AI預算：在檢查網路就緒情況之前，請勿批准。

人工智慧已迅速從實驗階段躍升為董事會的首要任務。但在批准下一項人工智慧預算之前，英國商界領袖應該問自己一個根本性問題：一旦人工智慧走出實驗階段，他們的網路能否支援其大規模應用？

英國最近的一項研究表明，55% 的組織將在未來十二個月內優先投資人工智慧 (AI) 或機器學習 (ML)，而近六分之一的組織承認，他們正在大量投資但估值很低，因為他們擔心會被時代拋棄。

這種壓力是可以理解的，但在這裡，關於投資報酬率 (ROI) 的討論變得非常狹隘。

人工智慧的價值並非總能在部署後立即顯現。有些收益體現在自動化和生產力的提升上，而有些收益則需要長期的能力建構才能實現：例如更強的韌性、更好的抗風險能力、更快的決策速度以及全新的工作方式。

危險在於，董事會可能將人工智慧視為轉型項目並為其提供資金，卻又將其視為短期軟體專案。在英國，只有15%的機構表示其人工智慧應用超出了預期，這需要我們更深入探討人工智慧成功所需的條件。

人工智慧的限制在哪裡？

當人工智慧效能出現問題時，人們往往會將注意力轉向模型、資料或建構用例的團隊。這些因素固然重要，但它們很少能解釋問題的全部原因。

人工智慧的運作依賴於其所處的環境：資料、網路、安全模型、治理以及相關技能。如果這些條件薄弱，即使是很有前景的應用案例，也可能難以在生產環境中持續發揮作用並創造價值。

在資料乾淨、使用者受控且價值創造路徑清晰的有限環境下，概念驗證可能看起來很有吸引力。但當專案本身需要在並非圍繞人工智慧設計的辦公室、雲端、系統和資料庫上運行時，困難就出現了。

在此，連結性成為投資報酬率 (ROI) 計算的一部分。如果資料傳輸速度過慢，系統間的工作流程就會中斷，回應時間會因地點而異，或是團隊無法發現效能下降的原因，企業就會開始承擔延誤、重工和信任度下降等成本。

在英國，24%的AI應用未能達到預期效果的公司中，網路或連線效能不佳是造成此結果的原因之一。這一數字意義重大，因為它表明，如果必要的基礎設施不到位，一個雄心勃勃的AI計畫很容易淪為代價高昂的試點計畫。

網路已成為投資報酬率計算的重要組成部分。

多年來，網路一直被視為後端基礎設施。當工作負載僅限於電子郵件、文件共享或對SaaS服務的標準存取權時，這種做法更容易被接受。但當人工智慧被整合到即時營運、客戶工作流程、詐欺偵測、預測或現場支援服務中時，這種做法就變得難以辯護了。

人工智慧帶來了不同的營運需求。企業需要安全地傳輸資料、智慧地管理工作負載、維持業務連續性，並了解成本累積的來源。缺乏這種可視性，投資回報將變得被動；缺乏敏捷性，人工智慧驅動的流程將仍然脆弱；缺乏安全的連接，新的應用場景會帶來新的安全漏洞。因此，基礎設施建設的討論必須在人工智慧生命週期的早期階段就啟動。

展望未來，54% 的英國企業表示，他們需要更靈活、可擴展的網路才能在人工智慧驅動的環境中蓬勃發展；而 57% 的企業表示，他們需要更高的靈活性和可靠性來最大限度地延長正常運行時間。

這些數據不應被解讀為技術願景清單，而應被視為人工智慧正迫使企業重塑數位化績效環境的指標。如果人工智慧旨在支援決策、客戶服務和流程，那麼核心網路就成為成長策略不可或缺的一部分，企業廣泛採用人工智慧的現狀也印證了這一點。

在下一輪人工智慧融資之前，我們需要回答四個問題。

在批准下一份人工智慧預算之前，董事會應該問：數據將流向何處？誰能看到這些數據的流動？試點階段結束後，網路能否繼續支援人工智慧？如果出現任何故障該怎麼辦？

這些問題迫使董事會超越應用層面，檢視組織是否具備擴展其資助計畫的必要條件。它們也為資訊長 (CIO) 提供了一種方法，使其能夠將雄心壯志與基本的營運現實相結合：基礎設施、技能、治理、安全、資料流量和成本控制。

計算人工智慧投資報酬率最困難的地方在於，某些價值需要時間才能顯現。任何董事會都不會僅憑網路第一年的表現來判斷其價值，對待人工智慧也應秉持同樣的理念。短期指標固然重要，但這不能成為不加大投入、建構實現長期價值所需能力的藉口。

下一波人工智慧投資浪潮並非僅靠熱情就能實現。在選擇下一代模式、資助下一代平台或宣布下一個試點計畫之前，英國各級政府必須重新思考其底層網路。

出於害怕錯失良機（FOMO）而投資人工智慧並不能推動企業發展。永續的價值來自於從一開始就為其創造合適的條件。