要能更快速取得 AI 投資報酬效益，重點在於能讓模型加速部署到營運環境當中，而且確保模型效能維持在最佳狀態，才能降低決策偏差，並提供數位轉型試錯的時間與空間，讓實際使用 AI 的單位更加有感。

國際上許多領先的企業，除了已高度重視模型部署效率的議題，也在疫情後開始意識到在各地都能持續運算各種規模資料的重要性，因此紛紛積極將 AI 分析遷徙到雲端。對此，全球數據分析領導者 SAS 台灣業務顧問部副總經理陳新銓指出，不只美國，包含香港等部分亞太國家，都已開始在雲端上部署 AI 工作負載，「大家都發現搶時效、求精確，才能讓 AI 在營運端發揮功用，達成真正決策敏捷化！」

陳新銓解釋，在雲端平台運行 AI，能以更彈性、容器化的架構大幅縮短企業開發模型的時間和人力成本，且在模型上線後，平台也能自動監控模型效能，根據使用者設定，自動重新訓練模型或重新部署，讓模型的決策正確性維持在最佳狀態。

陳新銓引述 IDC 的統計(註)指出，2020 年至 2024 年，包括金融、醫療、零售在內的產業，將運算工作負載上雲比例平均將達 54%，在短短 4 年內快速提升 20％，「可以看出，善用 AI 與雲端的力量提升競爭力，已成企業共識。」

趨勢已成但困境難解？SaaS 的美麗與哀愁

陳新銓進一步分析現在企業上雲的狀態。就架構面來看，雲端可分為 IaaS（基礎設施即服務）、PaaS（平台即服務）、SaaS（軟體即服務）等三種。

其中 IaaS 與 PaaS 因為系統主要掌握在自己手中，企業可按自身需求調整架構、功能與效能，自由度整合性高。不過因為不同的功能平台由不同廠商負責，溝通成本會因此大增，需要龐大 IT 團隊來支撐維運。加以各平台之間的資安防護標準不一，以及內部過多的專案導致管理複雜、無法追蹤各平台的效能是否有達成最佳化，也常使企業內部 IT 人員無力有效管控。

相對於IaaS 與 PaaS，SaaS 因此成為企業的主流選擇。SaaS 的好處是敏捷性與安全合規性都相當高，IT 資源也可以最佳化配置，因此目前市場上絕大多數企業的雲端資料分析多採用 SaaS 架構。

然而 SaaS 仍有可控性受限、客製與校調彈性低的缺點。事實上，Gartner 在 2021 年的報告就顯示，現在全球企業每年的 SaaS 支出成長超過 19% 以上，但其中有 25％ 並沒有充分利用，部分企業還有過度部署的問題。

對此陳新銓建議，企業可選擇軟硬體全託管服務（Hosted Managed Services，HMS），「全託管服務不但能讓企業保有 IaaS 與 PaaS 服務的自由度、可控性、整合性、效能調校空間優點，SaaS 的敏捷性、安全合規性、IT 資源最佳化等特色也能繼續保持。」

北歐銀行採用全託管服務，1.5個月完成合規基礎建設

一家位於北歐的某銀行業者，為了優化消金貸款業務的核貸流程與業務成長，兩年前即找上 SAS 想要著手資料倉儲系統現代化，並建立分析與決策流程。不過專案時間卻相當急迫，要求在 6 個月內完成，而且內部系統的廠商眾多，包括架構能否全部合規？相容問題能否盡數排除？都是極大挑戰。

除此之外，該銀行的既有系統建置時日已久，效能與可用性都未能滿足終端業務單位期待，因此他們期望這次的系統現代化專案可以把包括專案規劃、基礎建設、架構設計、應用層建置等工作都能一併整合就緒。

在這樣的時間與龐大架構翻新的壓力下，SAS 決定除了提供既有的分析軟體協助快速核貸的核心業務外，還提供全託管服務，後續在1.5 個月內就完成建置合規的分析環境，並在 6 個月內整合完現有系統、優化整體 AI 導入效能。

全託管服務如何降低隱形成本，讓企業無後顧之憂？

從北歐銀行的案例可以看出現在企業的問題。多數企業在部署 AI 分析軟體時，才會發現後端需要準備基礎建設眾多，從資料中心、伺服器、儲存空間、網路、虛擬化平台、作業系統、第三方軟體等，企業都需要付出龐大的建置時間與管理的成本，才能讓分析軟體順利運作。「然而這些隱藏的技術成本，很難在專案起始被精確估算，因此這是為何 HMS 成為近期業界的偏好服務。」

陳新銓進一步說明，HMS 包含了架構設計管理、事件管理、網路監控、系統問題管理、軟體升級、效能管理在內的軟硬體端到端全託管，較領先的供應商還會承諾 99% 時間服務級別協定（SLA）高安全級別，再加上單一價格、單一窗口與 24/7 技術支援，企業將能透過可預期成本與低人力投資，讓 SaaS 平台的效益完全浮現。

他表示，以SAS協助全球多家企業的經驗，實際導入HMS全託管服務已可看見五大優勢：

（1）    基礎建設部分可減少 50 % IT 人力
（2）    軟體上可節省 20% 維護成本
（3）    整體效能優化達 15%
（4）    系統可用性提升至 99%
（5）    在省下 50% 的資安人力下，仍維持系統的高安全性。

HMS 將會是企業將分析遷徙到雲端的可靠起點，能大幅降低看不見的隱形成本，把轉型的痛點降到最低。

雲端 AI 已證實，為企業帶來超過 200% 投資報酬率

為了掌握提供企業更便利的雲端分析服務的趨勢，各雲端巨頭近年也紛紛投入整合雲端平台與 AI 的應用。像是微軟 Azure 也與 SAS 建立策略合作夥伴關係，深度整合彼此服務，雙方已經共同打造包含零售與製造產業專屬的雲端分析解決方案。

且根據 Forrester 最新的 Total Economic Impact 研究，在 Microsoft Azure 上部署 SAS Viya 人工智慧雲原生管理平台的組織，3 年內最高獲得 204% 的投資報酬率。(深入瞭解 SAS Viya on Microsoft Azure 的相關細節。)

過往由於資料存取的障礙及異質資料源，使得建置、部署和管理 AI 模型變得困難且耗時，在導入 SAS Viya on Azure 後，整體生產力與效能大幅提升，包括縮短分析洞察投入營運的時間、提高模型營運效率，以及淘汰原來分析基礎架構帶來成本的節省等。

近期的指標性案例即是全球卡車製造商 Iveco Group，其目標是要將旗下卡車的運作狀況彙整到單一平台，並做到卡車遠程故障預測機制，Iveco Group 透過 SAS on Azure 整合多點資料流，並利用 SAS Viya 平台達成一站式的資料分析與管理，藉此成功建立卡車故障預測機制，協助客戶提升車隊管理效率，減少卡車召回的營運成本。

目前， SAS Viya 人工智慧雲原生管理平台，已擴大支援在 AWS、 GCP 和 Red Hat OpenShift 上，今年第 3 季，也將在 K8s 上推出地端版的 Viya 平台服務，讓使用者可在地端環境使用，為無法上雲的業者提供另一種選擇，將選擇和控制權歸還給業者，使其能在企業中任何地方，依照任何規模，部署領先的分析技術，降低數位轉型門檻。

註:IDC,Worldwide Semiannual Big Data and Analytics Software Tracker 2021