#天下專欄 #實踐全AI前 #先借力人機混合
☺︎ AW#18 正式開始接受申請，歡迎所有 AI / blockchain 新創加入 appworks.tw/accelerator
經營創業加速器的關係，過去兩年貼身觀察了數十家 AI 新創，有一個重大啟發，我覺得可以與大家分享，那就是在現階段，在絕大多數應用領域，全 AI 都尚不實際，相對的，人機混合 (Hybrid AI) 往往才是最佳解。
所謂人機混合就是讓 AI 與同仁一起協作，來解決企業的問題，提升效率、減少犯錯、降低成本。
目前我們看到的成功 AI 應用案例，包括安全監控、健身直播、線上翻譯、銷售、客服、行銷、顧客關係管理等等，都是利用人機協作而達成的，且往往是由 AI 去解決第一線、邏輯單純、重複性高的問題，再由同仁接手處理第二線、突發、需要較複雜判斷的工作。
在我看來，混合 AI 的設計主要有以下幾項好處：
一、#建置成本較低、#上線時間短 —— 全 AI 需要把所有進階、偶發狀況都完成訓練才能運作，而且這些情境的資料往往很難收集。相對的，混合 AI 只需要把核心、常見狀況建置完成，就可以上線，這些狀況的資料往往相對豐富，所以自然更快、費用更低。
二、#向下相容 —— 混合 AI 往往可以架構在既有業務系統之上，上線後同仁無須經過太多額外訓練，就可以帶來降低員工負擔、提升營運速度、減少失誤等好處。
三、#帶動_Data_Pipeline —— 混合 AI 開始使用後，往往也讓資料管道大幅擴充，更多核心活動的資料會持續流入，可以拿來反饋到模型中提升準確性，同時非核心資料也會開始積累，讓未來訓練 AI 去做這些新判斷，變得更加可能。
四、#更容易得到同仁支持 —— 全 AI 代表人類工作的消滅，而混合 AI 則代表人類工作的提升，因此實務上，在企業內部推行混合 AI，阻礙往往遠低於全 AI。
因此，無論你是 AI 創業者、或是想導入 AI 來邁向 21 世紀的企業，在這個時間點，面對大多數 (對 AI 來說) 相對複雜的問題，我都會建議你優先考慮人機混合設計，增加專案成功機率，減少因挫敗而讓 AI 蒙受污名，進而損失未來的風險。
#MachineLearning #DeepLearning #ComputerVision #NLP
