YouTube 影片
文字稿摘要：
Rich:
今天的主題是增強綠決策
我們請到美商訊能集思智慧
公司的事業發展副總裁黃逸華Eric(現在為顧問）
美商訊能集思Synergies
智能科技公司是我以前合作過的公司
有很棒的人工智慧的能力
特別是他們的自然語言處理的系統
Jarvix是很棒的一套系統
我今天很開心能夠請到Eric來跟
我們談談他們如何做到綠色數位轉型
來跟我們談談他們公司的做法
Eric
請跟大家打聲招呼吧
Eric:
各位好
我是Eric
然後在目前在Synergies這邊擔任
新事業開發的這樣一個角色
今天也很謝謝Rich這邊的一個引介
希望在今天的節目裡面
能夠為各位帶來一些經驗的分享
謝謝
Rich:
真的是太棒了
我想大家可能
對Synergies美商訊能集思智能科技公司
不是這麼的瞭解
所以
我們就請
Eric來介紹自己跟美商訓能集思智能科技公司
好
Eric 請
Eric:
是
謝謝 就是我大概先簡單的介紹一下自己
我是在2021年的時候回到臺灣
那先前都是在中國負責的
工作大概分成幾個部分
一個部分是關於整個ESG
特別是能源管理的這一部分
另外一部分
就在數據分析相關的工作
所以包含在以前在台塑或者外商
然後擔任能源公司總等等
回到台灣之後
其實很快的就加入了訊能集思
這邊我就特別要介紹一下訊能集思公司
訊能集思公司是
目前為止在華人世界 做華語世界裡面
它是唯一個以中文可以做到自然語言輸入
然後就可以去進行一個完整的數據分析的一個平臺
目前為止我們有上百個成功案例與客戶
然後在這樣的一個過程裡面
我們現在不管是在臺灣
然後在中國
在新加坡
然後包含在美國跟德國
我們都有據點
但另外一個比較特別的事情是這樣子
因為訊能集思
他在面對客戶的時候
強調的事情是自然語言的這件事情
在過去的我們要做任何的這些數據分析
實際上都要大量的去仰賴程式編寫
通過程式的編寫
然後才能去得到這些相關的資訊
訊能集思這邊的強調地方就是
我們用自然語言分析協助客戶去進行
所以已經不僅僅是只有IT能夠做這件事情
包含各個業務單位
倉管、生管、財務
甚至總經理自己
只要很簡單的打入一個問句
就能夠在幾秒鐘之內
就能夠獲得自己想要的結果
比如說他可以問在為什麼
在某年某月某日我們的訂單下降
或在什麼時候為是什麼原因
導致我們在某年某月的產能上升... 等等
這樣的一些過去要花費大量時間才能了解的問題
現在在訊能集思 Jarvix這樣的一個平臺上面
只要用幾秒鐘的時間就可以得到這個結果
這個是我們現在最大的優勢
Rich:
真的很棒
我之前在跟訊能集思合作的時候
那時候就覺得整個系統是很棒的系統
今天這樣的一個棒的系統到底是什麼樣的一個技術
當然由我這個外人
只能看到一些外表的東西
因為那時畢竟是合作
那現在我們就請Eric來告訴我們說
到底這是什麼樣的一個技術
我們請Eric
Eric:
我想大概可以分成這樣的兩個層次的問題來回答
首先我們看一下市場
在目前各位所了解的市場上面
無非是分成AI加BI
在AI市場裡面其實也碰到一個問題
一個問題是說
在大家在使用AI這件事情
它的進入門檻實際上非常的高
從收集資料、訓練模型，到最後得出結果
中間其實每一個環節都需要大量的
程式編寫的工作的介入
這個是AI能夠為我們帶來
能夠為我們預測未來的種種的發生
能夠幫我們去發現很多特徵
彼此之間的關係
但是中間的操作過程確實非常困難
也非常複雜
然後這也是AI市場
就是說在過去前幾年的這個時間
雖然我們知道AI發展非常迅速
但總是覺得AI跟自己距離很遠
一直到最近的這幾個月
我看到ChatGPT這件事情出現了
我們才忽然發現
其實AI跟我們的距離是非常接近的
這是一個部分
另外一個部分則是BI
BI在工廠裡面或者在企業裡面其實也是大量的使用
在使用的時候
其實我們可以看到很多
比如說像戰情中心，或者是等等這些圖表的展現
但同樣的事情是這樣子
在這個BI的呈現的背後
實際上還是需要做到收集數據，程式編寫
然後才能得到一個畫面
但所以我們就在思考這件事情
一件事情是說如果我們可以讓AI更友善
就是加上BI的這件事情
讓整個市場可以讓整個在使用的經驗上面可以更加完整
可以直接說
我們通過簡單的點選的
這樣的一個方式就能夠去得到這樣的結果
這樣不是很好嗎
所以Jarvix這樣的一個數據分析平臺
就在這樣一個基礎上面發生
所以
很重要的一件事情
Jarvix 也就是我們的數據分析平臺是
一個無代碼的平臺
在你所有進行的這整個分析的過程裡面
完全不需要撰寫任何程式
但是它的關鍵是這樣子
我如果不用再寫程式
但我如何去發問
那我如何去得到我要的結果
這就牽扯到另外一個在最近
這段時間最受到重視的這樣一個技術
也就是自然語言分析的技術 ChatGPT也好
然後或者是在先前的各種分析也好
它其實都屬於所謂的NLP自然語言處理
在這樣一個技術裡面
我以Jarvix這邊來說
剛剛在談的事情是說
如果我想要很清楚的去知道現況
或者是比如說上個星期發生什麼事情
什麼事情的發生
一個問題
它的原因又在哪裡
那麼這件事情如果還是要撰寫程式
那無代碼平臺這件事情就等於是一個空話
所以Jarvis訊能集思開發了這樣的一個數據分析平臺
它就真的我們可以讓消費者直接去發問
某年某月某日的什麼樣的事情
為什麼上升
為什麼下地
為什麼下降
然後在這個地方馬上就得出這樣一個問題
所以在Jarvix 它的核心
所展現的其實就是AI加BI加NLP
這是一個層次的部分
另外一個層次是這樣子
我們再看到AI這個相關的發展裡面
其實我們可以把它分成四個不同的分析
在這樣的一個分析裡面
首先是關於現況的說明
我們現在到底花了多少錢
我們現在的個產品的進度是怎麼樣
我們現在工單生產到什麼程度
我們現在多少人等等
這個是過去到現在已經有的
這個狀況
我們用很快速的方式直接變成畫面來呈現
所以可以一目了然
第二個方式
第二個重點的分析是所謂的異常的分析
我們在整個瞭解的從過去到現在的這段過程裡面
其實它都是由數據所構成
在數據所構成
你們會看到有一些是一般的狀況
或者有一些是異常狀況
那到底這些異常的狀況我們如何去捕捉這件事情
統計帶給我們很大的説明
但是我們也不太可能讓所有人都很熟悉統計學
所以我們也透過視覺視覺視覺視覺圖表這個方式
讓這些異常點馬上就可以看得出來
所以剛剛在談說現況的分析乃至於異常的分析
當我們看到這些異常的分析的時候
我們就不禁要想一件事情
如果我現在有所謂的正常
我有所謂異常
那接下來這段時間這個異常的狀況會增加
還是我會出現什麼樣的問題
所以它就牽涉到
AI的下一個非常重要的功能
也就是預測 預測型的分析
所以我們透過對於過去資料的這些
完整的收集與計算
我們得到透過AI工具
我們得到對於未來一段時間之內的一個預測
我們得到預測之後
我們還希望再去知道
如果我們已經知道
或者對於未來發生的狀況有所預期的話
我們應該採取什麼樣的一個動作
這個部分叫決策性的分析
也就是通過這AutoML
尤其是自動積極學習的這個工具
我們去得知了從現況發生發現的異常
而這個異常
對未來一段時間裡面我們對於它有所預測
接下來我們可以選擇我們最希望什麼樣的狀況發生
我們應該採取什麼樣決策
透過機器學習的方式去指引我們
接下來的處理方式
所以剛剛才談到說有四個層次的分析
一個是現況的分析
一個是異常的分析
第三個是預測型的分析以及指示型的分析
這些事情都在Jarvix這樣一個平臺上面可以被展現出來
Rich:
ok 好
真的很棒
剛剛Eric提到自然語言處理
其實因為我在之前唸AI的時候
我研究所唸AI的時候
那時候我的專攻其實是Vision Computer Vision
後來我們也必講說在語言處理
在之前 在之前我們一直
在講說這個有一個很大的一個gap一直跨不過去
就是對人類語言的個瞭解的部分
雖然後來微軟一直說我的東西有近乎
就跟人類差不多的水準
那時候會覺得說真的嗎
微軟也沒有很好的一個相對的產品推出來
我自己印象最深就您在大陸
當然我印象最深就是小冰
我就覺得小冰是裡面最Excellent的一套產品
但是最近ChatGPT出來之後
然後才發覺 原來自然語言可以做到
這樣的一個瞭解的程度
然後這樣的一個瞭解就
大家才相信這個東西是真的可以説明大家的
就像您剛剛提到您的技術是來自然語言處理
我自己覺得這個最人性化的輸入
我們講輸入
輸入從一開始鍵盤輸入
鍵盤輸入
到滑鼠輸入 GUI輸入
到現在聲音輸入
聲音輸入 之前因為自然語言處理的處理的不好
一直卡卡的
然後可能我們講 聲音變成字
然後並不是那麼的難
通常都是自然語言的語言的語義瞭解
才是裡面最難的
關於這個部分是真的可以協助企業的
所以我們在講
現在Jarvix這個東西
又不小心就會念成了Jarvis
可是它就是jarvix 這是x
是javix更execellent 這樣的一套工具
到底如何協助企業綠色數位轉型
我們就請Eric來告訴我們大家
Eric:
我想回到數位轉型這個主題
數位轉型在最近這10年了
成為各個公司都非常關心的事情
原先只是一個說
我希望能夠讓我們的企業能夠有所提升
但具體怎麼提升呢
不知道
但是我們都隱隱約約的感覺
電腦或者是數據是一件非常重要的事情
這個是在10年前的一個狀況
然後在這10年來
AI的這些工具開始快速的發展
快速發展
這是因為世界不見得所有企業馬上都能夠去使用到AI
但是我們要很清楚的知道
是說我們其實過去可能很繁複的這些計算工作
我們透過一些相對簡單的工具
比如說excel等等
這些事情已經可以幫我們解決
很多工作上的一些瑣碎麻煩的地方
然後
但是我們就越用越熟悉
但我們越來對這些數據
所能帶來的這些威力也越來越有所期待
特別是在2015年的時候
2016年的時候
AlphaGo開始出現
我們開始對於未來的一些由機器、由電腦
或者由AI這邊來協助人去
進行決策這件事情有了更高的期待
所以剛剛這些主持人在談
主持人在談的事
是說Jarvix是如何去協助企業去進行綠色的數位轉型
實際上我們可以把它分成兩個層次來談
一個是在談數位轉型這件事情
數位轉型這件事情
一般可能大家都去談說
經常耳熟能詳一個說法
比如說我們要先數位化
再進行優化
再進行數位轉型
這當然是一種我們對於當前的一個理解
但我個人有這樣的另外一個想法是這樣子
我個人的理解是說數位轉型實際上
就是四個字 數代表數據
你要收集的這些相關的資料
位 實際上是知道我們現在所在的位置
然後轉 實際上是中間所牽涉到的工具想法
以及這些相關技術
但最重要的是第四個字 型
就是我要知道我們未來發展的方向在哪裡
所以在做數位轉型這件事情
隨時把這四個字的關鍵的意義是
留在心裡面
所以我們就比較能夠去
掌握接下來發展的狀況
這樣聽講來好像是比較抽象
在實際上我們回到這個實際的實踐上面
我們會看到狀況是什麼
在企業
其實現在已經有大量的工具已經去收集這些相關資料
比如說主持人最熟悉的
物聯網的部分
物聯網其實給我們大量數據
但是我們得先知道說我們現在在哪裡
我們收集這些數據其實是為了讓我們變得更有競爭力
能夠讓我們的產能提升
能夠讓我們成本下降
然後更重要的事情是在
我們的行業裡面佔據更高的位置
更有競爭力
這是我們的心
接下來其實才是工具
Jarvix是在中間如何去實現這個綠色數位轉型
是第一個
剛剛有跟各位分享過
就Jarvix在做事情
是讓這些相關的所有不管是主管或者是在操作人員
他們所期待知道的事前
用自然語言的輸入可以由AI直接去計算
計算完之後給出我們在決策上面很重要的內容
並且構成了在決策上相關的協助
加速整個過程
比如說我們有一個產品是在做實時結帳
過去我們在做結帳的過程可能需要兩個星期
可能或者是快一點 一個星期才能知道
我們現在在各地、各個工廠，或者各個據點
我們的收入狀況怎麼樣
成本怎麼樣
然後中間料、工、費是怎麼樣
但是在Jarvix的協助之下
這件事情我們曾經這樣的做過
在我們某個大型的客戶
這個是全球型的大型廠商
我們在他整個非常大的數據量裡面
我們用15分鐘的時間就完成了他
過去可能要用一個十個工作天才能
完成的這樣的一個工作量
所以主管每天其實只要打開電腦進入他的帳號
馬上就可以知道現在工廠發生的狀況
知道我們現在在營收的所有狀況
知道我們在各個據點銷售狀況
這件事情
讓他隨時都可以從電腦上面去知道
他現在的進度如何
也就讓他有更充裕的時間可以進行決策
其實我們知道天下武功惟快不破
如果我們將所有時間
都花在等待資料匯總與計算的過程裡面
我們其實大部分時間是空白的、是等待的、是閑置的
但是透過AI的這個協助
我們可以很快的將這些資料匯總起來
並且得到一個足以支持我們進行決策
的這樣一個結果的時候
我們就有更充裕的時間去思考什麼樣對企業更有利
什麼樣的方式可以讓我的生產更加順利
什麼樣一個方式可以讓
我的成本更加控制的更好
這件事情就加快了整個數據流轉的時間
進而去實現綠色轉型這樣
數位轉型的這樣一個遠大的目標
Rich:
其實我們在講數位轉型
它一個很大的價值是它可以協助能效提高
那剛剛聽到這個決策
我們在講說決策錯誤
不只是財產的損失
也造成很多的重工
因為重工太多了就會造成什麼
你有重工
這些重工就會說 ㄟ 就你再做一次
這些都是所謂的能效的浪費
我們必須講就是能效的一個浪費
那對臺灣而言
我們都知道
在我在之前幾季也都跟大家強調
台灣現在最大的二氧化碳的整個消耗部分
電能是其中之一
電能因為大家耗電
因為我們的台灣的電的來源來自哪裡
臺灣本身你說我們有太陽能、有水力發電
那都太少了
最大的都是什麼
燃煤、燃油
當然現在有部分是開始越來越多燃天燃氣
但是不管哪一個都會造成二氧化碳的部分
所以今天來講
能夠透過Synergies
訊能集思智能科技公司的這套系統
然後
做到好的決策
我覺得是非常棒的一件事
因為決策正確
其實就減少浪費
真的是一個綠色轉型很重要的一環
接下來我們就會提到說這樣子的話
就像我們大家剛剛都看完看完什麼GPT
就是ChatGPT的GPT 3.5
現在GPT4進來了
大家已經驚艷
很多人都現在在網路上都在談談GPT5可以做什麼
我個人是覺得 對 這就是一個很棒的發展的方向
當然我們有一個最大的方展方向是什麼
是ESG
為什麼
因為我們只有一個地球
因為我們要對地球更好
那ESG大家都知道
其實ESG跟E有關係
E是環境 我們氣候異變
S是對社會 然後G是自己的治理 有G才有這一切
因為企業本來只談G
現在要談E跟S
當然我們要請到Eric來跟我們談說
Synergies美商訊能集思智能科技公司
對ESG有什麼未來展望？
Eric:
我們在談ESG這件事情其實剛剛如主持人所說的
E是代表環保
S代表對社會
然後G代表的是治理的部分
我自己碰巧也是
ISO50001 能源管理的顧問
然後也是ISO14064溫室氣體系統的顧問
同時也是LEEP AP也就是綠建築的的專家
然後在這件事情上面
其實我自己也有更深的一個體會
當我們在談整個ESG這件事情的時候
其實你會發現
因為過去再去思考這所有事情的時候
因為同時間發生的這個事情太多了
可能是有幾百個參數
我幾百個因素同時在變動
那這件事情對於人類的考驗是非常大的
因為人類的大腦的設計
本來就不是為了去同時處理多個變數
而且它在都各自有不同的變化的方向
這件事情
它有很多大量反覆的計算
這件事情是透過電腦或者過AI這件事情來計算的
實際上是非常快速的
然後
所以在這中間
我們在思考這件事情是這樣
現在其實大家可能
更多的把這些注意力放在
E裡面的一個小部分
也就是碳盤查這件事情
但是除了這個之外
其實還有很多事情需要去處理
所以迅能集思在談ESG這件事情的時候
不僅僅只是說我們
在企業裡面協助去掌握這些相關資訊
並且透過AI的計算去提供這些決策上的建議
實際上我們也透過數據的整合
然後透過我們再跟客戶之間的彼此
密切的合作
協助他們去發現各個問題
並且透過根因分析的方式去協助客戶將這些問題發現出來
並且去定位解決方案
進而解決問題
然後通過這樣的一個方式我們再去做
所以整體而言
如剛剛主持人在問的這樣的一個問題
訊能集思公司
在對於ESG這件事情的未來展望其實
我們看到了ESG的底層
其實還是透過數據驅動
而數據驅動上面 其實最終決策的還是人
我們在中間扮演的就是
將這些繁複而且複雜變動這些數字儘快
的在很短的時間裡面就整理一次
出來一個有用的訊息
透過一個非常友善的可視化的介面以及
自然語言分析的方式
讓它進一步加速
協助我們的這些主管或領導人可以
很快的得出一個有效的決策
然後從這個決策裡面去創造出來
更環保
對環境更友善
對於整個社會是更充滿創造力的
以及
更多的貢獻的這樣一個方式
讓企業成為社會中的更好的公民
也同時去實現企業社會責任
所以整體而言
它的底層還是數據
而我們正式協助客戶將數據轉換成資訊
進一步轉換成對於整體的貢獻
Rich:
很棒
其實我們在講ESG
ESG畢竟是整個世界的大事
其實我一直很好奇Jarvix
其實Jarvix是在未來的一些發展上
因為他在我之前看到Javix
我真的是很驚艷於
它的整個對自然語言處理跟整個UI的易用度
真的是非常棒
可以協助企業
但是很多企業可能就在想說
這樣的一個系統
我們知道它對我有一些好處
然後在這樣子未來發展上 然後到底
跟我在整體的一個運用上
ESG上運用上
不知道是不是可以請Eric為我們多講一些
因為我們在講說對這東西很不錯
未來可以很好的發展
但是
剛剛聽了
還是希望再更具體一點
我們是不是就麻煩Eric再做更進一步的講這個
未來就是這個訊能集思可以怎麼幫助這些企業
Eric:
我在這邊謝謝主持人
我在這邊我想舉一個客戶的實際的案例來
說明說我們怎麼協助客戶去做這件事情
首先我想舉一個案例 就是庫存的部分
我們知道企業工廠要生產的時候
一定需要原料
而這個原料我們這一目前的狀況
我們實際上是沒有辦法做到
JIT就是我要生產的時候
這些原料剛好送達
所以正好符合我的需求
然後直接生產
所以在
這中間庫存就成為一個必要之惡 之惡
然後我一方面我需要去建立庫存
建立庫存
目的是為了不要斷線
我在生產的時候不要終止
但是另外一部分
因為庫存它同時等於資金的積壓
如果我沒有辦法去對庫存做一個很好的管理
它意味著我有很多的資金要積壓在庫存上面
而我們從資金運用的機會成本的角度來看
我有建立越多的這些庫存
甚至後面演變成呆料
這對於企業的成長以及它的競爭都是一個很大的傷害
所以了 回到這個主題裡面來
就我們有客戶
即時上是他們希望能夠通過Jarvix這邊
來去對它的庫存來進行改善
我們做了什麼事情呢
首先我們跟它的ERP的資料是相銜接的
我們在ERP的資料庫的銜接上面
我們截取了這些相關的數據資料
並且透過AutoML
也就是自動機器學習的方式去協助客戶
再去建立符合
它在生產規律上面所需要的最小的庫存
然後在這個最小庫存裡面
它上面其實就疊加一個安全庫存
我們做的事情是什麼
我們做的事情就是回頭先去計算它的
預測它的訂單的發展的狀況
從訂單發展的狀況回推生產所需要的時間
並且同時去考慮整個備料所需要的時間
進而讓它在
需要生產的時候不至於沒有原料
但是在它原料進來的時候也能夠加快周轉
能夠讓它的原料儘快就投入實際的生產
所以這中間其實需要複雜嗎
沒有
這一件事情
它只牽涉到幾個動作
第一個動作就是跟資料庫的銜接
第二是我們在協助客戶
或者甚至有客戶自己來去定義
他所希望的一個供料的這樣一個規則
然後第三件事情就是交給Jarvix
然後Jarvix這邊通過AutoML就建立一個模型
這個模型就隨時的去關注現在庫存的狀況
當庫存開始去將 落到一定的程度的時候
一個關注點的時候
系統就自動再去產生
我們應該用什麼樣的價格去建立多少的庫存
建立多少的部位
而這個部位對於當下來說是
從財務和在財務計算上面
從生產需求上面都是一個最合理的狀況
透過這樣子
我們實際上在這個案例裡面
我們為客戶降低了17%點多的
資金積壓的狀況
所以它的庫存也從原先的大幅的積壓
以及甚至是產生呆料狀況也獲得大幅的改善
這個就是我們在為企業做的事情
沒有留言:
張貼留言