如何讓您的 AI 專案步入正軌

勤業眾信（Deloitte）在 2022 年底最新發布的人工智慧（AI）研究中指出，雖然 AI 具有誘人的潛力，但有一半的企業在導入 AI 方面遇到了困難，表現不如預期。這表明，儘管企業看中 AI 的應用前景，但實際將 AI 專案成功應用在業務中仍然具有挑戰性。

通常需要經歷五個關鍵步驟：選擇、開發、評估、採用與管理。哈佛商學院助理教授艾佛爾．博季諾夫（Iavor Bojinov）在《哈佛商業評論》的文章《別讓你的AI專案脫軌失敗》（Keep Your AI Projects on Track）中建議，企業可以透過仔細審核這些步驟，來降低 AI 專案失敗的風險。

以下針對企業如何優化各步驟進行說明（如圖 1 所示）：

1.選擇

博季諾夫教授認為，企業在考慮導入 AI 專案時，應該綜合評估專案的「影響力」和「可行性」，以便確定專案的必要性和優先順序。

在評估影響力時，企業應考慮專案是否與企業整體策略一致，是否能夠使用客觀指標來衡量專案的目標和效益，並且明確確定專案的最終目的是協作還是自動化。

此外，在評估可行性時，企業需要確認專案是否能夠準確解決問題，企業是否擁有足夠的數據和技術能力來支持專案，並且需要將 AI 的道德議題納入考慮。

企業可以將影響力和可行性製作成一份清單，用來評估各個潛在的 AI 專案。最終，企業可以根據這兩個指標的權重高低來進行個別評估。如果專案的影響力很大但可行性較低，企業就需要進一步研究可行性低的原因。相反，如果專案的影響力較小但可行性很高，通常可以考慮將其忽略。

2.開發

在開發 AI 的過程中，通常需要經歷五個步驟：收集並清理資料、進行探索式資料分析、進行模型訓練與驗證，最後進行正式部署。如果這些步驟缺乏標準化流程，很容易導致專案執行效率低下，甚至以失敗告終。

博季諾夫教授建議，為了確保專案的成功，企業應該建立一個「AI 工廠」，將開發過程的關鍵部分標準化。一些大型企業，如領英（Linkedin）、網飛（Netflix）、優步（Uber）等，已經推出了用來管理AI開發流程的內部工具。此外，自動化部分開發流程不僅能提高效率，還能提升最終模型的品質。

3.評估

博季諾夫教授指出，開發和驗證過程中所得到的優秀產品，可能因現實變化、數據偏誤（僅代表部分使用者）等外部因素，最終無法提供足夠的價值。因此，在大規模採用之前，企業可以透過A/B測試（A/B Testing）來量化模型的效果。

在A/B測試中，企業可以將用戶隨機分配到不同版本，然後衡量參與度、滿意度等相關指標。特別是在用戶數較少的情況下，這種方法特別有效。此外，通過收集用戶早期反饋，企業能夠找出產品存在的核心問題，並進一步修正產品，確保在大規模推出之前，產品能夠達到預期效果。

4.採用

即使透過 A/B 測試證實產品具有足夠的功效，仍然需要建立用戶對產品的信任度。

博季諾夫教授根據過去的經驗，將影響 AI 產品信任的因素分為三項：演算法、開發者、流程。任何 AI 產品的推廣失敗，都可以追溯至用戶對其中一項因素的不信任。

簡單來說，企業需要讓用戶相信演算法的分析結果沒有偏見，並且確信開發者推出 AI 產品是為了幫助用戶，而非取代他們。企業可以透過教育訓練讓用戶理解演算法的邏輯，並且鼓勵他們參與開發過程，從而建立與開發者之間的信任關係。

最後，企業需要制定明確的AI使用流程規範，包括責任歸屬、處理意見分歧的程序等，以便讓用戶能夠放心使用產品。例如，領英就建立了一個審查委員會來確保產品的使用遵從相應的標準和規範。

5.管理

最後，企業應該持續監控模型並進行動態調整，例如根據市場偏好的變化調整模型架構，並定期使用新數據重新訓練模型。

此外，博季諾夫教授建議企業推動「AI 審計」，以檢查 AI 可能引發的道德問題和安全漏洞。

最後，他在文末強調，成功的管理不僅僅是為了維持現狀，還需要持續改進，確保產品和技術與用戶需求保持同步發展。

黃揚博（政大企管碩士，識商創辦人）、羅凱揚（台科大兼任助理教授）

資料來源：Bojinov, I. (2023). Keep Your AI Projects on Track. Harvard Business Review, 101(6), 53–59. https://hbr.org/2023/11/keep-your-ai-projects-on-track