「別人家的AI永遠不會讓你失望,但為什麼到了我們家卻不是這樣,難道我們的AI真的比較笨嗎?」人工智慧科技基金會執行長溫怡玲說,大部分的問題多半來自企業並不了解AI,甚至不清楚自己真正要解決的問題是什麼。
歷經半年時間,由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計畫」於10 月 26 日舉行「2022 新創x企業 AI 實證發表會」,展示 4 組新創團隊與 5 家企業合作成果,並探討談企業 AI 導入的挑戰與策略。溫怡玲表示,透過計畫過程的分享,雖然沒有辦法指出百分百正確的成功方程式,但會讓大家少走很多冤枉路。
*想看更多成果:企業如何攜手新創解決當前產業難題
老闆都覺得AI很重要,只是不知道AI是什麼
由於AI導入的過程往往會耗費許多時間,卻又無法具體評估效益,對經營者而言,這種無法掌控的狀況並不符合期待,新創此時該如何與企業溝通,以順利前進到專案的下一步?
友達數位科技副總經理王守田建議新創團隊,在協助客戶解決問題的過程中,必須思考在達不到客戶要求的5%、10%的情況下,可以用哪些方法解決,並說服企業老闆。一開始的目標如果訂太高的準確率,風險十分高,也不容易結案。同時,更必須要讓業主了解,導入AI是要持續營運及優化的過程。
美商訊能集思智能科技事業發展副總裁黃逸華則直言,老闆一定都覺得AI很重要,只是,他不知道AI是什麼。由於台灣許多中小企業二、三十年來的成功經驗就是成本,對他們而言,能省一塊錢就是賺一塊錢,且導入AI過程中有許多不確定性,對於習慣一切有標準答案、標準KPI的老闆來說,更是無法想像。因此,更需要經過大量的溝通,才能說服還停留在上一個成功方程式的老闆接受這些不確定性。但如果真的碰到不願意改變思維的客戶時,他建議還是儘早放棄,因為市場上一定還有其他願意了解並投入資源的客戶。藉由愈來愈多的成功案例,AI導入的概念與正確的方式會被擴散、延伸。這時候,新創就可以不用再銷售花俏的行銷語言,而是展露實質的能力接觸更多企業。
另一方面,在接觸數位化程度較低的企業時,王守田認為,除了先確認企業定位跟問題,更要依客戶現況去提供能解決痛點的問題。以他的經驗,這類企業多半還停留在資料收集階段,距離AI應用還有段距離。
我們很常關心成功案例,但AI需要的是失敗經驗
溫怡玲說,台灣產業發展的關鍵,未來不再是標準化、大規模地降低成本,因為將有越來越多客製化的需求出現。以前有辦法壓低成本的原因在於,大量且同樣的需求以及不斷累積的經驗,讓產線可以逐步被優化。但是,未來的產線可能一個月就要換一次,在還沒有累積到過去的經驗時,又要開始累積新的錯誤經驗,企業該如何達到快速的客製化應用將是個挑戰。
黃逸華指出,現場的實際狀況不只是一個月換一次產線與模型,而是產品每個月生產的天數並不固定,甚至會有沒有單的狀況,且一天可能要換線三次。假設一個月有三十個工作天,換算下來平均一個月就要消耗掉一百個模型。而這一百個模型,可能下一個月只有八十個會被拿出來用,然後又需要二十個全新的模型。在學校中可能要花三個月訓練一個模型,但在現場只有花三十分鐘。
因此,在面對多變的未來時,企業更需要了解未來市場的發展方向並預作準備,並且掌握現有的操作中的數據。另一方面,更要檢視整個生產中的眾多不良品,分析並從不良品找出新的觀察。我們關注的永遠不是成功,而是失敗,當這些資料被搜集起來之後,就會變成我們近一步提煉價值的基礎。
「我們通常關注成功案例,但AI剛好倒過來,它關注失敗。」溫怡玲說,失敗是很多經驗的累積,也是訓練模型很重要的事情。
以為來的是哆拉A夢,沒想到卻是胖虎
許多企業往往期待AI專案上線後,任何事都會越來越好。「導入AI不會是在家裡多了一個哆拉A夢,會是來了一個胖虎。」黃逸華笑說,如果沒有給予適當的環境與訓練的話,AI不會越來越好,但你可以讓過去錯誤的動作變得越來越少。
王守田說,雖然產品不會要達到一百分才上線,但是必須將後續的再訓練程序包含在整個方案中。無論是利用流程機制的設計或是多個模型的重複驗證,以確保模型的效度。