AI專案執行兩大關鍵成功資源:專業知識性與資料可用性

本篇文章延續上一篇題為〈AI專案失敗因素:專家訪談結果〉(Failure factors of AI projects: results from expert interviews)的論文,說明該研究總結AI專案執行的「關鍵資源」強調兩項因素:1.專業知識性;2.數據可用性。

1.專業知識性

該研究指出,專業知識性不僅僅是個人的議題,更是組織層面上的重要課題。

首先,在AI時代,未來所需的能力不僅包括技術技能,還需要具備策略技能,例如重新設計價值鏈和商業模式。因此,組織需要擁有那些能夠結合領域知識與分析技能的人才,以提供業務洞察並改善決策。

其次,在團隊合作方面,多學科性是成功的關鍵。不同類型的AI專案需要不同的角色,涉及不同的技能。訓練有素的資料科學家負責在資料中尋找模式,而最終使用者則需要了解數據分析結果對業務的影響,不必深入瞭解演算法的細節。

儘管專業知識性的重要性顯而易見,但許多公司尚未制定出能夠從AI浪潮中獲得最大價值所需的人才招募和教續訓練策略。同時,管理者必須培養願意且能夠與AI協作的員工,並對現有員工進行再培訓,以使其能夠發展出新的AI相關技能。

2.數據可用性

該研究強調,強大的數據基礎設施是開發AI系統的關鍵,擁有這樣的基礎設施通常能夠使應用程式在短短幾天內完成開發。反之,若缺乏強大的數據基礎設施,應用程式可能永遠難以完成開發。

此外,研究建議在構建數據基礎設施時,使用統一的中央控制模式,以避免使用者對數據來源產生疑慮而導致的信任問題。同時,該模式能確保對數據進行品質管理、所有權管理和安全管理,以促進日後的應用。

另外,AI模型的標記訓練資料的可用性是一項重要限制。同時,特定領域的技術問題,包括模型的不穩定性和黑盒子問題,都需要在AI專案執行時特別關注。

最後,企業在啟動AI專案之前,應該深入了解自身的專業知識性和數據可用性,並明確對AI專案的期望和理解。

該研究建議,在正式啟動AI專案之前先進行可行性分析,評估潛在的關鍵風險,並採取適當的措施來降低風險。如果風險估計顯示可能的失敗風險太高,建議企業應承認自己尚未做好準備,同時制定提升專業知識性和數據可用性的計劃,可能比匆忙推進專案更為明智。

為了因應AI時代的來臨,企業應該投資於招募具備專業技能的員工和提升現有員工的技能,同時加強數據基礎設施的建設。

作者:羅凱揚(台科大企管博士)、黃揚博(政大企管碩士、識商創辦人)

Schlegel, D., Schuler, K., & Westenberger, J. (2023). Failure factors of AI projects: results from expert interviews. International Journal of Information Systems and Project Management, 11(3), 25–40. https://doi.org/10.12821/ijispml10302

更多商普好文推薦

人們為何會參與暴動?

人們為何會參與暴動? 每次看到歐美新聞媒體報導,某某大型球賽後,總有些球迷在他們支持的球隊輸球之後,總是怒不可抑,不斷朝維持秩序投擲石塊或飲

閱讀更多 »
回到頂端