Brian Bohan (29:58)：
您好，歡迎收聽 Executive Insights 播客。我是 AWS 卓越諮詢合作夥伴中心負責人 Brian Bohan，今天參與我們討論的是 Mahmoud Elmashni，他是 IBM Consulting 的管理合夥人，也是 AWS 聯盟的負責人。Mahmoud，非常感謝您參加我們今天的討論。能夠與您對談，我真的太開心了。

Mahmoud Elmashni (30:17)：
感謝您的邀請。很高興來到這裡。

Brian Bohan (06:22)：    
能否簡單介紹一下您在 IBM Consulting 的工作、角色與職責？

Mahmoud Elmashni (06:27)：
我負責全球的 AWS 業務。事實上，這是我們透過合作建立的業務，也是整體成長最快的業務之一。現在，僅在 AWS 上獲得認證的人員就超過 25,000 人。能力的數量、我們發表的共同客戶案例的數量等等，都非常可觀。過去幾年，AWS 的發展速度像火箭一樣快，所以能夠加入其中真的很酷。

Brian Bohan (07:03)：
我想先談談生成式 AI，我們之前已經討論過這個話題，它真的有潛力和能力真正全面變革業務流程、應用程式與端對端業務。我非常想聽聽您對 IBM Consulting 的看法，無論是從它如何改變實務的角度，還是從組織本身如何與客戶互動的角度。您是如何藉助生成式 AI 為客戶服務的？

Mahmoud Elmashni (07:27)：
具體說到生成式 AI，我想引用 Werner Vogels 幾個月前在東京峰會上說過的一些話。他說，生成式 AI 將會演變成一種技術，就像其他技術一樣。我們不會談論微波爐背後的技術，我們只加熱食物。

(07:52)：
我們不會談論光纖電纜背後的技術，我們只使用網際網路。因此對我們來說，我們看到的，不再是無處不在的數位化，我們更關註此時此地的生成式 AI。對諮詢公司而言，我認為我們看到的最重要的一點是，生成式 AI 並不是要取代人。其目的是與人形成互補，協助人更有效率地完成任務。

(08:21)：
這是我們真正關注的領域，如果您試圖擴展業務，並嘗試為客戶進行這些越來越複雜的變革，應該如何確保從業人員和整個組織能夠使用生成式 AI 來達成目的？ 您引入這些助手是為了讓人更有效率，從而更好地為客戶服務。因此我們稍微進行了簡化並引入 IBM Consulting Advantage 平台，以便他們可以利用所有助手處理日常工作。

Brian Bohan (08:56)：
我非常同意您說的，未來我們將減少談論生成式 AI 專案，更多地談論每天所做的事情，協助客戶和顧客推動業務轉型，創造價值，而其中一些工作將由生成式 AI 提供支援。完全同意。您是否僅從合作本身以及 IBM Consulting 與 AWS 如何合作的角度來看待這一點？ 這方面是否有變化或影響？

Mahmoud Elmashni (09:21)：
有鑒於此，我們將業務重點放在所謂的諮詢科學上。簡而言之，為了更容易讓人記住，諮詢科學圍繞著四個 P： 人員、流程、合作夥伴、平台。關於人員，我們需要確保他們能夠取得所需的資源，從而提高生產力。在這個過程中，每個人都在嘗試做我喜歡開玩笑地稱之為 POC 煉獄的事情，直至他們弄清楚自己想做什麼和不想做什麼。與其他方合作是我們能夠擴大規模的關鍵。

(10:03)
我剛剛提到 IBM Consulting Advantage，它就是適合我們的平台。您可以透過它存取 Amazon Q 以及 AWS 和 Amazon 目前所發佈的有關生成式 AI 的所有內容，以便我們的從業人員能夠為客戶提供服務，讓客戶生活得更加輕鬆。它為我們提供了一個平台，但仍可存取所有 AWS 技術。因此，我們已做重大投入，培訓資源來使用它、了解它、知道何時該調用它、知道何時該藉助何種工具來為客戶服務。

Brian Bohan (25:30)：
真不錯。這讓我對合作超級興奮，我們合作的一大部分也是協助客戶和顧客遷出其原來的資料中心，實現應用程式和工作負載的現代化。我認為過去關於生成式 AI，最令人興奮的一件事就是這種權衡取捨。您可以先遷移，然後進行現代化改造。如果在遷移的同時進行現代化改造，可能導致耗時增多或成本增加。現在有了 Q Transform 和生成式 AI，我認為我們可以兩者兼得。遷移和現代化可以同時進行，確保耗時與成本保持不變。我很好奇，您如何協助 IBM 客戶將生成式 AI 套用至這些現代化改造工作中？

Mahmoud Elmashni (26:14)：
如果身為資訊長的您拿出一份耗時長達 10 年的現代化改造路線圖，那無異於自取滅亡。我想說，現實狀況是，藉助生成式 AI，我們可以透過多種技術，以更快的速度完成現代化改造。現代化改造所需的時間可能是 6 個月、12 個月、18 個月，而不再是以年為單位。我能即刻做什麼， 以便在同樣的時間內實現大型主機現代化、VMware 現代化？正如您所說，我們可以套用生成式 AI，我看著現有的這些大型資料中心，滿腦子想的都是，我該如何盡快擺脫資料中心，讓下一代不再受其所困。

(27:07)
甚至是為客戶升級 Java 程式碼這樣的事情，只需幾個月即可完成，而不再需要數年時間。

Brian Bohan (27:35)：
完全同意。這太妙了。是的，我們也看到同樣的情況，我們真的很興奮，因為可以讓客戶更快地進入雲端並實現現代化，更快地創造價值。

Mahmoud Elmashni (27:45)：
我想這也是他們的投資帶來的報酬，對吧？ 因為他們都專注於營收的成長，我該如何將這些錢再投資到自己的業務上呢？ 同時不用花大錢來因應困擾我的技術債務？ 對吧？ 那麼-

Brian Bohan (28:00)：
是的，當然可以。

Mahmoud Elmashni (28:00)：
...我認為這是我們能為許多共同客戶帶來的重大成果之一。

Brian Bohan (10:58)：
我們來進一步談談人。您提到 4P 原則，很明顯，IBM Consulting 在很大程度上是一個以人為本的企業。說到底，工作都是人與客戶合作完成的。另外，我們再多談談技能和培訓方面的內容，然後看看技術層面和執行層面的問題，以及您如何解決這些問題。

Mahmoud Elmashni (11:22)：
剛開始接觸生成式 AI 並開展相關培訓時，我們想要確保組織中的每個人都對它有一定程度的了解。不只是 Amazon Q for Developers，也不只是開發人員。基本上，每個人都需要對平台、各種 LLM、如何存取不同的資源等等有基本的了解。

(11:50)
因此，我們面向從管理合夥人、組織的高層，一直到初階開發人員的所有人推出培訓計畫。幸運的是，我們已經使用生成式 AI 協助客製化培訓。我們為每個人開發特定的課程，以便他們知道如何開展對話，如何更好地為客戶服務。同時，我們甚至已經開始進行這方面的客製化。大約去年的這個時候，AWS 宣佈將為眾多合作夥伴提供培訓等服務。我們已將其建置到 AWS 生成式 AI 版本的培訓中並完成部署。現在我們要更進一步，因為 AWS 已在今年稍早時宣佈他們的前兩項生成式 AI 認證，大約在七月左右。令人震驚。它們以資料為基礎，對吧？ 我的意思是，資料似乎是現今另一個很常被說到的話題，還有如何將其與生成式 AI 一起使用。

(12:53)
我們已投入大量資源讓員工學習這方面的知識，包括深入了解並取得認證的高階學習，以及接觸一般 AI 課程並接受 AWS 培訓，以便提升實際執行能力的初階學習。我們甚至在內部使用生成式 AI 來幫助簡化部分工作，並加快部署速度以便其能夠為所有員工所用。

Brian Bohan (13:18)：
我很喜歡這樣。您可以接受我們更常規的生成式 AI 培訓，尤其是面對擁有深厚領域專業知識、產業專業知識的管理合夥人時，以便他們能夠為客戶提供背景資訊。

Mahmoud Elmashni (13:30)：
完全同意。這個組織共有 16 萬人。這項計畫的真正目的是如何影響到這 16 萬人？

Brian Bohan (13:38)：
這是一個巨大的挑戰。

Mahmoud Elmashni (13:38)：
是的，當然可以。這不僅僅涉及開發人員，不僅僅涉及合作夥伴，不僅僅是銷售培訓。這涉及到方方面面。

Brian Bohan (13:45)：
太棒了。我們現在稍微把目光轉到您提及的另一個流程，也就是價值創造流程。有一件事我們肯定都知道，我們希望擺脫您所說的 POC 煉獄。我們發現越來越多的客戶開始談論生成式 AI 給他們帶來的真正價值。我們還發現，人們的談話已從僅僅關注成本，轉向實際的投資報酬率。我的投資會帶來什麼樣的商業價值？ 我很好奇 IBM 如何協助客戶真正思考生成式 AI 的投資報酬率和價值？

Mahmoud Elmashni (14:24)：
是的，您可以執行很多 POC，但它們教會我們很多，也教會客戶很多。

(14:32)
甚至知道可以在哪些方面提供幫助，哪些方面幫不上忙，對吧？ 當您檢視流程時，這表示為客戶取得投資報酬率值的整體端對端的價值應該是多少。這並不是簡單地說，對這個客戶是否有用？ 是或不是？ 是的，效果非常好。非常棒。我得到了想要的結果，但是也為所用的 LLM 花了一大筆錢。

(15:01)
對於您剛剛提到的一點，事實上，我以前聽過一句玩笑話，如果您做錯，LLM 可能成為巨大的損失。因此，我們要確保採用這種端對端的方法，保證您取得想要的結果，但這是實現目標的最有效方法嗎？ 順便說一句，並非所有工作都需要套用這項技術。我們已經看到一些這樣的範例。如果一切都按預期執行，或者您要停用這個應用程式，為什麼要花費大量精力和資金進行重構呢？

(15:37)
因此，我們嘗試採取全面的方法，而 POC 為我們奠定了一個良好的基礎，讓我們知道如何為客戶檢視投資報酬率。同時，我們的客戶也知道這些 POC 可以在哪些方面提供幫助，哪些方面幫不上忙，對吧？ 我需要更好地了解，哪個模型最適合我？ 我需要更好地了解，我可以透過什麼平台存取這個模型？ Bedrock 即是範例之一。這就是我們在為眾多客戶執行全面的投資報酬率評估時發現的結果。客戶在聘請諮詢公司或 SI 時會詢問我們的意見。我是說，我想看到模型發揮作用，但您覺得如何？ 您認為模型會為我帶來什麼？能幫我確定未來 12 到 24 個月的路線圖嗎？

Brian Bohan (16:27)：
完全同意。我想說，這正是我們如此多地談論選項和方案的原因之一，因為我們才剛開始這一段旅程，我們可以用這項技術做很多不同的事。因此，我們希望確保自己擁有適合您的價格效能比要求的晶片、適合使用案例的模型，但選項越多，越難做出選擇。

Brian Bohan (17:26)：
說到顧客和客戶，再說一次，大家都有非常深厚的產業專業知識，但不應該僅局限於所看到的東西。 他們如何採用生成式 AI 並與 IBM Consulting 合作，使其真正幫助他們發展業務？

Mahmoud Elmashni (17:42)：
我們看到的最常見的使用案例可能是智慧型聯絡中心。令人震驚。它不僅可以處理影像、文件影像，還能做總結之類的工作。應用、遷移、現代化、治理、安全性，對吧？ 如果真的要我說，這些就是我們在各地看到的。所以大家的公告都圍繞這五個主題，也就不足為奇了。
    
(18:15)
您看到它橫跨許多產業，對吧？ 涉及生命科學、醫療保健、金融服務、公共領域等等。我原本沒有想到公共部門這麼快就加入到這個行列，但令人震驚的是，他們也和其他人一樣。每個人都在嘗試提高效率或用更少的資源做更多的事情，對吧？ 電信和汽車產業也是如此。因此，我們正在努力確保採取針對特定產業的方法。我們一直都是依產業進入市場。因此，您必須顧及生成式 AI 的特性，同時考慮到生成式 AI 的能力上限以及產業特性，才能更好地為客戶服務。

(18:59)
因此，請依產業套用這些使用案例，以確保達成目標。一個簡單的範例是，我前面曾經提到公共部門，我們正在與政府機構合作，使用生成式 AI 協助將程式碼翻譯成現代的 Java 程式碼。基本上相當於以光速完成之前需手動完成的作業。我的意思是，相較於手動轉換，在背景中執行檢查能夠節省的資源量，非常非常可觀。對他們來說，效率大幅提升。透過減少執行時所使用的硬體數量，他們節省了成本。所以這是雙贏的局面。這不僅體現在執行速度上，更可為他們節省長期的成本。

Brian Bohan (19:44)：
這就是一個很好的範例，展現了生成式 AI 所帶來的即時成果。透過將所有 Java 應用程式升級至 Java 17，Amazon 節省了 4,500 名開發人員的年資。

Mahmoud Elmashni (20:02)：
完全同意。我想，隨著時間的推移，這種情況會越來越普遍，對吧？

Brian Bohan (20:08)：
Mahmoud，非常感謝您加入今天的討論。我對我們與 IBM Consulting 合作所取得的進展和展示出的潛力感到非常興奮。形勢已經非常清楚，我們正在協助共同客戶在生成式 AI 領域取得一些重大成果。再次感謝您，期待我們在 2025 年的合作再結碩果。

Mahmoud Elmashni (20:25)：
完全同意。感謝您的邀請，我也對未來充滿期待。

立即收聽

立即收聽

立即收聽