善用能擴展處理規模的方法

時節進入夏季的芒種，植物進入快速生長的階段，週末在河濱公園運動時，幾乎都看到工作人員使用背負式割草機剪除已長至膝蓋高度的野草，今年或許是人力吃緊、草長得太快，最近竟開始出動多臺乘坐型割草機來回穿梭除草，然而，這類設備較適合剪除平坦環境，對於高低落差略大的地面、樹木周圍，可能就需要使用原本的背負式割草機、甚至用鐮刀進行修整，從中可看出不同設備所帶來的效果差異。

而在現代化的工廠裡面，也不乏各種執行自動化作業的設備，幫忙處理原本需大量人工進行的操作，像是前一陣子舉行的臺北國際電腦展期間，我們看到伺服器廠商為了讓大家了解他們的產能，特地播放廠區生產線自動化組裝伺服器設備與機櫃的影片。

不過，目前雖然科技發展日新月異，自動處理的程度不斷提升，仍需要人為介入。

以自動駕駛車輛的發展為例，近年來我們更常看到的廠商強調的是，將這些輔助機制視為副駕駛（Copilot），而不再像早期那麼著重自我驅動，一方面是因為交通路況多變，機器雖然具有強大的學習能力，能偵測出異狀，但認知與應變能力仍有待提升。

若是在固定無其他車輛行駛的軌道交通運輸方式上，臺灣已經有一些採用自動駕駛的實際應用案例，像是臺北捷運的文湖線、環狀線，臺中捷運，都採電腦全自動無人駕駛方式運行。不過，今年5月臺中捷運綠線發生意外事故——鄰近施工的大樓機械吊臂自高處掉落至軌道，捷運列車卻撞上此障礙物，導致乘客1死8傷，引發民眾對於捷運無人駕駛能否因應突發狀況的疑慮，也察覺看似全自動，背後卻隱藏多種人為因素的配合，一旦這些機制失靈或未發揮應有作用，就有可能無法及時阻止問題的發生。

事實上，不論是現在受到熱烈關注的自動化、人工智慧等新科技，或是長年推動的數位化，甚至是早期的機械化，共通點都是希望以少做多（do more with less），能夠發展與使用更容易擴展處理「規模」的方法，實現大幅提升生產力的目標，並且減少不必要的資源與時間浪費。

企業日常營運管理的領域當中，我們多多少少都能意識到各種工作的推展，很難憑藉著個人，仰賴單打獨鬥而成事，需要投入一定規模的人員、資產、時間、技術，結合人力與物力、一起合作，因此，常會運用「Scale Up」、「Scale Out」等概念，來看待擴展規模的方式。

基於這樣的概念，過去我們總認為雇用更多人員，通常能讓企業與組織同時處理更多工作、製造更多產品、提供更大規模的服務；然而，隨著工作內容的複雜度與生產規模日益提升，我們開發出各種能簡化作業的流程、設備、系統，將許多需要重複、反覆執行的作業交給它們，依照預先制定的標準作業程序來運作，而人員負責的工作，則是處理機器或系統無法判斷的部分。

而這樣的分工合作模式的確已行之有年，人類也不斷透過機械化、數位化等技術的發展，強化機器與系統的能力，使其能夠負責更多工作的執行，而這幾年來，伴隨著雲端服務、大數據、人工智慧等一波波的技術創新突破浪潮來襲，現在的IT不只能處理結構化資料與顯性知識，對於非結構化資料與隱性知識的處理，也越來越讓人們感到得心應手，因此，無論我們是否接受，都難以無視這些新科技帶來的影響，感到焦慮之餘，只能持續關切、了解其發展，並學習使用，才能將其正面效益發揮到極致，並且能夠做好足夠準備去因應負面衝擊。

正如同有些廠商在今年臺灣資安大會的演講所言，雖然AI技術發展速度快得令人害怕，大家擔心需面對更多麻煩，但現實是：攻擊者總是很多，防守者卻永遠都不夠，因此，自動化科技是大家一定要接受的。

若我們繼續沿用人力密集型處理，依賴有限的專家與不夠快的方法來定義威脅特徵，或是界定IT系統開發與改善的需求，長期而言，要擴展解決方案的規模和能力，自然是相當困難的，因此，適時投入與採用新科技仍是必要的，而且，我們不可能放任，將持續關注與監督其發展，確保其不會失控。