Managertoday 經理人

給中小企業的中肯建議!沒搞清楚 2 件事,別輕易說要導入 AI

2019-11-18 22:11:34
Managertoday
https://bnextmedia.s3.hicloud.net.tw/image/album/2019-08/img-1564730128-67005@900.jpg
中小企業探索 AI 的機會,應先檢視自己擁有什麼資料,並思考資料是否可以解決一個對公司至關重要的問題,而不是盲目跟風、投入資源,卻達不到應有的效益。

中小企業探索 AI 的機會,應先檢視自己擁有什麼資料,並思考資料是否可以解決一個對公司至關重要的問題,而不是盲目跟風、投入資源,卻達不到應有的效益。

我在美國念研究所的時候,曾經修了兩門人工智慧(AI,artificial intelligence)課程,上完課的感覺是這些東西困難,也沒什麼用。如今,隨著雲端儲存興起,帶動 AI 發展的可能性,以前認為無用或不知道怎麼用的數據(data),將帶來商業價值。

但就像任何快速興起的熱潮,AI 的影響力似乎也被過度吹捧,許多公司為了跟隨潮流而盲目使用,卻未替公司帶來效益。AI 應用到底可以解決什麼問題,企業是否必須跟上這股趨勢呢?

多數的數據分析不需 AI,人工分析就可達到效果

AI 並非被準確定義的名詞,這幾年 AI 的進步主要來自於數據累積和處理方式的優化,一般企業在談的 AI,指的是「機器學習」(machine learning)。AI 能幫助中小企業預測問題,但在多數的狀況下,只需以人工分析,就可以產生 70 分的結果;只有當你想要再往上進步,AI 才可能幫上忙

以電商網站來說,最大的優勢是擁有龐大的資料;當消費者使用 App 或進到網站,可以記錄他們的瀏覽歷程,包含花多久時間看一個商品、買了哪些東西等等。我們希望從歷史交易紀錄中,找出一些邏輯,以此預測消費者未來可能買的商品;如此一來,就可以在使用者打開 App 的當下,將這些商品置於首頁最上方,讓他們可以一眼看到,進而達到最大的銷售表現。

事實上,做到這件事不一定需要 AI,只要打開資料庫的交易紀錄,用眼睛觀察、人為基本判讀,或許就可以找到一些關聯性跟基礎邏輯,像是發現女性消費者喜歡買衣服,男性消費者偏好電子產品等。

透過簡單的數據分析,再加上基礎的統計方法,就可以有更細微的發現,例如,特定商品的銷售會隨著季節強烈變化。

隨著資料量愈來愈龐大且細瑣,人工分析資料很容易遇到瓶頸,以我們的經驗來說,用人工大致做出 70 分的推薦系統,想要往上進步到 71 分、72 分……就變得相對困難。原因是許多資料的關聯性並不是那麼直覺,再加上資料量過大,人力處理相當沒有效率,這時候機器學習就可以派上用場

相較於用人力看 Excel 表、逐步尋找資料間的邏輯,機器學習用的是機器強大的運算能力。一開始,機器學習的演算法模型,多半是基礎的猜測或隨機行為,舉例來說,我們想用機器學習預測消費者會不會買某款衛生紙,機器首先運用人為的思考邏輯來驗證,第一次的結果不見得準確。

逐筆讀取歷史資料的時間拉長,機器會不斷修正,假設它讀了每位使用者的各種基本資料(如性別、居住地、上網時間等),以及過去是否有買衛生紙的紀錄,機器就會慢慢「體會」出買某款衛生紙的族群符合什麼樣的條件,這個「體會」可能是一大串數學公式,驗證起來很準確,卻是人力無法辨識的道理。當資料量愈大,機器學習就會愈準確;公司營運幾年下來,累積出足夠資料,就會變成重要的資產

AI 並非立即取得成果,機器學習需長時間校正

決定導入 AI 後,數據團隊就顯得至關重要。多數的公司期待原本的軟體工程師學習 AI,在無須耗費過多心力的前提下,優化商業成效。然而,在我們的經驗中,一般的軟體工程師和專門研究數據的工程師,處理問題的想法存在些許差異

軟體研發工程師擅長處理功能面的問題,習慣站在使用者的角度思考,而在資源分配上,工程師通常會以最快的速度完成一個專案,解決問題後就可以盡快投入下一個開發。不過,運用 AI 提供解方或預測行為,往往需要比較長的時間,從資料整理、系統改善、模型測試等等,每一次的調整,都只是比現有方法,再提出更好一點點的做法

整個優化的過程,對很多研發工程師來說顯得很漫長,也可能在尚未多方嘗試的情況下,就選擇放棄。為避免花時間磨合軟體與數據工程師的工作方式,兩年前,創業家兄弟成立了專做數據分析的數據團隊(data team)。

以創業家兄弟的定位來說,我們並不會追求有最好的 AI 技術,而是把重點放在「如何利用取得的技術」,並找到最適合的應用場域

現階段,很多中小企業都在探索 AI 的可能,我認為第一步應是窮盡人的智慧,像是運用 Excel 人工分析,或是請統計專家解讀資料,迅速產生簡單的預測模型。假設這樣還是無法達到預期的成果,同時,你擁有足夠的資料,且資料與你想解決的問題有高度的因果關聯,再進一步思考導入 AI 的時機與可能性