未來企業要想打贏數位時代的關鍵戰役，特別是在人工智慧當道的今天，誰能握有足夠的資料 (Data) 將能如虎添翼。但是光擁有巨量資料，缺乏自上而下的資料治理體系，也無法將這些資料的價值最大化。

據調查，已經有近七成的企業將人工智慧視為轉型的重要手段之一。然而多數企業在導入人工智慧時，出現了棘手的問題：資料斷點。經常發現的情況是，企業沒有統一的資料庫，資料散佈在各個部門，彼此之間也沒有相互串接，導致在導入AI的過程發生資料無法整合、資料架構不對齊等狀況。

對此，台灣人工智慧學校執行長陳昇瑋認為，落實資料治理 (Data Governance)或許是企業可以思考的解決方案。

65%的企業有資料斷點的問題

「這是企業非常大的痛點！」陳昇瑋直言，根據台灣人工智慧學校的調查發現，65%已導入人工智慧的企業因為資料缺乏整合，遇到了資料斷點的挑戰，可以推斷的是，那些還沒有導入的企業也有很大的機率會遇到同樣的問題。另外雖然有25%是有用數據，但是礙於部門之間的限制無法取得，這就牽涉到企業本身治理架構的議題。

以往這些數據並沒有被明確規範如何使用，自然形成了數據使用的灰色地帶。從企業管理的角度來看，公司的組織架構會明確規範部門主管與員工的從屬關係，另外一個部門的主管通常不會對其他部門的員工發號施令。但是一般企業管理章程不會明文規定，因為某個部門的作業流程產生的數據資料，另外一個部門是否可以使用，「但是有可能你要做一個AI的題目，你需要拿到數據，這時候部門就吵架了。」陳昇瑋說。

資料治理需自上而下

對此，陳昇瑋認為企業要解決資料斷點的問題，最好的解決方法就是導入資料治理策略。什麼是資料治理？就是明定資料產出之後，它的擁有者是誰？管理者是誰？仲裁者是誰？以及設立一個最高仲裁機構，當遇到爭執的時候來進行裁決。一般最常見的爭執，通常是各部門覺得某些數據是影響績效表現的秘密，不想讓其他部門知道，這種情況特別容易發生在不同部門要服務同一群顧客的時候。

例如，內部的資料治理章程是由董事會通過執行，它最大的貢獻在於像憲法一樣，盤點所有內部的數據資料，並且明文規定資料的使用原則，基本上70%～80%的資料一律開放，其他的則視使用情況與價值進行討論；若是遇到爭議則由事先指定的主管、甚至是總經理進行裁決。

透過資料治理推動「資料素養」

除了讓數據使用自由化，資料治理還能為企業帶來什麼好處？陳昇瑋認為，企業在推動資料治理的同時，也在促進整個組織的資料素養 (Data Literacy) 以及資訊傳播的透明化。

「透明，也意味著公司授權大家可以用更多的資料去做決策。」他提到，數位治理有一個很重要關鍵就是「授權」，要想做好數位轉型，其中一個很重要的精神是把決策下放到末端，越靠近顧客越好，因此企業要能夠讓這些前端的人員有能力獲取、解讀數據，並且授權他們擁有自主決策權。

資料素養該如何在企業裡推動？陳昇瑋提出兩點建議，首先企業的資料需要整合，便於相關人員獲取與使用；再來則是要讓大部分的人有最基本的資料處裡與分析能力。他舉例，企業可以把像SQL這樣相對簡單操作的工具推給員工來使用，而且這個工具如同一般商務軟體（如Word、PowerPoint）容易操作。「大部分的人不寫程式，我們也不要他們寫複雜的程式，只要找到一些容易上手的工具就可以了。」

除此之外，企業還需要有一個平台來管理「資料的資料 (Meta Data)」，這個平台展示公司有多少資料、這些資料都在哪裡，以及儲存資料的方式與含義。以銀行來講，有一個詞「資產管理總量 (Asset Under Management, AUM)」，但是每個人對於資產的定義都不一樣，所以需要有相關的表格來明確這些資料都分別代表什麼意思，讓企業內部是同一用語、同一口徑。

The post 首要問題：「資料治理」等於「資產管理」 appeared first on 台灣人工智慧學校.

金髮女孩原則 (Goldilocks principle) 來自英國童話故事《三隻小熊》，講的是一個金髮女孩不小心闖進了熊屋，在偷吃過三碗粥、偷坐過三把椅子、偷躺過三張床後，她覺得不太冷或太熱的粥最好、不太大或太小的床和椅子最舒適。這個原則簡單易懂，就是「恰到好處」，容易理解並且廣泛應用於各科學與工程領域。

今天的資訊科技趨勢一波接一波，人工智慧、物聯網、5G，天天都有研討會在各處舉辦。的確，人工智慧是可自動進行決策的大腦、物聯網是可感知外界的感官與可與外界互動的四肢、而5G通訊就是連結決策與感官、四肢的神經系統；也因此，人工智慧、物聯網與通訊網路無所謂何者急迫何者重要，他們必須協同運作，才能組合出企業所期待的產品或服務。

當然，資源總是有限的，因此，所有的新技術，不論是人工智慧、物聯網、5G，或是公有雲、區塊鏈、AR/VR 甚至是未來的量子運算等等，都必然不能將全部的心力投注，必須有所取捨。這個時候，金髮女孩原則的重要性就開始顯現了。

以人工智慧來舉例，其中一個詮釋是，我們對於人工智慧的期待不應該太樂觀，不應該太悲觀，而應該剛剛好。太樂觀的人會以為人工智慧可以「完全」改變我們工作的方式，可以解決多數我們不能解決的問題，可以讓不賺錢的公司開始賺錢，可以準確地預測每一個顧客的喜好等等，這樣的樂觀態度，可能會是導致未來某些人覺得「AI 泡沬化」的主因，因為不瞭解而過度樂觀，因過度樂觀而失望。

對 AI 太悲觀的人可能因為看到 AI 的缺點而大失所望，覺得現在所談的產業 AI 化太過吹牛，預期第三次 AI 冬天即將來到。事實上，若聽過筆者演講，會知道在每場演講結束前，都會談到AI即將帶來的社會議題，至少就會有隱私、安全、決策偏見、大公司壟斷、貧富不均、工作的消失等等，我們對這些新科技可能帶來的問題不能視而不見，同時也要明白正是產業 AI 化的成功，這些社會議題才會如此真實。

因此，如同金髮女孩原則告訴我們，我們對 AI 的態度必須不偏不倚，要知道 AI 不是什麼事都做得到，也不是大家吵吵鬧鬧，這個技術浪潮就會過去。

根據麥肯錫的一份分析報告，在所有產業的決策工作中，大約有 15% 不需要 AI 也可以運作得很完美，例如那些規則有明確定義的工作，像是年紀 65 歲以上自動核發敬老卡、機件公差大於半毫米就列為瑕疵等等。這些決策工作本身就有規則可循，不需要人工智慧。

同時，約有 15% 的決策，人工智慧是做不來的，企業管理中的重大決策多屬此類。例如，要不要併購某家公司、部門該如何整併、該不該推出某個市場上尚未見過的產品、從未調價的服務該不該調價等等。這些決策，多沒有足夠的可量化環境與條件資訊可以蒐集，更沒有大量的樣本可以參考，因此，人工智慧完全不適用。

但是，剩下的70%決策，就是人可以做，大數據分析可能可以幫上忙，但 AI 通常可以做得更好的工作。企業主與經理人們學習人工智慧，重點之一就是在學習，哪些問題是第一個 15%，哪些問題是第二個 15%，而哪些問題是其他的 70%。而在這 70% 之中，哪些又是成本低、實現機率高，而且又能為企業帶來價值的問題。

這就是AI的金髮女孩原則，希望能為大家釐清一些迷思。

※ 原文刊登於：【經濟日報-名家觀點】從金髮女孩原則看AI發展

The post 從金髮女孩原則看AI發展 appeared first on 台灣人工智慧學校.

人工智慧會搶走我的工作嗎？

對於許多人擔心的，人工智慧是否將取代大量工作這個問題，可以發現這個問題沒有簡單的答案，即使將工作拆解為行政、溝通、決策與創造四種類別的比重，也不能直接依比重來回答，你的工作是否將被人工智慧取代。

原因是，每個類別的工作，都有些在未來可由人工智慧代勞，其餘的部分仍然需要人類的親自參與。 所以，行政、溝通、決策與創造，並沒有誰比誰高，誰比誰更容易有工作流失的風險，要看每份工作的職掌，以及人工智慧可代勞的工作的比重 。

那些工作，人工智慧搶不走？

若你的工作內容多數不能由人工智慧代勞，這表示在可預見的未來，你的工作仍然很安全，大部分的創造性工作皆屬此類，包括文學、藝術、評論、研究等。牽涉到組織的議題就難以量化，也因此人工智慧只能拿來輔助，不能直接代為決策，包括企業管理、商業決策、政策擬定、經濟與社會研究等。

對於這類型的工作，人工智慧將成為你的得力助手，可以給予各種提示與線索，在行政、溝通、決策與創造上給予輔助，讓你的工作表現更快更好，為自己帶來更多價值。

有些工作即使人工智慧可以代勞，在情感及法律機制下，還是得由人類來做最後的把關與負責，例如即使未來醫療診斷八成可由人工智慧來代勞，還是期待有位醫師可以親自對我們解答問題與憂慮，即使答案都已經寫在診察報告上；更需要在任何萬一發生時，有人可以擔負起責任。

我們總不希望去看病像是去無人商店買東西，臉一刷、報告及藥品一拿，就認份回家吃藥。因為醫生在醫病關係的情境中，不僅是診療的主體，在情感及法律上，仍有不可取代的重要性。

除了醫師，會計師、法官、律師、建築師、檢察官及各級政務官、事務官等，也都將因同樣的理由，成為無法被人工智慧替代的職業，即使在未來也許有部分的工作內容，可以由人工智慧代勞。

利用人工智慧為自己表現加分，不怕工作被搶走！

另一方面，若你的工作內容多數符合可由人工智慧代勞的條件，例如查稅、電話客服、徵審、商業設計、藥師、放射診察、打字、初階翻譯、採購、面試安排等， 也不用太擔心，工作結構的改變只會慢慢進行，而且只要留心，一定有改變的訊號。

若有機會，與其不斷地精進同質性技能與人工智慧競爭，例如加強打字速度等，不妨考慮調整工作性質，逐漸往人類較擅長的領域移動，讓自己從可能被人工智慧取代，升級為讓人工智慧為自己工作的人才。

就像人類不需要與汽車賽跑一樣，汽車不該是對手，而是我們的工具；同樣地， 了解人工智慧的能與不能非常重要，它能做的，不要競爭，同時加強自己的電腦技能，學習善用它，讓它變成你的軍師與手腳 。對於非工程背景的白領工作者而言，能不能善用人工智慧、與人工智慧協同合作，將是影響未來職場競爭力的關鍵。

（本文書摘內容出自《人工智慧在台灣：產業轉型的契機與挑戰》。閱讀更多內容

首圖來源：Pixabay。

The post 人工智慧浪潮來襲，那些工作AI搶不走？ appeared first on 台灣人工智慧學校.

2019-05-14

台灣向來偏重製造及代工產業，ROI及KPI幾乎是各大型企業奉為圭臬的神主牌，製程優化、提升效率、降低成本是不曾改變的目標。然而，在導入任何新技術時，若太早以ROI及各種KPI在短期內做成效的要求，容易在導入時期，尚未發展潛力時，就被扼殺掉。因此，建議企業在擬定導入AI的策略之前，必須先了解人工智慧的本質與限制，破除似是而非的迷思，更要避免短期內的過高期待。

我們常高估一年內能做的事情，同時低估十年會可能發生的改變。對於新技術所帶來的影響也時有同樣的錯估。

被ROI綁住的人工智慧

改變思維的第一個關鍵是重新思考投資回報率。多年耕耘代工製造的台灣企業，相當嫻熟投資回報率評估標準（ROI)，任何一筆投資都要經過投資效益精密計算才能進行，這也就是大家熟悉的「錢花在刀口上」。

然而，以資料與機器學習做為基礎的人工智慧，本質上要事先評估ROI卻是難上加難。人工智慧專案的開始往往就要花許多時間蒐集、清理資料，而這些資料清理的成本在沒有真正投入前往往無法預估。就算資料順利整理好，也建立出良好的機器學習模型，但從小專案成功到大型專案真正導入營運的過程中，一定會影響營運流程甚至組織的調整，真正要花的成本有多少？能夠增加的收益有多少？恐怕沒有人能夠在事先就有精確的估計。

而如果企業以製造思維，對於任何新技術的投資都以三個月或半年為期，進行嚴格的ROI考核，很可能使得成功的小專案中途腰斬，在來不及對整個組織產生財務影響前就無疾而終，甚至使得企業從此視人工智慧為畏途，錯過了這波成長轉型的大好機會。

ROI對於企業的經營有著不可取代的重要性，那麼如何避免ROI扼殺組織創新的機會？我建議可以根據專案類型進行調整，對於具有巨大潛力的新型科技，不妨採取像是未來稅或創新稅(innovation tax)的方式，以每年毛利或營業額的特定比例，如百分之一或千分之一投入創新，而這個專案則不列入ROI計算，以維持企業持續在下個世代領先創新的動力。

例如，中國招商銀行每年都會投入一定比例的稅前利潤，成立金融科技創新項目基金。2017年投入前一年稅前利潤的1%，約7.9億人民幣；2018年又將投資提高到前一年營業淨收入的1%，約22.1億人民幣，專款用以發展科技創新技術與應用，包括人工智慧、區塊鏈等各式金融創新研發專案。

對中大型企業來說，人工智慧先導專案早期能增加的營收或降低的成本，要成為公司的獲利引擎十分困難，但真正應該關注的是潛在效益，例如未來可減少的大量人力需求、降低操作員的工安風險、減少生產過程對能源的依賴、提升產品線反應市場需求的速度等等，這些效益極可能是短期ROI所無法估計，卻可能是企業決戰下一個十年的致勝關鍵。

主管的思維須與時俱進

第二個思維調整關鍵則在企業經理人對人工智慧必須有正確的認知。根據研究，直屬主管是直接影響人才是否願意留任企業的最關鍵要素，甚至超過一般認知中最為重要的薪資、福利等因素，而在面對人工智慧浪潮洶洶來襲的此刻，企業經理人更是不能掉以輕心。

對於人工智慧，經理人們要能掌握核心知識，要能知道人工智慧的能與不能，它的潛在成本與效益，如何在業務中運用它才能帶來最大效益，也就是評估解決方案的能力，才能引導團隊往對的方向前進。當然，人工智慧的技術實現如何達成，經理人只要有概念即可，不需要事必躬親，不會寫程式並不是問題，這點倒是不用過度擔心。

技術債要先還清

同時，企業必須做好心理準備，別想越級打怪。大數據、機器學習及人工智慧是不可分割的，大數據是資訊來源，機器學習是資料的處理方法，藉以萃取出複雜的規則，讓電腦展現出擬似人類智慧的行為。換句話說，大數據及機器學習是發展人工智慧的必要條件，人工智慧技術領先的企業，同時也必然是大數據及機器學習的領先者，沒有人能夠跳過這兩者而直接開發出先進的人工智慧系統。

因此，企業想要導入人工智慧，過去欠的技術債，必須先盤點還清。更直白說，若企業的e化程度過於淺層，無法搭建夠完整的資料基礎建設，人工智慧的導入自然相當容易就卡關。我們都知道e化不是0或1，一樣宣稱做e化的企業，層次可以天差地遠，是只有把數字敲入Excel表格的那種淺層e化？是資料倉儲每個月會蒐集資料、整理出報表的e化？擁有資訊儀表板，隨時可以檢視企業重要營運數字的e化？或是在企業流程中融入資料收集及以資料做輔助決策的那種e化？成熟的e化以及成熟的資料基礎建設，是人工智慧導入的必要條件。

同樣的，人工智慧的導入也與e化一樣，不是0或1，也不見得是一分錢一分貨，只要花大錢就能確保成果。依據導入廣度、深度與成熟度的差異，展現的成果與效益也會有相當大的差距。

※ 原文刊登於：【天下雜誌】避免AI專案夭折　企業該懂這3件事

The post 導入人工智慧之前：調整企業的思維框架 appeared first on 台灣人工智慧學校.

未來十年，我們將看到四波產業AI化提升企業轉型升級的機會。

第一波是單點效率的提升，像是製造端的瑕疵檢測、智能化排程、預防性維修、原料組合最佳化，就是機器取代人，這時科技領導廠商主導創新與先期應用，也看到語音助理、人臉辨識、醫學影像判讀…等新創公司，在特定應用上取得快速的進展。

第二波是企業流程的提升，當所有的單點應用被普及化之後，就會迎來重組作業流程效率的提升，形成線的變化，生產作業、服務程序與人機協作將會帶來管理流程的梳理與重整，顧問式的專案將興起，挑戰的將是原先的想像力與創
造力，觸動商業模式的轉變。

第三波是產業水平面的提升，這時傳統產業也跟進了，很多成熟與特殊領域的隱形冠軍，在AI應用上會走向產業內的全面運動，在產業應用的廣度與成效有很大提升，成熟標準化產品會推出且開始普及，這會是一個面的變化，也會快
速淘汰落後無法升級的公司，重新解構價值鏈。

第四波是生態系統整體的提升，產業聚落將因為應用者廣且多，因量變帶來質變，嶄新的應用會建構在已有的基礎之上，翻倍的效率提高也會影響整個行業的生態系統改變，不同生態系統會形成競爭，甚至取代了缺乏競爭力的產業，
整體產業結構發生重組，全球分工重新洗牌。

我習慣用<技術採用生命週期> 來解釋一個科技帶給市場的週期變化，技術採用生命週期的形狀是一個鐘形曲線（Bell Curve），這個曲線將新科技產品吸引各種類型消費者的過程分成五個階段，分別包括創新者、早期採用者、早期
大眾、晚期大眾與落伍者。，上述五個階段佔整體使用人數比例分別為 2.5% 、 13.5% 、 34% 、 34% 與 16% 。這五個不同階段的消費者分別具有不同特色，依接受新科技產品的容易程度如下：

創新者（innovators）：

創新者是一群對技術具有狂熱偏好的少數人士，他們的興趣就是研究新產品，同時也是新技術產品的把關者。因為只有在初期取得創新者的認同才能往後向其他潛在使用者證命新產品是可以運作的。他們在意創
新，習慣從0到1引領改變。

早期採用者（early adopters）：

早期採用者是一群有先見之明的消費者，也是新技術產品市場發展的主要推動者。與創新者不同的是，早期採用者不是技術性人員，但他們會去想像這項新技術可以帶來什麼好處。一旦早期採用者找到這項新技術可以跟他們本來就在乎的東西做連結，這就成了他們購買的理由。他們在意保持領先與卡位標準與專利。

早期大眾（early majority）：

早期大眾的是一群非常重要的消費群，他們最在意的是產品實用性，對於新技術產品的採用往往比較謹慎，因為他們知道很多新科技是無法成功的。他們會先等待，並且觀察其他使用者的使用經驗，確定產品可以順利運作才會購買。他們在意產品實用性，實際效用與風險。

晚期大眾（late majority）：

晚期大眾和早期大眾在乎的東西大致相同。但晚期大眾缺乏判斷產品是否可順利運作的能力，因此他們會等到規格完全確立，輔助系統建置完備才會從荷包掏出錢來。雖然這一群體的消費者不容易接納新產品，但是在市場上與早期大眾一樣多，佔整個市場三分之一。他們在意價錢與同業是否使用。

落後者（laggards）：

落伍者不喜歡新科技，如果他們有買到新技術產品，那可能是在其他產品裡的某一零件，可能他們根本不知道自己使用了新技術產品。他們在意守成與延續企業生命。技術採用生命周期投射的不僅是B2B企業，在消費者市場也同等適用，說明一個新技術產品融入一個社會的過程，在過程中每個階段都和特定族群相互結合，加總起來就構成整個社會。

從發展歷程判斷，未來十年一定是AI的黃金發展時期。2016年至今，AI雖然還是停留在一些大型領導企業裡發展，不過2019年我們已經看到不少中型企業已經編列預算，展開試點性專案，呈現一些單點的行業應用，未來十年必會造就一批領先的產業公司。但也並不代表從此一帆風順的，今天的AI創業者必須要認識到AI舞台的主角變化，AI創業的舞台上，技術公司仍然是重要主角，AI不會改造每個傳統行業，反而帶給傳統行業的巨大衝擊，因為守舊僵化的思維、遲緩的行動力、欠缺專業人才、沒有提供人員足夠培訓，將會壓縮許多傳統企業生存空間退守到更底邊甚至面臨淘汰，因此，未來的黃金十年其實也是屬於領先的產業公司的。

什麼是領先的產業公司，他們為什麼會成為領先公司？領先的產業公司往往他們對所在的行業有著很深的洞察力與創新力，他們自身就是在行業內數位升級與轉型的實踐者，並且他們對於未來打造什麼樣的新的商業模式、新的效率引進能充分改變這個行業，有著深刻的理解和認識，只是受限於技術的漸進式發展，有很多想做的事情不能做，但這波AI科技大浪，帶給這些領先者寄望已久的改變競爭態勢與翻轉行業生態的機會，未來十年是絕對是屬於前段的AI技術公司和先進的產業公司聯手共贏的時代。

台灣人工智慧學校將在接下來著手在顧問諮詢、技術推廣、新創輔導、產學連結、社群交流、職涯發展六大面向，幫助更多行業的改造升級。AI行業在過去幾年雖然誕生了很多獨角獸企業，但是他們只是證明了AI在特定與微觀層面的應用潛力，我相信未來十年，人工智慧將迎來產業全面性的黃金發展期，一起加油！

The post 產業 AI 化的黃金 10 年 appeared first on 台灣人工智慧學校.