我們都知道，企業要導入AI，前提要件是必須有資料。如果企業已經累積了三十多年的資料，該怎麼利用這些資料，協助經營者進行決策，甚至找出新的事業機會呢？

成立於 1988 年的「全鋒事業」，是全台灣第一個將道路救援企業化經營的公司，幾乎已和道路救援服務劃上等號的他們，不僅扭轉了過去拖吊業者隨口喊價的生態，更讓道路救援成為車主、卡友的標配。

只靠 AI 工程師，並無法將資料變成應用

全鋒事業處長紀伯翰提到，人力短缺是企業當前面臨的困境，包括線上客服或道路救援技師都有很大的缺口。近年來，因為看到許多國外企業導入 AI 客服的應用後，內部也開始思考如何透過 AI 做為新的解決方案，並組團報名由 AIF 與大店長聯合舉辦的「2023 陪跑計劃」。

經過一系列的課程、工作坊，與顧問討論並考量過現有資料與可執行性之後，提出利用企業累積多年的拖吊資料，預測出高通報事故的地區，進而加強人員部署，以降低顧客等待時間的專案構想。而這題經典的資料應用題，在資料的界定上就遇到挑戰，評審在成果發表時關心的是，用長達三十年的資料來做預測，「顆粒度是否會太大」？

人工智慧科技基金會執行長溫怡玲指出，由於三十年來，無論是汽車產業或是社會環境都十分不同，例如汽車產業進步十分快速，包括越來越多的電動車；當然使用者的開車習慣也在改變，例如在台北汽車使用者的每年開車哩程數可能越來越少。要找到吻合當前社會環境的資料，究竟要以 30 年、20 年，還是 5 年的資料為準？

那麼，「資料顆粒大」又是什麼意思呢？溫怡玲解釋，顆粒度的粗細，涉及最後的結果以及如何針對結果將資料進行區隔。可以想像成石頭或沙粒，相較於石頭，沙粒較細，資料細的時候可以區分出較多層級，預測結果也會較準，但結果歪掉時，也會「歪得很準」。至於顆粒粗的部分，如果準確度只有百分之八十的話，那團隊就要討論是否可以接受成果，或是需要進行彌補措施。不過，究竟多準才算夠準，則須根據專案任務與目標而有不同標準。

她認為，企業累積的資料能否應用且產生效益，這件事情考驗團隊的問題定義與資料分類能力，而資料的定義與分類單靠資料科學家或 AI 工程師是不夠的，必須仰賴領域專家與工程師的合作。雖然全鋒的資料不一定可以拿來預測，卻能在其他地方提供新的意義，例如透過數據觀測到某個區域的變化趨勢，而這樣的趨勢是否可能預測其他地區的交通工具使用 ? 都是可以發揮想像力與數據應用的空間。

策略與想像力才是未來服務業的決勝關鍵

「未來，遊客出國時可不可以只要按一個按鈕，就可以顯示並完成抵達目的地所需的交通配套規劃? 」溫怡玲提出許多科技公司對於智慧交通的終極想像，雖然這個目標並不能一步到位，但期待後續可以透過陪跑計畫一點一滴慢慢累積 。

「技術的門檻會越來越低，當大家都能進入時，營運策略還有想像力才是決勝關鍵。」溫怡玲說，企業更應該要放下對技術的恐懼，思考在可以想見的未來，必須要透過哪些策略規劃與執行方案，才能達到目的。

想了解更多問題定義與資料應用細節，請收聽大店長晨會 #266