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