【AI60問】Q57企業如何導入人工智慧?

by 提拔我園丁

企業會如何導入AI?在Q56時,我們提及企業發展AI的原因,那到底對於決策者來說,該如何規劃AI策略呢?在本文中,提供四個階段流程,讓企業能夠成為一個AI賦能的公司。

  • 全面的對整體組織做一個價值面分析
  • 以小規模的前鋒計畫,快速創造價值並增強信心
  • 規模化正確的數據管理模式,讓不同團隊對AI具有理解及建立文化
  • 建立內部的AI團隊,與不同業務的合作框架與流程

1、全面的對整體組織,做一個價值面分析

第一階段,要進行「策略性評估」,了解未來的前進方向。

一般企業在選擇發展AI方向時,多會參考同行、或是選擇獲利性極高的業務功能、甚至是憑著直覺。但同行所發展的方向在組織文化、能力、相關性不見得是合適自己的;獲利性極高的環節,也不一定是AI能發揮最大價值之處;最後憑著直覺做決策,只會導致更低的成功率。

因此,想要大幅提高導入AI的成功率,我們可以先全面的針對組織/部門,進行價值面分析。

換句話說,就將不同營運流程、價值動因拉出來,評估AI的可行性,還有預計產出的效益,最後再朝著效益較高且高可行性的方向前進。

*價值動因:
由於情感是人對於價值關係的主觀反映,
那麼情感的進化在根本上起源於取決於價值關係的進化,
即人類價值關係的進化推動着人類情感的進化,
那麼,要分析人類情感的進化過程,
首先必須着手研究人類價值關係的進化過程。

2、以小規模的前鋒計畫,快速創造價值並增強信心

所有的數位轉型專案都相同,初期發展一個新領域時,需要選擇一個「能快速體現價值、團隊增強信心」的專案,因此,策略必須要與組織文化並行,在初期利用這些快速價值體現,就是在變革管理中最重要的環節。

若初期選擇一項「潛在效益高、可行性低」的專案,那遇到一些挑戰時,如:來自高層、別的部門的壓力,就會使專案草草結束,很可能走向失敗。

有些企業可能在初期會讓外部的AI團隊與內部團隊合作,或是招募專家來發展AI,不管使用哪種方法,只要有清楚的溝通、理解專案流程、管理方式、溝通方法、最低期望指標,就可以開始進行專案。

特別注意,大部分的專案,導入AI創造價值不困難,但常常過往的失敗原因可以歸咎於「內部溝通」,雙方對彼此有錯誤的期望,所以一開始就要釐清楚這些指標、流程,確保往後的溝通順暢。

3、規模化正確的數據管理模式,讓不同團隊對AI具有理解及建立文化

多數AI在商業應用問題上,可以細分為以下三個層面:

(1)數據問題:最常遇見的問題,若數據不充足、不乾淨、獲取成本高、缺乏整合,就會讓AI發展受到限制。
在數據的獲取、架構、治理、應用,需要完整的數據管理框架。

(2)文化問題:讓人員充分理解AI重要性、AI會如何融入流程。在溝通上,要讓人明確知道AI存在目的就是增強團隊能力,而非取代團隊,能減少許多不必要的阻擋。

(3)能力問題:不是指演算法的成熟度,其實若非在NLP、圖像、影像、甚至是訊號…等領域中較為前沿的發展。培養一個AI工程師並不難,根據創立Google大腦的AI專家Andrew Ng,若擁有高中數學能力、基礎程式理解,平均訓練一個AI工程師只需要100小時。這個能力是指領域專家如何培養對於AI的理解與敏銳度,讓他們能夠連接他們所擁有的專業知道到AI的應用領域,能與團隊一起合作,建立下一步。

4、建立內部的AI團隊,與不同業務的合作框架與流程

這個階段是提供給一開始與外部團隊合作發展AI,建立一個內部能力(AI團隊)的時刻,因為絕大多數的決策者對於AI有充分認識,也能了解AI的價值,而許多領域專家也清楚AI的應用領域及如何溝通需求。最後,他們也對於AI的策略方向表示正面支持。

在建立內部團隊時,思考AI與其他業務合作的框架與流程很重要,以「敏捷」的方式建立團隊能產生最大價值。也就是讓AI資深專家配合其他AI工程師與不同的業務工作,可以加速發現價值與部署的時間,創造更卓越的價值。

*AI團隊領導者=技術傳教師,
要讓成員接受、認識、應用AI,分享產業案例、釐清AI運用場景
最關鍵的能力與挑戰就是「溝通」,
由於AI的技術還很新、很抽象,必須擁有說故事的能力,
將專業術語轉化為誰都能懂的白話文,消除團隊與對口單位的認知誤差。

想成為爬蟲工程師 、資料分析師 、資料工程師 、資料分析領域專家 、人工智慧產品經理嗎?還是你的公司正需要培養此領域人才呢?

點我了解 AI資料科學家-三階段全方位學程班 👉 https://www.tibame.com/eventpage/ai_datascientist 

每日5分鐘, 提拔我園丁陪你快速添補AI/資料科學知識與技能。

若想了解更多AI/資料科學的小知識、及各產業的相關應用,歡迎訂閱TibaMe FB及部落格,或有其他想了解的主題歡迎在下方留言讓我們知道唷!

參考資料

分享這篇文章:
0 comment
2

您也許會喜歡

Leave a Comment

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料