SAS台灣聚焦協助企業落實AI進入營運端，今發表已助玉山金控建置維運化(Ops)流程，讓上百個AI模型得以數分鐘內完成監控與回饋，實現AI規模化應用；亦與臺北榮總合作即時資料處理、AI自動化與邊緣運算，AI維運化三階段佈局，助其將AI專案完成時間從1年縮減到1週內，並提供可解釋的AI讓診療輔助更安全! SAS 台灣總經理陳愷新指出: 「環境的不確定性，讓組織做判斷的難度大增，因此更仰賴數據來提升決策信心。然而當數據分析與AI技術被廣用，又帶來另一波規模化的挑戰。這也是為何領先組織會著眼佈局『維運化』(Ops)流程。因為只有讓AI從開發到部署，能在標準流程下被自動監控更新，才能大規模發揮營運價值，解決真實商業問題。」 回顧SAS台灣去年主要業務成長動能，雲端產品及軟體授權帶來40%的營收成長，獲利領域包含風險管理(IFRS17)與詐欺偵測、AI運算管理平台以及智慧醫療方案等。展望下一波動能，SAS表示將聚焦疫後趨勢與法遵科技，包含數位詐欺、國際保險資本標準(ICS)2.0與氣候風險管理等解決方案，並力推增強的「自動化機器學習(AutoML)」功能，與「維運化(Ops)解決方案」，以確保AI更容易被導入及部署，讓組織的AI投資效益更快體現。 玉山金控打造ModelOps流程，實現AI應用規模化 國內金融界的AI領頭羊玉山金控，早前為了讓AI服務能在各事業單位實際發揮商業價值，由智能金融處自建機器學習即服務平台（Machine Learning as a Service，MLaaS），讓各業務單位系統可透過此平台即時呼叫請求AI微服務，可說是打造供應內部單位AI的服務平台。 然而，隨著內部AI應用場景愈來愈多元，連接此平台上包含行銷、風控、服務等AI模型累計數量超過上百個!這些模型上線後迎來營運端不斷變化的真實資料，要維持一定的預測準確度不易，如早前上線的信用卡盜刷偵測模型，受疫情影響刷卡習慣從實體商店移轉到電商通路，這些改變導致既有盜刷偵測失準，突顯模型監控的重要性。然而，監控流程牽涉到使用的業務單位、資訊處及智能金融處等部門各異的管理機制；且一個情景的模型監控，可能就要耗費多個人天，如果模型失準後還需要再投入3-6個月重新訓練，不難想像當面對上百個模型，管理難度與時間耗費多麼驚人。 因此玉山攜手SAS，共同打造一個自動化、透明化的模型維運流程(ModelOps)，藉以將模型管理作到規模化。這流程包含把所有AI(商用或開源)模型版本、分析專案納管在一個中央儲存庫，設定權限讓應用單位機密不外洩；再來把整個模型生命週期的管理流程標準化，提高協作效率也便於監控；最後打造統一且透明的回饋機制，讓各應用單位權責人員皆可主動監控異況，同時參與簽核把關模型品質。最重要的是透過此平台把整個管理與稽核軌跡留存下來，為邁向法遵規範立穩根基。 玉山金控科技長張智星表示: 「與SAS的合作讓我們成功將監控模型作業，從3天縮短到數分鐘。但我們更看重的意義，是當應用單位也共同參與監管AI、認同AI的精準度，才會更願意在日常營運使用它，讓AI展現真正價值。」
上一篇：Check Point 揭密企業如何應戰複雜資安威脅情勢
下一篇：第四屆「香港設計‧授權支援計劃」網上啟動禮公佈45間入選本地企業
