為什麼背景會影響人工智慧的經濟效益

隨著人工智慧越來越深入地融入業務運營，各組織不再僅僅關注模型功能和基準分數，而是開始關注有關經濟效益和數據價值的新問題。從規模上看，代幣消耗、基礎設施利用率和維護情境的成本越來越決定人工智慧計畫能否帶來永續的商業價值。

如今，從人工智慧創造最大價值的組織可能並非運行最大規模模型的組織。他們擁有最深厚的營運知識，並且能夠在需要的時候和地點提供這些知識。這是因為更好的背景資訊通常意味著獲得有用答案所需的工作量更少。錯誤啟動次數減少，冗餘計算減少，使人工智慧系統更有效率地取得有用的結果。

OpenAI¹認為，人工智慧投資應該根據業務成果而不是代幣消耗來評估。這種觀點引出了一個更廣泛的問題：環境因素越來越決定這些結果。人工智慧系統掌握的相關背景資訊越多，它實現目標所需的工作量就越少。

無論是客戶支援代理還是編碼助手，有限的上下文通常意味著在產生有用結果之前需要更多的檢索週期、更多的推理循環和更多的令牌消耗。豐富的上下文資訊有助於人工智慧更有效率地達到相同的結果，從而提高效能和經濟效益。

這種經濟視角更加重視如何運用數據。許多最有價值的人工智慧應用都依賴對上下文資訊的存取。傳統分析系統旨在回答已知問題，而人工智慧系統可以跨工作流程、團隊和未來應用程式重複使用資料、知識和先前的工作。結果是，即使最初的用途已經完成，保留下來的知識仍能繼續創造價值。

知識保留的重要性日益凸顯

從歷史上看，收集的大部分數據都與特定任務相關。支援工單幫助解決客戶問題，工程文件為正在進行的專案提供支持，報告回答了即時的業務問題。一旦這些需求得到滿足，這些數據的長期價值往往就很少受到關注了。

這種邏輯並不完全適用於人工智慧系統。為某一目的而創造的知識，在完全不同的環境中也可能變得很有價值。為證明某個專案的技術決策合理性而編寫的設計文檔，日後可能有助於其他團隊理解權衡取捨，避免重複犯錯，或加快相關工作。專案文件最終演變為機構記憶。

最初的任務甚至可能不是數據最有價值的用途——未來的應用可能會發現它有更大的用途。

決定保留哪些內容

這種現實迫使各組織重新考慮不僅要儲存哪些數據，還要考慮哪些知識、歷史和背景資訊應該保留下來，供未來的員工、應用程式和人工智慧系統使用。

儲存成本、管理和監管要求仍然會影響哪些內容應該保留、存檔或丟棄。隨著數據價值的不斷提升，人工智慧正在重塑這些決策。過去主要基於成本、合規性或直接業務價值的儲存基礎設施決策，現在也需要考慮未來未知的機會。

大多數企業資料已經跨越多雲、本地和邊緣環境。資料引力常常使得移動這些資訊變得不切實際或不經濟，這也是混合部署模型成為許多採用人工智慧的組織的標準做法的原因之一。

但是，在混合環境中管理資料也暴露出更深層的挑戰：決定哪些資料值得保留以及資料應該放在哪裡。許多組織都面臨著資料價值與資料保留決策方式之間日益擴大的差距。數據通常被視為管理成本，而人工智慧則將其轉化為未來應用和機會的資產。

這就是為什麼可擴展、持久的記錄系統比以往任何時候都更重要的一個重要原因。企業需要資料架構來保存機構知識、營運歷史和人工智慧產生的資訊記錄。對許多人來說，這意味著要採用混合方法，既能讓資料保留在治理、績效、主權或經濟需求的地方，又能讓人工智慧系統取得這些資訊。

硬碟的經濟學

隨著人工智慧代理變得越來越自主，它們將產生和使用比傳統應用程式多得多的上下文資訊。在這種環境下，每一次互動、工作流程、決策和結果都可以成為組織不斷成長的可重複使用知識庫的一部分。

事實上，IDC預測，2025年至2030年間，年度資料產生量將成長三倍以上，從2025年的218澤字節成長到2030年的718澤字節以上，其中智能體人工智慧被認為是機器生成資料日益增長的來源之一。 ²

即使組織只保留其中一小部分訊息，規模也會迅速變得非常龐大。如今的挑戰不再只是收集數據。組織必須確定哪些知識應該被保存，並確保在適當的時間和地點能夠獲得這些知識。隨著組織需要為員工、應用程式和人工智慧系統保留越來越多的上下文訊息，儲存的經濟性變得越來越重要。

除了降低成本之外，儲存經濟性使得以人工智慧系統所需的規模保存和存取知識成為可能。支撐現代雲端平台的物件儲存架構正是基於這種現實而建構的，它將資料管理軟體與能夠大規模持久保存資料的儲存基礎架構結合。這種架構方法使組織能夠在員工、應用程式和人工智慧系統之間保留和重複使用知識。

資料的價值並不會隨著原始任務的完成而結束。保持資訊可近性有助於未來的問題、工作流程和機會。隨著人工智慧系統越來越依賴累積的知識和背景信息，組織保留的知識和創造的知識可能變得與它們所創造的知識和背景資訊同樣重要。確定哪些資訊在未來會變得重要，並確保這些資訊仍然可訪問，是資訊持續創造價值的唯一途徑。消失的訊息甚至連機會都沒有。

閱讀更多：探討持久性情境如何重塑人工智慧系統。

補充說明

1. https://openai.com/index/managing-ai-investments-in-agentic-era
2. IDC市場預測：IDC全球資料領域預測，2026-2030年，2026年6月