国际研究暨顾问机构Gartner最新调查显示，目前使用人工智慧（AI）或机器学习（ML）的企业平均正进行4个相关专案，而59%受访者表示目前已部署人工智慧技术。

企业部署人工智慧或机器学习专案的平均数量(资料来源：Gartner 2019年7月）

Gartner研究??总裁Jim Hare表示：「我们发现企业今年采用人工智慧的速度大幅成长，人工智慧专案数量也随之上扬，代表企业可能需要进行内部重组，确保人工智慧专案具备适当的人力和资金。最隹作法就是成立人工智慧卓越中心（Center of Excellence），尽可能以最完善的方式分派技术、取得资金、设定优先顺序和分享最隹实务经验。」

目前企业正在进行的人工智慧专案平均数量为4件，但受访者预期未来12个月内将新增6件，而到了2022年，这些企业预期手上平均会有35件进行中的人工智慧或机器学习专案（见表）。

人工智慧专案数量提升的主要推手：客户体验（CX）与任务自动化

调查显示有40%的企业将客户体验列为使用人工智慧技术的首要动机，而尽管聊天机器人或虚拟个人助理等技术可用来服务外部客户，目前大部分企业（56%）将其用於支援内部决策或为员工提供建议。Jim Hare指出：「使用人工智慧技术并非为了取代人类员工，而是透过增强和赋能员工做出更快、更好的决策。」

排名第二的专案类型是任务自动化，20%受访者将之列为首要动机。自动化的范例广泛，如财务上的开立发票和查证合约，以及人力资源方面的自动筛选履历或以机器人面试。

对受访者而言，采用人工智慧时最大的挑战包括技术不足（56%）、对人工智慧使用案例的理解（42%）以及对资料范围或品质抱持疑虑（34%）。Jim Hare提醒：「面对先进科技时，如何找出最适当的员工技能是企业主要的疑虑之一。此技术缺囗可藉由与服务供应商和大学合作，或为既有员工设立培训课程等方式来弥补，但建立稳固的资料管理基础并非一蹴可几。由於可靠的资料品质是精确洞察、建立信任和减少偏见的基石，所有人工智慧专案都必须以资料就绪程度（data readiness）为优先考量。」

人工智慧专案成功与否的衡量基准

这份调查亦显示，许多企业在评估专案价值时，会将效率视为成功与否的度量标准。不过，Gartner杰出研究??总裁Whit Andrews表示：「以效率指标来展现专案价值的方式，在自认技术采用偏向保守或主流的企业中更为普遍；技术采用较积极的公司，可能更在意客户叁与度是否提升。」

Gartner 2018年12月针对106名Gartner研究圈小组（Gartner Research Circle Members）进行线上调查，在这群以Gartner主导、由IT和业务专业人士组成的专家小组协助下，产出了「人工智慧与机器学习开发策略」（AI and ML Development Strategies）研究报告；这些受试者必须对自家组织现有或计划采用之机器学习、人工智慧相关业务和技术面有一定程度的了解。