如何將 AI 人工智慧導入公司 | Jeffrey Talks
智慧門診、智慧城市越來越多與人工智慧 AI 結合的科技出現在我們身邊，但對於公司老闆來說到底要怎麼開始引入 AI 並提升公司價值才是個大問題。對於 PM 來說，如何定義一個好的 AI 專案也相當令人頭痛。
前陣子在科技界被稱為「AI 大神」、「Google Brain 之父」別稱的吳恩達來到台灣演講「人工智慧的下一步是什麼？」(科技報橘專訪)，其中許多內容來自吳恩達的 How to lead your company into the AI era，給予公司單位引入 AI 的步驟與建議，此篇文章將內容翻譯成中文。
AI 人工智慧如同 100 年前的「電力」正在鋪天蓋地席捲每個產業，從現在到 2030 年，預計會創造 $13 兆的 GDP 成長。當軟體業的科技巨擘 Google, Baidu, Microsoft 和 Facebook 透過 AI 開始創造了巨大的價值，未來將會有越來越多價值將透過人工智慧創造。
這篇文章將分享 Google Brain team 和 Baidu AI Group 團隊的專案經驗，將Google 和 Baidu 轉換成優秀的 AI 公司。雖然任何公司都有可能透過這篇文章將公司轉型成強大的 AI 公司，但實際上這篇文章最適合市值在 $500M 到$500B 美金的公司。
以下步驟可以將你的企業導入人工智慧的技術，下面會有詳細的說明：
- 透過試驗性的專案建立里程碑
- 在公司內部打造自己的 AI 團隊
- 公司內部教育訓練
- 制定 AI 策略
- 內部與外部溝通
一、 開始試驗性專案建立里程碑
相較於追求行業裡最高價值的 AI 專案，先做出第一個有效果的 AI 專案更為重要，讓公司獲得採納 AI 的動力。一來公司會更熟悉 AI 同時也會說服公司投資更多 AI 相關的專案，但這個試驗性的專案也不能小到太可有可無。
對於第一個 AI 專案的建議：
- 團隊的組成可以由瞭解整個行業、擁有 domain knowledge 的內部團隊跟新成立或外包的 AI 工程團隊合作，AI 工程團隊不需要相當瞭解這個行業。內部團隊和外部的 AI 團隊要一起想 AI 的解決方案，最好在 6 ~ 12 個月就能看到成效。
- 專案必須很有彈性，太多公司異想天開地想了很多專案，但現今的 AI 技術卻無法達成。
- 專案有清楚且可衡量的目標，藉此創造商業價值
當年吳恩達當年帶領 Google Brain 團隊，即使是 Google 那時也對 deep learning 的技術半信半疑。吳恩達選擇將 Google Speech 團隊當作第一個內部客戶，讓 Google Speech 的語音辨識率更加準確，開始建立公司和其他團隊對於 Google Brain 團隊的信心。
一旦其他團隊看到成功的案子，就願意跟我們合作。我們在內部的第二個客戶就是 Google Maps，透過 deep learning 技術提升地圖資料的品質。在這二個專案後吳恩達才開始接觸 Google 廣告團隊，一直重複這樣的模式在 Google 開始進行更多 AI 專案。
二、 在公司內部打造自己的 AI 團隊
當外包的 AI 技術團隊幫助公司獲得初步的成果後。長期來看，最有效的方式是建立內部的 AI 技術團隊，繼續在公司內透過專案打造獨特的競爭力。
建立團隊要由高層著手進行，如同網路時代開始蓬勃發展的時候，許多公司開始聘用一位 CIO 制定網路的整合策略，這就是關鍵的轉折點。相較之下，如果從數位行銷、資料分析到網站上線都是獨立作業，沒有一個整合和凝聚性、規模化的策略方針，將如同一盤散沙。
在 AI 的時代，關鍵在於 AI 團隊能否幫助整個公司，如果公司的 CTO, CIO 或CDO 對 AI 技術有一定的理解，AI 團隊可以歸屬在他們底下，不然要有個 CAIO (Chief AI Officer) 來領導，AI 團隊的關鍵職責包含：
- 建立 AI 能力協助公司
- 開始跨部門的 AI 專案，完成第一個專案後，建立相關流程持續進行有價值的 AI 專案。
- 制定招募 AI 人才的標準和評估機制
- 以公司部門或跨公司合作為考量，建立數據規範或公開平台，例如與CTO/CIO/CDO 定義的倉儲資料儲存的格式。
有些公司有許多分公司，分公司的主管往往會回報給 CEO。在多了一個 AI 部門後， AI 部門可以跟分公司進行個別的專案。
新的工作職位和組織架構因應 AI 慢慢出現，像是機器學習工程師(Machine Learning Engineer), 數據工程師(Data Engineer), 數據科學家(Data Scientist) 和 AI 產品經理(AI Product Manager)，一個好的 AI leader 可以提供開發流程上的建議。
現在是搶奪 AI 人才的戰爭，但大部分的公司不可能去聘一個 Stanford AI 博士生或大學生，短期來說聘用 AI 人才是一個零和遊戲(如果一方得益，另一方必然損失)，會建立 AI 團隊的招聘夥伴會帶來巨大的優勢。然而訓練現有的團隊也是一個方式。
三、 公司內部教育訓練
現在大多的公司沒有足夠的 AI 人才，當媒體過度炒作 AI 產業，過高的薪水會造成公司更難找到 AI 人才。但隨著網路線上課程的普及，員工可以透過 Coursera, ebooks 和 YouTube 影片學習 AI 相關知識和技術。公司內如果有 CLO (Chief Learning Officer)，他的工作並非創造新的內容而是 curate，發掘適合公司員工的優質內容，並建立一套流程讓員工完整地學習。
10 年前，員工的教育訓練大多是請顧問或老師到辦公室上課，但是這相當沒有效率，投資報酬率也不明顯。線上課程反而更能依據個人需求做選擇，費用也較為公司能負擔的範圍。如果公司有足夠的費用請顧問，顧問應該要解決員工從線上課程學習後，那些延伸的問題，帶入翻轉教室的概念。以史丹佛大學的校園課程為例，邀請一些 AI 專家並納入學生個人的一些問題作為課堂內容，這樣的方式也能激勵其他員工學習。
AI 會改變許多工作，在 AI 的時代我們需要有相應的知識轉換成適當的角色。向一些專家諮詢會讓你發展出一些專屬你團隊的課程，基本課程像是：
業務和業務主管： (⩾ 4 小時以上)
目標： 讓業務瞭解 AI 可以為公司做什麼，開始制定 AI 策略，適當分配人力資源，協助 AI 團隊創造出有價值的 AI 專案。
課程：
- 瞭解 AI 與產業發展的方向，像是 AI 的基本知識、資料和 AI 能做什麼跟不能做什麼
- AI 對於合作廠商和公司策略上的影響
- 研究與你產業相關的 AI 應用(軟體或硬體)、實際案例
AI科技的相關新聞和市場資訊，我推薦 Venture Beat 這個網站。與 AI 專案相關的部門主管和專案執行者： (⩾12 小時以上)
目標：部門主管要可以設定 AI 專案進行的方向、分配資源、監控和追蹤進度和調整專案方向或內容確保專案成功進行
課程：
- 瞭解 AI 與產業發展的方向，像是 AI 的基本知識、資料和 AI 能做什麼跟不能做什麼
- 學習 AI 技術的基本知識，包含演算法
- 瞭解 AI 專案的 workflow 和流程、專案參與者的角色、分工和管理
AI 工程師： (⩾100 小時以上)
目標： AI 工程師需要蒐集資料來訓練 AI models 並發佈 AI 專案。
課程：
- 對於機器學習和深度學習的充分瞭解與實作能力; 會使用常用的 AI 工具
- 知道哪些開源和第三方工具可以建立 AI 和 data systems
- 執行團隊的 workflow 和流程
- 除此之外，持續瞭解和學習最新的 AI 技術
四、制定 AI 策略
AI 策略可以帶領公司創造價值並建立公司獨有的優勢，一旦公司看到 AI 專案帶來的影響就會開始投入資源。
業務單位會將制定 AI 相關策略當作第一步。在吳恩達過往的經驗中，大多的公司沒有一個深思熟慮的 AI 策略，這邊提供 3 點建議：
1. 有連貫性的策略，發展獨特的 AI 資產
在 Michael Porter 的著作中，建立一間優秀的公司的首要條件是在連貫性的策略下建立許多不可取代的資產，AI 可以協助公司取得特有的競爭優勢，讓競爭者難以複製。
2. 針對你的產業，透過 AI 建立競爭優勢
只有 Google 這種銀彈充足的公司才能在各個領域發展 AI 技術，一般公司請在自己的產業中開發公司的 AI 能力。
3. 設計良性產品循環的策略
對於一些產業來說，透過用戶資料的累積可以建立起商業上的優勢。以 Google, Baidu, Bing 和 Yandex 為例，這些較大的搜尋引擎都知道用戶在搜尋之後點了哪些連結，這些資料幫助他們建立更精確的搜尋引擎產品，獲得更多用戶。
對於 AI 產業來說，data 是關鍵而珍貴的資產，此外許多 AI 公司對於 data 有較複雜的策略方針，一些關鍵像是：
(1) 策略性地取得 data
AI 系統可以從 100 資料點(“small data”) 到 100,000,000 資料點 (“big data”)，data 的蒐集向來是多多益善。像 Google 和 Baidu 都有許多免費產品，並非是以盈利為導向，但透過蒐集許多用戶資料讓他們在其他業務盈利。
(2) 整合用戶資料
如果你有 50 個不同的資料庫，分別掌握在不同部門或主管底下，對於工程師或 AI 軟體開發會提升取得資料的難度。思考如何將資料集中管理或適當地分散成幾個資料儲存中心。
(3) 判斷資料的價值
擁有幾 terabytes 的 data 並不表示 AI 團隊就能從中創造價值，期待一個 AI 團隊神奇地從大量的 dataset 創造價值往往會失敗。吳恩達常常看到 CEO 過度投資在低價值的 data 上，甚至僅僅是為了公司的 data 買下一家公司。為了避免這樣的問題發生，要將你的資料做優先度的排序。
4. 創造網路效應和平台優勢
AI 可以建立技術壁壘，舉例來說，能夠創造網路效應的平台有相當高的商業價值，通常會有「贏者通吃」的現象，有些公司透過網路效應快速成長，有些則是快速消失。
相較於你的競爭者，如果 AI 讓你更快獲得用戶，你可能已經擁有優勢。總體來說， 你也可以將 AI 當作創造高價值、降低成本的關鍵要素。
五、內部與外部的溝通
AI 會影響你的公司營運，你需要與公司裡的利害關係人溝通，並確保前進的步調相同。下面你對各種利害關係人要思考的點：
1.投資人
清楚地解釋 AI 能為公司創造的價值，描述 AI 技術的成長和擁有一個深思熟慮的 AI 策略會幫助投資人瞭解公司。
2.政府關係
有些公司和產業受到高度管制，例如自動駕駛和醫療產業。面對這些管制，可以透過 AI 的使用情境和故事說明專案價值，並與管理者直接溝通和持續對話。在 AI 專案發佈的時候，建立社會上的信任和好感，這是相當重要的一步。
3. 顧客
AI 可能對顧客帶來重大的利益，要確認行銷和產品的訊息有傳達給顧客。
4. 人才/招募者
由於 AI 人才的缺乏，公司形象和 HR 的能力會影響招募的結果。AI 工程師想做興奮和有意義的專案，適當地展現公司目前的成果有助於招募。
5. 內部溝通
由於 AI 人工智慧尚未被一般大眾普遍瞭解，在某些時候會媒體被過度炒作，這過程中夾雜著不確定性和恐懼。許多員工會擔心自己的工作被 AI 取代，透過內部溝通可以降低員工的疑慮。
這篇文章對你的成功至關重要
以過去「網路」帶動各行各業的成長作為借鏡，有助於在 AI 的時代走向正確的方向。過去很多企業都在網路時代犯錯，希望在 AI 時代避免。首先在網路時代中：
購物中心 + 網站 ≠ 網路公司
即使一間購物中心有了自己的網站並在網站上賣東西也不等於購物中心已經轉型成貨真價實的網路公司。
定義一家網路公司的依據是：是否公司曾經規劃進行「網路可以讓你的企業更加有價值、做更好的地方」？
例如很多網路公司會做 A/B testing，將 2 個版本推上線，比較哪一個成效比較好。一間網路公司可能有幾百個這樣的實驗在同時在進行，這就不可能在實體的購物中心進行。相較於以往購物中心每一季才推出新設計，網路公司甚至可以每一週推出新的產品。另外網路公司會有像軟體工程師和專案經理等特定職位，有特定的工作流程和合作方式。
在 AI 時代裡，快速成長的 deep learning 如同以前的網路，我們發現：
任何公司 + 深度學習技術 ≠ 人工智慧公司
要讓公司專精於 AI，你需要組織和規劃「AI 可以讓你的企業更加有價值、做更好的地方？」，為此公司需要有：
- 充足的資源並有系統地執行多個有價值的 AI 專案： AI 公司可以外包或在內部建立 AI 技術團隊並執行多個 AI 專案創造商業價值。
- 對 AI 有充分的瞭解：公司員工對 AI 有基本的瞭解，透過適當的篩選流程 選擇有價值的 AI 專案。
- 策略和方向：公司的策略與 AI 賦予的未來有一致的方向。
將一間成功的公司變成成功的 AI 公司相當困難，也可以跟 Landing AI 合作，Landing AI 的 AI 轉型方案 (AI Transformation program)，大約要花 2 到 3年，但是要在 6~12 個月就先有具體的成果。
作者：Andrew Ng
Landing AI 的執行長
