近年來，企業中利用人工智慧來強化預測、規劃和決策的系統日益普及。然而，許多這類工具卻缺乏關於組織本身的詳細特定資訊，從而限制了它們的實用性。

麻省理工學院（MIT）資訊與決策系統實驗室（LIDS）的首席研究員 Devavrat Shah 教授，同時也是電機工程與電腦科學系（EECS）的教職員及資料、系統與社會研究所（IDSS）的成員，一直致力於設計能夠在有限運算資源下處理即時決策的方法。

他表示：「從某種意義上說，用少量資源，你必須完成大量艱鉅的工作。」作為一名研究員，他補充道：「我的興趣在於開發能夠以最有效率的方式，從大規模數據中提取資訊的方法。」

這位 Andrew (1956) 和 Erna Viterbi 教授自 2005 年起便在麻省理工學院任教。2019 年，他共同創立了一家名為 Ikigai Labs 的衍生公司。

Ikigai Labs 根據 Shah 實驗室多年的研究成果，建立了一個專為表格和時間序列數據設計的基礎模型，該技術已獲得專利並由 MIT 授權給該公司。這個模型能夠持續且大規模地從各種企業數據來源獲取輸入，並透過將其預測與實際結果進行比對來不斷學習。

Shah 解釋說，這個系統是圖形模型的一種延伸，例如 GPS 設備利用圖形模型將從衛星接收到的稀疏數據轉換為地球表面精確位置的模型，或是數位手錶中的通訊系統以節能高效的方式進行高速通訊。

他表示：「我的興趣在於：如何為通用的表格數據設計這樣的圖形模型？」

儘管大多數 AI 模型都是使用文字和圖像進行訓練，但這個系統則以表格數據作為輸入，也就是像試算表那樣常見的行與列格式的結構化數據。

隨後，它能以遠超以往的規模提供即時規劃。Ikigai 的理念是為大型企業，例如消費品製造商和製藥公司，提供預測和決策技術。

Shah 舉例說明一家消費電子公司如何使用這個系統。他說：「假設你正在製造耳機和各種不同的產品。你生產的每項產品都有許多來自世界各地的小零件。」

「一旦設備售出，就需要支援和維護。你還必須推出新版本產品、進行行銷、制定價格……因此，你通常會問的問題是：如果我下個季度或明年銷售這些產品，在不同地區會賣出多少？如果我改變價格或推出促銷活動，需求會發生什麼變化？」

他補充說，所有這些流程都是相互依存的，並且在每個階段都必須做出對時間產生影響的決策。

他表示：「在某種程度上，將這些流程數位化，並能夠進行預測和持續優化，最終將帶來更好的業務營運。」

Ikigai 最近被國際公司 Celonis 收購，Shah 除了在 MIT 的職務外，現在也擔任 Celonis 的首席科學家。

最終，他希望為 Ikigai 開發的模型能幫助 Celonis 提供工具，這些工具能夠與企業自身的數據和業務流程整合，從而提供真實世界的分析，協助企業進行預測、規劃和決策。

Shah 補充說，Celonis 專精於為全球 1,400 多家大型企業提供營運數位化和自動化服務。

現在，這些系統已完全數位化，為 Ikigai 的軟體提供了進一步發展的平台，能夠讀取這些數位化系統中的數據，提供詳細的模型，以模擬不同選項、預測最佳策略，並預測特定決策組合的結果。Shah 表示：「一旦這些流程的數位層和資訊層建立起來，我們就能在其之上部署 Ikigai 的技術堆疊，實現比以往更大規模的決策。」

儘管許多公司都在研究 AI 的各個面向，但 Shah 表示：「我們非常專注於世界其他地方較少關注的領域」，即結構化或時域數據。

他指出，從這類數據著手，能提供一種成本效益極高的 AI 版本。他說：「更窄的焦點帶來更尖端的技術，但其應用範圍卻足夠廣泛，極具價值。」

Shah 補充道：「近期在現代 AI 大眾媒體中流行的一個熱門詞彙是『世界模型』（world model）。從某種意義上說，這正是試圖建立企業流程的『世界模型』。」