近半年來，許多讓人驚豔的AI應用逐步出現，從Midjourney到ChatGPT，新的科技工具不斷出現，但除了跟AI聊天、請它畫畫之外，企業該如何應用才能創造效益？
能不能利用AI預測某產品下個月的銷量？
想做出有效的AI，可以從三個方向著手：好問題、好資料，以及對的模型。雖然看起來很簡單，但是實際執行上，這三個方向仍有許多細節要注意。尤其是在提出一個好問題上，更是需要方法協助團隊釐清問題，而設計思考就是一套有效的方法。人工智慧科技基金會將與電通集團合作推出AI x 設計思考課程，結合彼此優勢，協助企業人員掌握共同AI基礎認知，並找出對企業有價值的AI應用。
什麼才是好問題呢？財團法人人工智慧科技基金會技術發展中心副總監蔡岳霖認為，好問題的定義，包括可以應用到AI技術，且該問題能為企業創造價值。而這個價值則來自企業內部有沒有辦法利用新技術，優化自己的營運狀況，或讓收益成長。背後要考量的因素包括公司的策略，以及是否了解公司目前遇到的挑戰與機會。另一方面，還要從顧客角度切入，思考顧客還有哪些未被滿足的需求。
有了好問題之後，可能遇到的狀況是手上沒有能夠支持解決問題的資料。「能不能利用AI預測某產品下個月的銷量？」這是許多企業都想做的問題。具備明確的預測目標，也累積了許多年的產品銷售量，希望能利用前三個月的銷售量去預測下個月的銷售量，看似相當合理。但是，當工程師訓練好模型之後，預測數值卻和實際數字有許多落差，原因可能出在資料。
「有好多資料不等於有好資料，」蔡岳霖分享，資料是不是好資料，要取決於所問的問題；資料能發生多少效用，也和問題相關。但是，工程師無法判斷什麼因子與銷售量預測相關，因為專業知識，存在相關部門的人員身上。如果部門人員不了解AI的本質與侷限，常常出現極大的溝通落差。此外，當我們找到一個問題時，有沒有辦法列出與問題相關的因素，並且掌握每一個因素的資料？如果沒有，再厲害的模型也沒有辦法做出準確預測。
除此之外，針對不同型態的資料選擇合適的模型也很重要，除了專案決策者必須要有一定知識外，專案執行者也需要與時俱進，了解當前技術的趨勢。
了解新科技的極限並善用
蔡岳霖表示，目前的AI應用多半是在執行預測任務，根據過去的資料，找到資料間的關聯進行預測，例如預測客戶會不會買單、喜歡哪類商品、產品的銷售率，以及圖像生成也是一種預測，根據輸入的描述猜測使用者想看到的圖片。
近幾年的人工智慧發展，雖然已有不少應用方式出現，但也可能累積了不少錯誤的迷思，因此，必須對人工智慧有先備知識，例如了解到AI的能力有所限制，並不是只要提供資料，就能做出準確的預測；又或者，也許對技術跟實作不了解，但你的部門一定有機會提出好問題，並且有足夠的專業領域知識，可以幫助AI做得更好。
運用設計思考凝聚團隊共識
「AI到底要解決什麼？你想解決的跟我想解決的是同一件事嗎？」電通集團數位轉型策略合夥人周允玉提到，面對創新的議題與科技，不同的利害關係人所關注的角度不一定相同，透過設計思考的流程，可以幫助專案中的不同單位凝聚共識，梳理各自顧客的痛點與斷點，並盤點當前技術是否足以應對。
由於AI專案需要跨越不同單位一起協作，不只是工程師，也需要專業團隊的領域知識，例如實際接觸客戶的第一線人員或行銷人員，因為開發出的工具不只提供給一個單位使用，所以必須借助不同知識與經驗的幫助。
以人為中心是設計思考的核心思想與價值觀，人的需求才是重要起始點，當中加入科技創新，並不是為了創新而創新，因為目的在於創造好的商業效益和價值。周允玉從過往的數位行銷經驗中發現，比起賣東西或是跟客戶對話，更重要的是如何帶領團隊回到顧客的視角，這個顧客可能是外部的客戶，或是內部的專案經理或老闆，透過換位思考回到對方的使用與生活場景看到需求。
別急著動手，先思考問題背後的問題
在導入設計思考流程時，原型的驗證十分重要，不要只是坐想一個美好計畫，而是要將想法變成具體的原型，無論是手繪DM或是樂高模型，透過這些驗證過程，協助我們降低投資的風險，或找到新的可能。
周允玉提醒，在接到需求時，不要急著進入如何解決的階段，反而可以先往後退一步思考問題本身，以及問題背後的問題，可以透過研究或資料的彙整，探索外在環境，找出盲區。建議團隊能先發散思考，再討論收斂，透過多次的發散與收斂過程，最後才找出最有價值且有效的問題加以定義，並凝聚團隊共識。
本文授權轉載自財團法人人工智慧科技基金會《知勢》，原文請點此。
