運用人工智慧最大的課題，便是確保精通人工智慧的人才。

不僅日本，目前全球對於人工智慧人才和資料科學家都有很大的需求。2018 年 3 月，美國科技專業研究機構國際數據資訊（International Data Corporation, IDC）公布全球對於人工智慧和認知技術研究的支出總額。根據該機構的調查資料，2018 年的支出額是 191 億美元，較前一年增加 54.2%，預料 2021 年底前將上看 522 億美元。然而，現階段「因應」這些專案的人才嚴重不足。

內部需要的 AI 人才分 4 種

籠統稱為「人工智慧人才」，會弄錯真正需要的技能，以及需要給予的教育。 Google Cloud Japan 的下田整理出「需要的人才分為四種」。

（1）在經營上判斷決定運用方向 ＝人工智慧推動經營者
（2）在商務第一線運用的人 ＝人工智慧運用人才
（3）研發人工智慧的人 ＝人工智慧研發者
（4）為人工智慧準備資料的人 ＝資料收集和整理人才（＊「＝」符號後的名稱係由日經xTREND命名。）

下田表示，「最理想的情況是公司內部有這四種人才。」然而，實際上困難重重。能夠委外的是（3）人工智慧研發者和（4）資料收集和整理人才。

在公司中發揮最重要功能的是（1）人工智慧推動經營者和（2）人工智慧運用人才。針對（2）人工智慧運用人才，Google Cloud Japan 的大藪說明，「能夠了解自家公司的業務流程，並且仔細劃分，知道該改變哪些細節、如何改變，可以帶來多大獲利。能夠決定人工智慧需要到什麼程度的準確率，此外，還要能提議必要的投資並決策。」為了順利推動業務改革和改善業務流程，獲取第一線人員回報並做決策的經營者很重要。

未必要找超級專家！重點在這兩種能力

公司內部應該有可以運用人工智慧的人才，這是所有人共同的想法。BrainPad 的太田指出，「 客戶其實不需要勉強招募精通人工智慧的人才或資料科學家。運用人工智慧所需要的人才，是具備彈性思考，且能跨部門溝通的專案負責人。 」他接著表示，「從準確率的結果來判斷是否具有商業上的意義。需要的人才是能夠判斷必須將準確率提升到多高，才能成就事業。」

另一個重點是「清楚掌握人工智慧的水準」。調整到什麼程度才能達到可以運用的水準、自動翻譯能不能運用在商務上、掌握了由概念驗證獲得的準確率水準之後能不能有彈性地變更目的等，要實際掌握這類水準，不單單是學習最新技術，還要延伸觸角，熟知其他公司運用人工智慧的實例。

「比方說，目前的自動翻譯已經能理解專業用語、俚語、情境脈絡，但尚未達到『可供閱讀日文』的階段，無法適度運用人工智慧。在資料科學家的專業領域上可判斷委外處理，而公司內部需要的是清楚了解靠人工智慧可以做到什麼程度，並因應調整專案的人才。」（太田）

SENSY的渡邊也認為可以運用人工智慧的人才很重要，但指出在技能要求方面必須稍微廣泛一些。

人工智慧技術研發門檻下降的同時，為了解決問題，思考「該輸入什麼、輸出什麼」之後，考量「該學習什麼、該如何最佳化」已逐漸成為重要的階段。事實上，推動研發時，確保學習所需的資料和了解內容至關重要。

渡邊表示，「想適當運用人工智慧技術，需要的人才除了了解靠人工智慧可達到的目的，還要熟知資料本身的內容，以及需要運用人工智慧技術的該項業務。重點是看到這些資料能夠思考前面提到的輸入輸出關係，以及對於學習和最佳化的理想假設，將問題模式化、定型化。」現實上雖然不容易，但以最終目標來說，公司內部應該有這樣的人才。

AI 人才應了解 5 項技術知識

tiwaki 的阮翔整理出人工智慧運用人才應該了解的技術。應該知道的「人工智慧技術知識」主要有下列五項：

（1） 人工智慧技術是什麼樣的技術？具備什麼樣的特性？
（2） 人工智慧技術的強項、缺點
（3） 應用某項技術需要的資源（計算資源、資料等）
（4） 時下流行的人工智慧技術全貌
（5） （尤其是研究人員、技術人員）目前研發的最新技術趨勢

前面提到推動人工智慧的經營者需要加深了解人工智慧相關知識，或在身邊配置充分了解人工智慧的人才。「其實我們很擔心，因為高層遲遲不發令執行，或者決定得太慢，導致日本在運用人工智慧方面大幅落後。」（阮翔）

另一方面，人工智慧開發者還是應該委外。阮翔指出人工智慧技術與過去資訊科技之間的差異。以往資訊科技界的資訊科學研究人員與程式設計師是完全不同領域的專家；相對地，人工智慧研究人員與開發人員的業務內容雖然多少不同，但需要的知識和技能幾乎一樣。加上近來有很多方便好用的開源工具，不懂人工智慧演算法，某種程度上同樣能輕鬆研發和實測。

然而，阮翔也提出警告，「真正要開發商品，而且以提供確實良好的功能為目標，幾乎還是得靠自己來打造演算法。優秀的人工智慧研發人員，必須同時具備研究人員的演算法建構能力，以及開發者的實測能力。事實上，相對於社會需求，這樣的人才可說少之又少。」

培養 AI 人才，可參考史丹佛教材的 4 階段

Future 這間公司對於培養人工智慧運用人才相當積極。

提到推動運用人工智慧，公司內部該有什麼樣的人才，中元列出條件：「了解人工智慧的本質，並且能判斷是否可作為商業運用的人才；不受到業種或特定解決方案的拘束，可以在技術應用上發揮創意的人才；隨時掌握日新月異的進化技術，並彈性設想到如何運用在自家公司的人才。」

中元同樣主張，「客戶其實不需要勉強招募精通人工智慧的人才或資料科學家。」

如果不是專營人工智慧業務的公司，雇用多名資料科學家和工程師的確很困難。即使公司內部有一名專精人工智慧的人才，能做的事仍然有限。Future的加藤指出，「如果將人工智慧定位為商業策略中的『工具』，關於人工智慧研發或資料科學的專業領域，委託外部專業單位。公司內部應該培養的人才，是具備通過人工智慧檢定，亦即日本深度學習協會G檢定合格程度的知識，以及能夠規畫如何運用人工智慧達成目標的通用人才。」

此外，他提到提拔年輕理工科人才並讓他們實際接觸人工智慧技術很重要。「在雲端上公開的人工智慧相關應用程式介面，稍微學一下就人人會用。首先，體驗一下技術，讓年輕人實際感受並了解『這些技術能做到什麼』。此外，公司內積極引進就業之後能夠重新學習的『回流教育』，保持這種態度很重要。」（中元）

Future的人才培育計畫讓人很感興趣。該公司以培養資訊科技和人工智慧的高階專業人才為目標，實施了獨創的人工智慧教育和認證計畫「Future AI Certification」。除了Future獨創的人工智慧技術和教育管理之外，還運用了史丹佛大學等機構公布的線上講座，學習教材非常充實。具體來說，大致分成下列四個程度：

．Basic：了解人工智慧理論和基本實用的程度
．Standard：可以執行運用人工智慧顧問實務的程度
．Professional：能夠參與人工智慧專業團隊的程度
．Advanced：能夠負責解讀每個業界包括最新演算法、分析自然語言或預測需求等相關案例的程度

比方說，要獲得Standard的認證，條件是必須從「Coursera」、「Udemy」、「Udacity」等線上講座中挑選四門課程修完。如果是Advanced，必須要求在類似「Kaggle」之類全球資料科學家較勁的模型開發競賽中具有入選前百分之二十的水準。目前該公司內部所有顧問都有Basic的認證。此外，這個培育計畫對外界開放，培育人工智慧人才不遺餘力。

（本文整理、摘錄自《深度學習的商戰必修課》，臉譜出版）