「AI應用到產業有太多領域知識（Domain Knowledge）了，必須要跟該領域的專家合作才有機會。」人工智慧科技基金會董事長、鴻海研究院執行長李維斌觀察，近幾年來企業在嘗試導入AI專案時，常會忽略領域知識的重要，並過度仰賴AI技術解決所有問題。

根據資策會統計，台灣約有 300 家擁有AI創新技術的新創企業，這些 AI 新創企業技術雖有其獨特性，但在實際落地應用時，仍然會遇到問題。而不少企業在與 AI 新創團隊合作時，往往也會因為雙方語言不同、目標不一致等情況，導致企業對導入 AI 應用感到挫折，甚或望之卻步。

在人工智慧科技基金會（AIF）、數位發展部、資策會及台灣智慧雲端服務（TWS）共同推動的「AI Starts」轉型計畫中，AIF 執行團隊透過與企業深度訪談，整理出產業難題痛點並邀請新創團隊針對出題單位所提出的產業議題，分別提出 AI 轉型解決方案。歷經層層篩選與評估，最終從 21 個解決方案挑選出 4 組新創團隊，與五家企業進行媒合。人工智慧科技基金會執行長溫怡玲表示，從這次的計畫執行過程中可以看到，資料依然是大多數企業的共同問題，有些是缺少資料；有些則是在收集資料時並沒有設想到未來的應用；還有些在資料搜集時就出現沒想過的「基本錯誤」。

企業共同難題：要有好資料，更要懂資料

以參與投件的清展科技所提出的問題為例，這家專營通風門、隱藏式紗窗、通氣裝置及無軌摺紗門等產品的企業，在接到客戶需求時，需要安排人員親自到安裝現場實際量測並提供報價，如果這筆交易不成功，對企業來說，交通及人力成本的花費不小，因此，希望藉由 AI 辨識，讓用戶能在家中自行測量紗窗窗框尺寸回傳，再由企業提供報價避免過度浪費。雖然目前已有手機軟體可以量測，但量測方式的差異容易造成數值的誤差，且窗框量測所能接受的誤差值非常小，因此希望能藉由 AI 技術的幫助，讓用戶在家中自行測量紗窗窗框尺寸，回傳誤差值於 +2mm 內的數值。不過，負責的新創團隊傑精靈資訊科技在執行專案的過程中，便發現企業提供的大多數照片資料，因為背光、雜訊干擾等因素，導致建模不易等等狀況。

除了資料的「正確性」，具備資料的分析能力也是十分重要的關鍵。「如果沒有深刻的社會分析能力為基礎，再多的資料（Data）沒有用。」李維斌說，分析能力也是目前最欠缺的部分，資料中充滿了許多相關性，必須對該領域有深入了解才能洞察出資料中的關聯。例如知名的度假酒店涵碧樓所提出的產業難題，便是希望透過顧客的行為，深入理解客戶並提出客製化服務提高顧客滿意度。因此，除了專案所提出的常客寄酒資料分析之外，更要能進一步洞察這些資料背後是否有其他關聯性。

領域專家的背景知識在專案中也具有十分關鍵的影響力，台灣創博識創辦人吳定謙提到，在與尚虹建築師事務所進行專案討論的時候，這份專案主要是希望能從所得發展、年齡結構、家庭結構等資料分析，並預測未來各種相關條件交互影響下的居住環境需求。但納入關聯性分析的資料包含許多定義，若沒有經濟領域專家的說明與觀點，很難看出各個指數間的關聯。

李維斌提醒，AI專案一定是不同領域專家所組合而成的團隊，成員組合中除了資料科學家更應該包括領域知識專家、工程師等多元背景，除非是AI技術的問題，不然不能只仰賴資料科學家解決產業難題。

別再用製造業思維檢視AI應用

台灣經濟研究院景氣預測中心主任孫明德認為，涵碧樓所提出的產業難題不同於製造業的應用，其所訴求的是無法被量化的「感動」，而為了能將成果量化所選擇的寄酒資料分析又限縮的太小，寄酒的資料只是感覺的一部分，但仍需要多想一點才能將最關鍵的因素抓出來，才能讓服務業對於AI應用有感覺。

訊能集思科技公司事業發展副總裁黃逸華則提到，當前政府花了許多預算在進行各式各樣的計畫評選，但從評分標準就能看出中間的落差。除此之外，企業或產業也該思考，是不是所有方法都要靠AI？有些事情如果用原始方法也能得到結果，為什麼還需要AI？透過這些思考，產業才能以更為務實的方式去看事情。

李維斌認為，推動產業AI化的過程，必須要跟著企業的發展脈絡，不需要一次設定一個太高的目標，而是逐步設定一個好的目標，透過產業AI化Roadmap的擬定，驅動企業慢慢往前走。隨著技術越來越進步，相關應用與團隊也會越來越飽和，一些關於AI的規範快速跟上，值得信任的AI等議題更需要被注意。