一、簡介及方法
普遍而言，新科技—特別是人工智慧—在過去十年內持續快速成長。然而，儘管產業中的新科技越發重要，在歐盟及其會員國層級的相關資料仍然相當少見。本研究發展有兩個階段：概念發展階段及執行階段。第一階段包含文獻的完整評估、人工智慧科技之定義的探索、辨識關鍵表現指標（KPIs, key performance indicators）以及發展適合的調查方法。
根據文獻評估，並配合與相關企業部門的討論之後，報告整理出以下的定義：
●人工智慧：是意圖將（人類）認知功能或行為自動化的技術。
●人工智慧系統：是運用人工智慧為應用元素的系統。
●認知功能：是使任一載體能夠感受、認知並理解概念的智能程序。
該研究的目標樣本以企業的總公司為準，並依據員工數量分為四類：微型（5-9名員工）、小型（10-49名員工）、中型（50-249名員工）、大型（超過250名員工）。總體目標的30個國家中，總共有9640間企業屬於合適樣本。其後，隨機由每個國家及每個公司規模類型抽取樣本，以避免中大型企業樣本數少而造成的代表性缺乏。調研團隊在27個歐盟會員國、冰島、挪威及英國皆運用電腦輔助電話訪談（CATI, Computer Assisted Telephone Interviewing），以統一的問卷進行訪問，以期達成更順暢、誤差更小的調查。
整體調查在2020年1月16日至同年3月9日間完成，共計調查9640間企業，其中又有8661間企業所在地位於27個歐盟會員國。為了保證調查樣本具有歐盟等級的代表性，樣本將基於各國的企業規模進行加權，再與ORBIS資料庫的關鍵指標進行連結。

二、人工智慧科技於歐盟之應用
(一)關鍵發現
●總體而言，歐盟企業對於人工智慧應用的自發性認知在各種規模及類型的企業中都相當高。
●企業基本上能分成兩種類別：人工智慧應用企業（佔四成），非人工智慧應用企業、同時未來也沒有應用的計畫（佔四成）。僅有兩成的企業雖然現在沒有應用人工智慧，未來將有應用的計畫。
●應用人工智慧只與公司規模及類型有少量相關。大型ICT公司最有可能應用人工智慧科技。
●能夠觀察到地域性的應用差異，但總體來說最大的差異在國家層級
(二)調查結果：
總體而言，有78%的企業員工認為他們知道人工智慧是什麼。在異常探測及自動化機械產業則更高，分別為87%及96%。公司規模來看，則大型企業的認知比例較高。
應用方面，約有四成的企業至少使用了一種調查的人工智慧科技，其中又有二成五的企業應用至少兩種以上。應用類型則以偵測異常、製程及設備最佳化為主，有13%的企業目前應用這兩種類型的技術。另外，製程自動化也是一個大宗，有12%的企業使用此類型技術。應用最少的類型為情緒分析，僅有3%的企業使用。
企業規模來看，大型企業使用較多人工智慧科技的比例較高。有將近四成（38%）的250人以上企業使用至少兩種人工智慧科技，而微型企業（5-9名員工）的應用率則只剩兩成。
以各國的人工智慧應用比例來看，國家層級的差異較為顯著。其中，應用至少一項人工智慧技術比例最高的國家為捷克，高達61%，最少為賽普勒斯及愛沙尼亞，低至27%。而應用至少兩項的國家比例與應用一項人工智慧技術的排序類似。未來預期運用人工智慧技術的比例則以馬爾他及荷蘭（31%及27%）

三、應用人工智慧技術的外部性阻礙
(一)關鍵發現
●大多數的歐盟公司都認為數據交換的嚴苛標準及對新法規的需求是最大的外部性阻礙
●相對於未來兩年內計劃應用人工智慧技術的企業，未應用人工智慧的企業較少認為這些阻礙與他們的企業發展相關。
●多數企業認為最關鍵的外部阻礙為缺乏研究公開或外部資金、數據交換標準嚴苛及人工智慧造成的損害責任。
●外部性阻礙中的產業及規模差異十分有限。反之，國家及區域性差異較顯著。相對於東歐及北歐企業，西歐及南歐企業較常將缺乏公眾投資、數據交換標準嚴苛及缺乏新法規視為阻礙。
(二)問卷調查項目
本研究特別列出的調查項目有：
1. 對新法規的需求
2. 數據交換標準嚴苛
3. 使用人工智慧的信譽風險
4. 使用人工智慧的損害責任
5. 缺乏高品質的私人數據
6. 無法取得公開數據
7. 缺乏公眾或外部資金
8. 缺乏公眾信任
同時，本調查請求受調查之企業以三種相關性評等來評價上述的項目。
1. 不視為挑戰或阻礙
2. 輕微的挑戰或阻礙
3. 嚴重的挑戰或阻礙
(三)調查結果
最多企業視為阻礙的類別為數據交換標準嚴苛（77%），其次是對新法規的需求（69%）。最少企業視為阻礙的是缺乏高品質的私人數據（58%）。在已運用人工智慧的企業及尚未運用的企業之間，外部性阻礙的排序差異不大。
最多企業視為嚴重挑戰或阻礙的項目為缺乏公眾或外部資金（36%），最少的則是使用人工智慧的信譽風險（17%）。
以企業規模來看，大型企業（超過250名僱員）最常將數據交換標準嚴苛視為最大阻礙，而中小型企業則是多將缺乏公眾或外部資金視為阻礙（38%及36%）。
以產業分類來看，社會工作（51%）、教育（45%）、食品（43%）、人體健康（41%）最常將缺乏公眾或外部資金視為阻礙。反之，石油及天然氣（41%）、財經及保險（40%）、人體健康（40%）則是將數據交換標準嚴苛視為最大阻礙。
以國家做為分類，南歐的企業有一半都認為缺乏公眾或外部資金是最大阻礙，但北歐國家中只有四分之一（27%）視之為阻礙。在西歐及南歐分別有42%及38%的比例認為數據交換標準嚴苛為嚴重阻礙，但在北歐及東歐則只有27%的企業視之為阻礙。

四、應用人工智慧的內部性阻礙
(一)關鍵發現
●對於企業而言，內部性阻礙對他們的事業發展有顯著的相關性。
●最顯著的內部性阻礙為難以雇用具備適用技術的人才，對於所有規模的企業及產業都是一樣。
●產業及規模的差距不明顯，而ICT產業認定的嚴重阻礙最少。
●相較於已經應用人工智慧技術的企業，尚未應用的企業及計畫要應用人工智慧技術的企業較常將內部性阻礙視為嚴重阻礙。
●對於所有企業而言，難以雇用具備適用技術的人才都是最大阻礙。
(二)問卷調查項目
本調查列出的類別有下列幾種：
1. 應用新技術的花費
2. 缺乏對於複雜演算法的理解及信任
3. 現有員工缺乏需要的技術
4. 難以雇用具備適用技術的人才
5. 缺乏內部數據
6. 應用新製程的花費
7. IT架構無法配合
(三)調查結果
80%以上的企業都認為內部性阻礙於他們非常相關。最多企業認為難以雇用具備適用技術的人才是最大的阻礙（85%）。而比例最低的缺乏內部數據項目也有75%的企業視為阻礙。
以公司規模來看，難以雇用具備適用技術的人才仍然是各層級的最大阻礙，從中型企業的56%到大型企業的59%。以產業類別來看的話，ICT產業最少將任何阻礙視為嚴重阻礙。

五、結論
從不同種類的人工智慧技術來看，歐盟企業整體的應用比例還是相當低，每項技術的現時應用比例都低於13%。但如果只談是否應用人工智慧技術，則42%的企業都使用了至少一種技術。
普遍來說，歐盟整體呈現兩極化：應用人工智慧的企業有42%、未應用者佔40%，而尚未應用但有計畫應用者佔18%。大型企業為應用者的比例較高，其原因在於應用人工智慧技術對於其企業規模的好處其潛在利潤。
不同產業對於需要應用哪些技術有不同需求。工業部門最需要的是最佳化及自動化製程，而服務業則應用多項不同的技術來滿足其業務需求。由於工業部門的人工智慧技術十分單一，在各競爭企業之間可能都已經廣泛應用相同技術了。如果撇除ICT產業的話，其他產業的應用差異並不顯著。
考慮人工智慧技術資源的話，多數企業選擇向外尋求資源。儘管調查顯示許多企業都有在未來兩年應用人工智慧技術的意願，但這是建立在企業能克服一切困難的前提下。企業多半認為內部性阻礙為較嚴重且相關的阻礙。特別是缺乏人工智慧相關的技能（無論是舊有僱員或是尋求新進人才）。
本調查是第一個綜觀不同特定人工智慧技術應用率的全歐盟規模企業普查，並提供給未來類似性質調查一個重要的基準。