與程式設計無關的重複性維護工作。
• Amazon Q Business：協助不同部門員工根據企業系統內的資料和資訊回答問題、提供摘要、產生商業智慧(BI) 儀表板，和生成內容並安全地執行工作。旨在提升員工的創造力、資料驅動能力、效率、預備能力及生產力。

此外，為了讓所有員工能夠創建自己的生成式 AI 應用程式來自動執行任務， AWS 在 2024 年 7 月宣布全面推出 Amazon Q Apps，這是 Amazon Q Business 的一項功能。借助 Amazon Q Apps，員工只需在指令中描述他們想要的應用程式，Amazon Q 就可以在幾秒鐘內以公司資料做為基礎，創建生成式 AI 應用。 在預覽期間， AWS 看到用戶為各種任務產生應用程式，包括總結回饋、建立入職計劃、撰寫文案、草擬備忘錄等等。例如，資料安全供應商 Druva 創建了一個 Amazon Q 應用程式來支援其提案邀請書 (RFP) 製作流程，幾乎可以立即彙整所需訊息，從而將 RFP 回應時間縮短 25%。

2024 年 7 月 AWS 還推出了 AWS App Studio（預覽版），這是一項由 AI 驅動的生成式服務，使 IT 專案經理、資料工程師、企業架構師等技術人員能夠使用自然語言建立、部署和管理企業應用程式。使用 App Studio，用戶只需描述他們想要的應用程式、他們想要它做什麼以及他們想要整合的資料來源，App Studio 就可以在幾分鐘內建立一個應用程式。 App Studio 的生成式 AI 助理消除了典型低程式碼工具的學習曲線，加速了應用程式流程的建立，以及簡化了 UI 設計 、建置工作流程和測試應用程式等常見任務。

生成式 AI 應用程式開發平台 Amazon Bedrock 功能再升級

Amazon Bedrock 是建置和擴展安全生成式 AI 應用程式最快、最簡單的方法，提供最廣泛領先的 LLM 和基礎模型 (FM) 選擇，以及易於開發人員使用的功能。數以萬計的客戶已經在使用 Amazon Bedrock，它是 AWS 在過去十年中成長最快的服務之一。例如，法拉利正快速為客戶、經銷商和內部團隊推出新體驗，以執行更快速的模擬、建立協助經銷商和技術使用者的新知識庫、提升賽車迷體驗，以及在數秒內從法拉利提供的數百萬種選項中為客戶建立高度個人化的車輛推薦。

自 2024 年初以來， AWS 宣布 Amazon Bedrock 全面推出比其他雲端供應商同類型服務更多的特點和功能，以幫助客戶更快地從概念驗證到生成式 AI 應用程式的生成。這包括對 Anthropic、Meta、Mistral 等產業領先模型的支援，以及近期新推出的 Anthropic Claude 3.5 Sonnet，這是他們迄今為止最先進的模型。

iKala 在先前的文章中，也介紹了 Anthropic 所發佈的 Claude 3 基礎模型系列，目前三個模型皆可在 Amazon Bedrock 中使用，針對台灣用戶也推出 Claude 3 Sonnet 及 Claude 3 Haiku 等模型的每日限量免費試用

• Claude 3 Haiku：最快且最緊湊的模型，可實現近乎即時的回應能力
• Claude 3 Sonnet，在技巧與速度之間的理想平衡的模型
• Claude 3 Opus，能在高度複雜的任務上提供頂級性能的產品。

2024 年 7 月， AWS 再次宣布了一些在 Amazon Bedrock 服務上的重大創新。

第一部分，協助企業用自己的數據產出生成式 AI 應用程式，包含以下三項內容

• 在 Amazon Bedrock 中微調 Anthropic 的 Claude 3 Haiku：有了 Amazon Bedrock，您可以透過在 Amazon Simple Storage Service (Amazon S3) 中提供標記資料，私下且安全地微調 Amazon Titan、Cohere Command 和 Command Lite 以及 Meta Llama 2 模型，以針對您的業務和個案打造專屬模型。 7 月開始，Amazon Bedrock 也是唯一能提供您微調 Anthropic 的 Claude 3 Haiku (預覽中) 的全面管理服務。
  
• 增加更多資料來源強化檢索增強生成（RAG）：有了 RAG，企業可以從多個來源（包括文件儲存庫、資料庫和 API）為模型提供新知識或最新資訊。例如，模型可能會使用 RAG 從 Amazon OpenSearch Service 擷取搜尋結果，或從 Amazon S3 擷取文件。Knowledge Bases for Amazon Bedrock 可透過連接您的私有資料來源，包括 Amazon Aurora、Amazon OpenSearch Serverless、MongoDB、Pinecone 和 Redis Enterprise Cloud，完全管理這種體驗。 7 月開始 AWS 擴大了清單，加入了 Salesforce、Confluence 和 SharePoint (預覽中) 的連接器，因此企業可以利用更多的商業資料，針對特定需求自訂模型。
• 推出更快的向量搜尋服務 Amazon MemoryDB ：為了進一步強化您的 RAG 工作流程，AWS 已將向量搜尋加入一些最受歡迎的資料服務，包括 OpenSearch Service 和 OpenSearch Serverless、Aurora、Amazon Relational Database Service (Amazon RDS) 等。客戶可以將向量資料與作業資料共置，減少管理另一個資料庫的開銷。 7 月開始 AWS 宣佈 Amazon MemoryDB 的向量搜尋功能已全面上市，Amazon MemoryDB 能以最高的召回率提供最快的向量搜尋效能，因此非常適合需要單位數位毫秒延遲的使用個案。例如，Amazon Advertising、IBISWorld、Mediaset 和其他組織正在使用它來提供即時語意搜尋，而 Broadridge Financial 正在執行 RAG，同時提供客戶習慣的即時回應率。

第二部分，將 Agents for Amazon Bedrock 升級，提供更優化、個人化的使用體驗：透過 Agents for Amazon Bedrock，應用程式可以採取行動，利用公司系統和資料來源執行多步驟任務，大幅提升 AI 應用程式的實用性。不過，過去 Agents 只能根據單一對話中的資訊採取行動。從 7 月起，Agents 可以在多次互動中保留記憶，記住您上次離開的位置，並根據之前的互動提供更好的建議。例如，在航班預訂應用程式中，開發人員可以創建一個 Agent，它可以記住您上次旅行的時間或您選擇素食的時間。Agent 現在也可以解讀程式碼，以處理複雜的資料驅動使用個案，例如資料分析、資料視覺化、文字處理、解方程和最佳化問題。例如，應用程式使用者可以要求分析不同郵遞區號的歷史房地產價格，以找出投資機會。

第三部分，藉由 Guardrails 提升 Amazon Bedrock 安全性：生成式 AI 幻覺問題是許多使用者關注的議題，即 LLM 透過混淆多項資訊、提供不正確資訊或編造新資訊，產生不正確的回應。7 月開始，在 Amazon Bedrock 的 Guardrails 中加入上下文基礎檢查，以偵測使用 RAG 和總結應用程式的模型回應中的幻覺。Contextual grounding 檢查可在 Guardrails for Amazon Bedrock 中加入領先業界的安全防護，可偵測並過濾 RAG 和總結工作負載 75% 以上的幻覺回應，以確保 LLM 回應是基於正確的企業來源資料，並評估 LLM 回應以確認它與使用者的查詢或指令相關。

現今，許多 AWS 客戶已經利用 Amazon Bedrock 不斷擴展的能力來定制他們的生成式 AI 應用程式，以滿足不同產業和業務功能的需求。例如，Deloitte 正在利用 Amazon Bedrock 的進階客製化功能，建立專為 CFO 設計的 C-Suite AI 解決方案。它利用 Deloitte 的專屬資料和專精於財務產業的深度。C-Suite AI 可針對財務長的需求提供客製化 AI 模型，應用程式涵蓋關鍵財務領域、資料驅動洞察力的產生式分析、合約情報以及投資人關係支援。

立即諮詢 iKala Cloud，了解 AWS Gen AI 服務應用

The post AWS 生成式 AI 服務概覽：從 Amazon Bedrock 到 Amazon Q first appeared on iKala Cloud.

什麼是生成式 AI 指令（Prompt）？

想充分發揮生成式 AI 的優勢，首先最重要的便是編寫有效的指令。但指令到底是什麼？可以將其視為與 AI 助理開啟對話的啟動關鍵，如同現實生活中與同事開啟協作需求的對話一樣，你必須丟出問題、需求和想法，以精準獲得解決你需求的答案，編寫一個好的指令應該包含以下四個主要面向：

• 人物角色：是誰在提問？例如：旅遊部落客，行銷人員
• 任務：你需要 Gemini 為你做什麼？例如：總結摘要信件、撰寫文件、更改簡報語氣、建立圖表資訊
• 背景：任何可以幫助 Gemini 產生更具體回應的額外資訊。 例如：想溝通的目標受眾、文字、圖片的風格選項
• 格式：希望 Gemini 已哪些格式輸出內容。例如：項目符號、特定風格的圖片

以下以 Google 簡報進行舉例，我想為正在撰寫的旅遊 blog 添加圖片。首先開啟新的 Google 投影片，並選擇「Create image with Gemini」， 看到下圖一的區域後，輸入指令：創建一張日出時飛機飛越雲層和山河上空飛行的圖像，讓我可以在部落格中使用它來宣傳我的旅遊公司，按出生成之後，便能產出第二張符合我們需求的圖片。

如何有效撰寫生成式 AI 指令？

除了了解編寫指令內容的四大面向，以下提供一些在撰寫 Gemini 指令實作上的技巧。特別注意的是，如同你與同事協作上可能會遇到成果不如預期的時候，這時候多提供幾次修改想法與指令，可以更符合你的需求！

1. 使用自然語言：像與真人對話一樣撰寫，用完整的句子表達完整的想法。
2. 提問具體且嘗試多次：明確告知 Gemini 你需要它做什麼，並盡可能提供更多背景資訊，如果第一次的結果不符合你的預期，請嘗試不同的表達方式或提供更多資訊。
3. 簡潔明瞭：使用簡短但具體的語言說明你的要求，避免使用專業術語。
4. 視為對話進行互動：如果結果不符合你的預期，請微調你的指令，根據 Gemini 的回覆提出後續指令，並反覆進行檢查和改進過程，以產生更好的結果。

根據 Google Workspace Labs 計畫中的嘗試，最成功的指令平均大約 21 個字（英文），但是使用者在不知道的情況下所嘗試的指令通常很短 – 少於 9 個字（英文），我們可以根據英文的實驗狀況去反思在中文指令的操作。同時，生成式 AI 旨在幫助人類，但最終產還出是你的，請務必審查 Gemini for Workspace 的所有輸出，以確保其相關性、準確性。

想了解如何應用 Google Workspace 生成式 AI 服務？立即諮詢 iKala Cloud

以生成式 AI 製作咖啡店視覺形象範例

以下針對上述提供的指令教學進行範例展示，說明如何將這些元素進行整合應用。

在 Gemini 輸入：想像你將開一家結合電玩的咖啡廳，在開店前想製作一個具有創意且吸睛的視覺形象，在產生圖像時請考慮以下因素，

• 雙重概念：視覺圖像上需要清楚表明公司包含咖啡和遊戲的面向，但又不會太雜亂。
• 目標受眾：吸引廣泛的遊戲玩家（休閒和狂熱者），以及尋求獨特聚會場所的咖啡愛好者。
• 風格選項：在以下三種風格中各舉幾個例子進行比較，
  ○ 現代與俏皮：大膽的顏色、有趣的圖形，也許還有像素藝術美學。
  ○ 復古酷炫：想想經典的街機風格——厚實的字體、霓虹燈色彩的靈感。
  ○ 時尚簡約：簡潔的線條、幾何形狀，以及對這兩個主題更微妙的致敬。

於是， Gemini 生成出以下圖像。對於 Google Workspace 在 Gemini 上的應用有更多好奇嗎？ Google 也提供  101 種 Gemini for Google Workspace 指令電子書，有興趣的人歡迎下載！

The post 如何對生成式 AI 下指令？Gemini for Google Workspace 操作教學 first appeared on iKala Cloud.

〈推薦閱讀：生成式AI是什麼？企業如何找到合適的生成式人工智慧服務？〉

生成式AI資料庫的出現，讓傳統圖形資料庫面臨挑戰有哪些？

現今在開發AI資料庫模型和應用程式上，除了結構化資料的分析，處理非結構化資料如文字、影像和音訊檔案更為重要。圖形提供了一種自然的機制來表示資料中的關係，使其非常適合分析相互關聯的資料、揭露隱藏的模式，以及支援依賴於了解關聯的應用程式。不過，採用獨立的圖形資料庫常面臨以下挑戰

資料碎片化和營運成本增加

維護獨立的圖形資料庫容易導致資料孤島、增加複雜性和資料副本之間的不一致，進而阻礙有效的分析和決策。

延展性和可用性瓶頸

許多獨立圖形資料庫難以滿足關鍵任務應用程式的延展性和可用性需求，尤其是在資料量和複雜性不斷增長的情況下，阻礙業務成長。

生態系統摩擦和技能差距

企業原先在SQL專業知識和基礎架構方面投入了大量資金，這使得採用全新的圖形資料庫變得更加困難，需要額外的資源和培訓。

〈推薦閱讀：生成式人工智慧對企業動能成長的影響，從ChatGPT到Google Gemini〉

Spanner Graph重塑AI開發應用，結合圖型資料庫、Cloud Spanner優勢

Google Cloud在2017年首次推出Cloud Spanner關聯式資料庫服務，在處理結構化資料上具有高效、易於擴展的特性。不過現今為了迎向AI模型和應用程式的開發，「非結構化資料」的處理也成為企業重視的特點。Google Cloud因此重新構想了圖形資料管理，推出Spanner Graph服務，無縫整合具有圖形查詢、SQL查詢搜尋和AI功能的統一資料庫，並且具有幾乎無限的可擴展性。以下統整Spanner Graph特點，以及與傳統資料庫的差別

〈推薦閱讀：為Cloud Spanner引進細粒度instance調整，運行生產工作負載的費用降至40美元/月〉

Spanner Grap優於傳統資料庫的五大優點

以下統整Spanner Graph AI資料庫特點，以及與傳統資料庫的差別：

提供原生圖形體驗

Spanner Graph支援ISO圖形查詢語言(GQL)介面，提供基於開放標準、直覺且簡明的方式來匹配模式和遍歷關係。

整合關聯和圖形模型

不像傳統圖形資料庫與其他資料庫獨立運行，Spanner Graph AI資料庫因為GQL和SQL之間的完全互通性打破了資料孤島，使開發人員能夠為每個查詢選擇最佳工具，並避免複雜且昂貴的資料移動。

內建搜尋功能

除了支持GQL進行圖形查詢外，還具有豐富的向量和全文搜尋功能，可使用語意和關鍵字有效地擷取圖形資料。

業界領先的延展性、可用性和一致性

繼承Spanner的可擴展性，以及透明的分片技術，自動將數據分散到不同的節點上，實現橫向擴展，確保在高負載下的穩定性。

AI驅動的洞察力

Spanner Graph與Google的Vertex AI深度整合，允許用戶直接訪問AI模型，這在傳統圖形資料庫中是難以實現的，加速AI資料庫工作流程。

〈推薦閱讀：Google Cloud Spanner教學應用–兼具關聯性資料庫和NoSQL的服務〉

Spanner Graph常見應用案例

Spanner Graph提供了一個強大的平台，適用於多種應用場景，特別是在需要處理複雜關係和大量數據的情況下。以下是一些主要的使用案例：

個人化產品推薦

能以圖型化方式針對使用者、產品及其偏好進行模擬，打造具有豐富脈絡的知識圖譜，並透過結合圖形追蹤與全文搜尋技術，從使用者的查詢、購買歷史和偏好以及與其他使用者的相似性，提供更加準確和個人化的產品推薦。

金融詐騙偵測

透過圖形化方式呈現銀行帳戶、交易紀錄、個人資料（nodes）之間的交易連接、資金流動（edges）的關係，藉由向量搜尋可在嵌入空間中揭露相似的交易模式和異常情況，協助金融機構快速、準確地識別潛在詐欺威脅，將財務損失降至最低。

社群搜尋優化

以圖形化呈現個人、團體、興趣和互動模式，能有效地找出重複模式，例如共同好友、共同興趣或重疊的社團成員，以進行個人化建議。整合的全文搜尋功能讓用戶以自然語言查詢，輕鬆搜尋人員、群組、貼文或特定主題。

遊戲互動體驗優化

對於尋找路徑、資源管理和社交互動的遊戲來說，能藉由圖形化清楚呈現遊戲世界中玩家、角色、道具和地點之間的關係，並進行高效的關係追蹤與優化。同時，Spanner Graph的延展性和全球一致性，能確保所有玩家即使在尖峰時段也能享有順暢的遊戲體驗。

〈推薦閱讀：使用Cloud Spanner開發多人遊戲，以提供玩家優質體驗〉

網路安全性

瞭解裝置、使用者和事件間隨時間變化的相互依賴性，對於識別模式和異常狀況來說至關重要。資安人員可以運用Spanner Graph的關聯和圖形互通性，透過圖形功能來追蹤攻擊源頭、評估安全性漏洞的影響，並將這些發現與時間趨勢相關聯，以利主動偵測及因應威脅。

GraphRAG

GraphRAG：利用知識圖譜建立基礎模型的推理基準，使「檢索增強生成(RAG)」技術更上一層樓。此外，Spanner Graph中圖形與表格型資料相結合後，所形成的脈絡資訊比單一格式所能呈現的更加完整，讓使用者的AI應用程式更為豐富多元。憑藉該工具無與倫比的擴充性，即使是最大的知識圖譜也能容納；而內建的向量搜尋和Vertex AI整合後，更能簡化生成式AI資料庫的工作流程。

Spanner Graph應用成功案例

美國跨國金融公司Credit Karma的成功案例，其工程團隊表示，「確保Credit Karma 1.3億多名會員的資料安全性，是我們首要的任務。為了打擊和消除我們系統中的詐騙行為，我們與Google合作，透過實作Spanner Graph AI資料庫來優化我們的詐騙防範能力。這個先進的平台使我們能夠在潛在的詐騙威脅發生之前就將其偵測出來。借助Spanner Graph，我們可以有效地偵測和防止詐騙交易、帳戶盜用和其他詐騙活動。」

〈推薦閱讀：生成式 AI 將為金融產業帶來五種新的創新價值〉

結論

Spanner Graph現在提供預覽版！欲了解更多資訊可參考Google官網，或是點擊下方藍色方塊諮詢iKala Cloud技術顧問了解更多應用！

立即諮詢 iKala Cloud，了解 Spanner Graph 更多應用！

The post Google Cloud 推出 Spanner Graph，打造專屬應用的生成式AI資料庫 first appeared on iKala Cloud.

擁抱多雲策略：強化企業韌性的必要性

從這次影響全球的 IT 重大事件來看，採用雲端的企業皆可能受到整體生態系統中成員的影響，若不想面臨業務中斷的風險，應針對現有的安全部署和災難復原機制進行審視。許多企業現行單一雲端供應商的策略，在面對類似 CrowdStrike 事件這類突發狀況時，可能會面臨風險集中化的問題。為了降低單一雲端供應商服務中斷的風險，企業應考慮採用多雲策略，其優勢包含：

• 確保業務持續性：將應用程式和工作負載分散到多個雲端平台，可以在一個供應商發生服務中斷時，確保業務持續運作。
• 避免供應商鎖定：採用多個雲端平台可以避免受制於單一供應商，並保持議價能力。
• 優化成本：不同的雲端供應商提供不同的定價模式和折扣方案，企業可以根據自身需求選擇最具成本效益的方案。

延伸閱讀：醫療產業如何藉由多雲架構提升資安防護？iKala Cloud 推雲端著陸，促使智慧醫療資安大躍進

iKala Cloud 推薦企業多雲佈局策略，從多家台灣企業選擇的 Google Cloud 與 AWS 著手

企業想著手多雲佈局可以如何開始？Google Cloud 和 Amazon Web Services （AWS）作為全球領先的雲端服務供應商，在 基礎架構、服務和安全性方面擁有顯著優勢，從製造、醫療、金融等不同台灣企業都藉由 Google Cloud 與 AWS 進行多雲佈局，他們選擇的原因包含，

• 廣泛的全球基礎設施：Google Cloud 和 AWS 在全球範圍內擁有廣泛的數據中心網路，提供高可用性和低延遲的服務。
• 靈活的區域和可用區：Google Cloud 和 AWS 採用區域和可用區的設計，允許用戶將應用程式部署到不同的地理位置，提高容錯能力。
• 全面的資安防護：Google Cloud 和 AWS 提供多層次的資安防護機制，包括防火牆、入侵偵測和資料加密等，以保護用戶數據和應用程式安全。

亞太區 1000 家客戶上雲成功經驗！iKala Cloud 提供 Google Cloud 和 AWS 最佳雲端顧問服務

iKala Cloud 作為 Google Cloud 和 AWS 的策略級合作夥伴，在協助企業建構和管理多雲環境方面擁有豐富經驗，我們能提供的服務包含

• 建置雲端著陸區： iKala Cloud 協助企業將地端安全防護的最佳實務，複製到 Google Cloud 和 AWS 環境，打造安全的雲端著陸區。
• 提供端點安全多元解決方案： iKala Cloud 協助企業評估和導入適合的多元化端點安全解決方案，以應對不斷變化的資安威脅。
• 客製資安工具組合：iKala 能融合各項資安工具，協助企業將這些服務無縫整合到其 IT 環境中。 例如: Cloud Armor、Cloud Load Balancing、SCC、Chronicle 和 Mandiant，並與企業內部資安稽核機制串聯，提升整體資安防護。
• 加速智慧發展：iKala 可協助企業安全地搬上 Google Cloud ，並串接 Google 的 Gemini Pro 模型，打造符合業界需求的 AI 應用，建立以安全為基礎的智慧轉型。

CrowdStrike 事件凸顯了多雲策略對於提升企業韌性的重要性，Google Cloud 和 AWS 作為領先的雲端服務供應商，為企業提供了安全、可靠且具有彈性的雲端基礎設施，而 iKala Cloud 作為 Google Cloud 和 AWS 的最佳合作夥伴，可以協助企業充分利用多雲環境的優勢，並建構更安全、更具韌性的 IT 架構，如果想了解更多，歡迎參考 iKala Cloud 雲端託管服務。

The post 企業上雲如何避免業務中斷？iKala Cloud 建議採「多雲佈局」策略 first appeared on iKala Cloud.