AI 都能翻譯寫論文了,為什麼無法預測銷售量?

近半年來,許多讓人驚豔的AI應用逐步出現,從Midjourney到ChatGPT,新的科技工具不斷出現,但除了跟AI聊天、請它畫畫之外,企業該如何應用才能創造效益?

能不能利用AI預測某產品下個月的銷量?

想做出有效的AI,可以從三個方向著手:好問題、好資料,以及對的模型。雖然看起來很簡單,但是實際執行上,這三個方向仍有許多細節要注意。尤其是在提出一個好問題上,更是需要方法協助團隊釐清問題,而設計思考就是一套有效的方法。人工智慧科技基金會將與電通集團合作推出AI x 設計思考課程,結合彼此優勢,協助企業人員掌握共同AI基礎認知,並找出對企業有價值的AI應用。

什麼才是好問題呢?財團法人人工智慧科技基金會技術發展中心副總監蔡岳霖認為,好問題的定義,包括可以應用到AI技術,且該問題能為企業創造價值。而這個價值則來自企業內部有沒有辦法利用新技術,優化自己的營運狀況,或讓收益成長。背後要考量的因素包括公司的策略,以及是否了解公司目前遇到的挑戰與機會。另一方面,還要從顧客角度切入,思考顧客還有哪些未被滿足的需求。

有了好問題之後,可能遇到的狀況是手上沒有能夠支持解決問題的資料。「能不能利用AI預測某產品下個月的銷量?」這是許多企業都想做的問題。具備明確的預測目標,也累積了許多年的產品銷售量,希望能利用前三個月的銷售量去預測下個月的銷售量,看似相當合理。但是,當工程師訓練好模型之後,預測數值卻和實際數字有許多落差,原因可能出在資料。

「有好多資料不等於有好資料,」蔡岳霖分享,資料是不是好資料,要取決於所問的問題;資料能發生多少效用,也和問題相關。但是,工程師無法判斷什麼因子與銷售量預測相關,因為專業知識,存在相關部門的人員身上。如果部門人員不了解AI的本質與侷限,常常出現極大的溝通落差。此外,當我們找到一個問題時,有沒有辦法列出與問題相關的因素,並且掌握每一個因素的資料?如果沒有,再厲害的模型也沒有辦法做出準確預測。

除此之外,針對不同型態的資料選擇合適的模型也很重要,除了專案決策者必須要有一定知識外,專案執行者也需要與時俱進,了解當前技術的趨勢。

了解新科技的極限並善用

蔡岳霖表示,目前的AI應用多半是在執行預測任務,根據過去的資料,找到資料間的關聯進行預測,例如預測客戶會不會買單、喜歡哪類商品、產品的銷售率,以及圖像生成也是一種預測,根據輸入的描述猜測使用者想看到的圖片。

近幾年的人工智慧發展,雖然已有不少應用方式出現,但也可能累積了不少錯誤的迷思,因此,必須對人工智慧有先備知識,例如了解到AI的能力有所限制,並不是只要提供資料,就能做出準確的預測;又或者,也許對技術跟實作不了解,但你的部門一定有機會提出好問題,並且有足夠的專業領域知識,可以幫助AI做得更好。

運用設計思考凝聚團隊共識

「AI到底要解決什麼?你想解決的跟我想解決的是同一件事嗎?」電通集團數位轉型策略合夥人周允玉提到,面對創新的議題與科技,不同的利害關係人所關注的角度不一定相同,透過設計思考的流程,可以幫助專案中的不同單位凝聚共識,梳理各自顧客的痛點與斷點,並盤點當前技術是否足以應對。

由於AI專案需要跨越不同單位一起協作,不只是工程師,也需要專業團隊的領域知識,例如實際接觸客戶的第一線人員或行銷人員,因為開發出的工具不只提供給一個單位使用,所以必須借助不同知識與經驗的幫助。

以人為中心是設計思考的核心思想與價值觀,人的需求才是重要起始點,當中加入科技創新,並不是為了創新而創新,因為目的在於創造好的商業效益和價值。周允玉從過往的數位行銷經驗中發現,比起賣東西或是跟客戶對話,更重要的是如何帶領團隊回到顧客的視角,這個顧客可能是外部的客戶,或是內部的專案經理或老闆,透過換位思考回到對方的使用與生活場景看到需求。

別急著動手,先思考問題背後的問題

在導入設計思考流程時,原型的驗證十分重要,不要只是坐想一個美好計畫,而是要將想法變成具體的原型,無論是手繪DM或是樂高模型,透過這些驗證過程,協助我們降低投資的風險,或找到新的可能。

周允玉提醒,在接到需求時,不要急著進入如何解決的階段,反而可以先往後退一步思考問題本身,以及問題背後的問題,可以透過研究或資料的彙整,探索外在環境,找出盲區。建議團隊能先發散思考,再討論收斂,透過多次的發散與收斂過程,最後才找出最有價值且有效的問題加以定義,並凝聚團隊共識。