SAS攜手玉山、北榮落實AI營運化，建議產業關注複合式AI技術

SAS台灣聚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。」

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。」

臺北榮總與 SAS 共同合作展開三階段 AI 臨床應用技術藍圖。去年初雙方首先完成階段一:「資料為王」，將北榮大數據平台的資料，與血液透析(洗腎)機等聯網機器分秒吐出的串流資料做串接。日前再度完成階段二：「 AI 自動化與邊緣運算」。即導入自動化機器學習 AutoML 技術，讓建模過程從資料前處理、模型建置與部署，到模型解釋全都自動化。完成了優化 AI 開發與規模化 AI 應用後，第三階段北榮要做到「管控與拓展」: 透過架構在雲端環境上的模型維運化(ModelOps) 流程，不斷監控模型效能。

臺北榮總資訊室郭振宗主任說明：「醫院做模型維運化的終極目的，是要管控 AI 模型的效能，以確保輔助診療的安全性。未來我們還要朝向邁入食藥署『軟體即醫療器材(SaMD)』的目標，推展此一典範模型給更多醫院，以造福更多病患。」

SAS 總經理陳愷新建議企業除了維運化(Ops)，下一波必須掌握「複合式AI」(Composite AI )技術-即在同一個運行框架下，結合不同 AI 技術，來為複雜商業問題提出最佳解。陳愷新也提醒，能養成具備跨 AI 學科團隊的組織仍是少數，因此企業須尋求可支援複合式 AI 技術的單一平台，搭配為自身重要商業問題做出定義與排序，制定出「階梯式戰略」才容易取得成功。