談到如何讓導入AI過程更加順利，與談的嘉賓也大方分享心法與建議採用的工具。「疫情讓許多行業必須轉變其工作型態，COVID-19就是數位轉型的大力推手」InfuseAI的執行長暨共同創辦人 – 高嘉良表示，要想能快速轉型並從藉由Data做出好的決策，採用Maching Learning是必須的。InfuseAI長期關注於如何讓服務/AI解決方案供應商(Service/AI Solution provider)能更快、更有效率且大規模運作AI模型(run AI model at scale)，而這一切需要一連串精細的安排。從有很好的Data Infrastructure(資料基礎架構)、有很好的democratized data(組織內成員知道有哪些data且能如何運用)，進一步快速開展出專案與實驗，最終到伺服器解決實際的商業問題，做出創新。高嘉良執行長也提醒採用專業的AI工具是出發點，整個組織如何賦能AI(enable AI)、促進創新(enable innovation)很重要，要能讓有domain knowledge的成員去發展創新的作法，如果只重視工具就會被侷限應用。被問到要如何讓主管理解導入AI的好處，「重點是資料透明化，讓stakeholder了解如何根據這些不變的事實，提出各種假設並加以驗證」高執行長補充。有好的Data governance & infrastructure(資料治理、基礎架構)才能促進組織內不同領域的同仁溝通，然而從資料中找出問題至發展model的過程中仍有許多斷點，所以透過特化工具(如Dashboard, Data catalogue)協助有其必要性。
如何把痛點變成產品是許多AI領域從業人員心中共同的疑惑，從學界走向商界的Appier首席人工智慧科學家 – 孫民則對此分享其見解。「AI專案從idea變product的過程是以AI為技術核心，定義出對的問題(有獲利空間又具有技術門檻)，也就是跨領域的合作，要有領域專家(domain expert)才知道什麼是具有獲利空間的市場痛點，也要有技術專家才可以建置跨越技術門檻的產品」，雙方皆需抱持開放的心態才能推進此過程，從定義一開始的MVP(Minimum Viable Product，最小可行性產品)，到後續的進程(Roadmap)能做到甚麼程度，一步步穩健前進。然而要“Start from scratch”是非常痛苦的，隨著越來越多企業、品牌導入AI，目前已經有來自不同產業的應用模組(specific solution)可以作為參考，再搭配專業的專家團隊，會是比較好的方式(approach)。專家可從既有的資料做初步分析，但資料可能會有盲點甚至是一些偏差(bias)，所以專家團隊會找出機會點，設計小實驗確認盲點不存在後，進而確認是不是有機會點存在。而為了能有效率地在不同渠道做實驗，使用能快速試錯的自動化工具就非常重要，在不影響線上營運的前提下，也能獲得(有價值且沒有盲點)結果，進而看到導入AI的成效。每個成功的點，再模組化，讓後續的系統可以透過簡單設定(Configurable)，針對不同使用情境，利用AutoML輕鬆找到客製化的最佳解決方案。
談到要如何降低收集資料過程對資金與人力帶來的負擔，「因為資料不一定完全正確，很多時候你會發現時間都花在清洗資料，這的確是一個成本，也會影響企業後續投入的承諾」iKala共同創辦人暨執行長 – 程世嘉補充。對於紛紛投入導入AI的企業，程執行長建議應該要先反思AI對其核心本業(商業模式)能帶來甚麼影響，因為現今AI所創造出來的產值，其實大多是就既有的商業模式進而提供加值。此外，數位轉型並不僅是單一部門的職責，企業內部需要成立跨領域的團隊才能達成一致性(synchronization)，然而不論是大型或中小型企業，專案團隊都要能持續透過不同的小型專案顯示成效，才能成就最終的成功。
Landing AI的產品副總(Product of VP) – Kai也補充，一個重要的概念是”Start small”，在導入AI的過程中持續累積里程碑，而非一開始就想要全壘打，因為推動的過程中會有許多未知(unknown)，反而會變成讓AI落地的阻礙。
- 了解更多：
活動對談影音1. PIE & AI：釋放AI真實力 掌握疫後高價值商機 (上)_疫情加速製造業實現AI落地
活動對談影音2. PIE & AI：釋放AI真實力 掌握疫後高價值商機 (中)_疫後產業新常態：AI應用與數據分析為核心
活動對談影音3. PIE & AI：釋放AI真實力 掌握疫後高價值商機 (下)_企業導入AI之關鍵
