快速進行可行性測試
你聽過「餐巾紙測試」（Back-of-a-Napkin Test）嗎？這項淺顯易懂的實驗源自於知名的物理學家，恩里科．費米（Enrico Fermi），應用於今日的商業情境，想要了解一個人是否能快速掌握一項問題，就是請他在一張餐巾紙的背後寫上他對這項問題的理解。
如果無法使用簡短、清楚的方式描述一個事件、產品或是解決方案，那就表示你可能還不夠透徹地了解它，然而，這也是多數人目前面臨人工智慧的挑戰。
挑戰：在許多企業 AI 的專案中，AI 往往是相對輕鬆的部分，IT 團隊很容易開發出原型，而且初步運行的成效也不錯。但是，從簡單的產品原型與特別清洗過的數據，轉移到實際日常的營運情境，中間將面臨流程再造、組織磨合與運作效率等問題，多數時候難以一蹴可及。
如何解決這項問題？我們建議你快速進行以下 AI 測試十步驟
- 步驟 1：公司目前有「令人感興趣的目標」嗎？這個目標對應到你希望 AI 能夠達成的結果，例如：未來某一筆交易、某一個潛在客戶、某一個帳戶、某一筆銀行轉帳等等…
- 步驟 2：如果提升達成目標的工作效率、或採用更精準的方式之後，能不能帶來重大且正面的商業成效？反之，若是採用人力達成目標時，是否會使用大量資源？
- 步驟 3：若為目標訂定有意義且簡單的分類是很容易的，例如：信用卡詐欺交易（風險分數）、客戶（高/低）長期價值、銀行轉帳（是/否洗錢）等，那這在商業情境上是可行的嗎？
- 步驟 4：假設你已經成功開發出這項 AI 解決方案，並且可以準確地預測，你將如何應用預測資料？跟當前的運用方式有何不同？ （我們需要一個明確的答案，而不是 “nice to have”）
- 步驟 5：用於標記的訓練數據： AI 模型需要訓練。企業是否有紀錄關於這項目標和所需分類的歷史數據？例如過去的信用卡詐欺交易、產生虧損的客戶、又或者是洗錢案件？如果以上皆非，你可以生成一些訓練數據嗎？
- 步驟 6：訓練數據的相關因子：針對這項目標，目前你有收集相關驅動因子的數據嗎？你知道有哪些可能的要素，將導致利潤成長或下降？舉一個簡單的範例，當你已經知道「鞋子尺寸」是影響消費者買單的重要指標，企業卻沒有收集任何鞋子尺寸的紀錄，可想而知這個這項專案將難以推進。
- 步驟 7：你有試著在餐巾紙背後，簡短地摘要你的專案？如果 AI 原型成功了，它是否會帶來可預期的商業效益？
- 步驟 8：你確定需要 AI 來解決問題嗎？問題真的有那麼複雜嗎？
- 步驟 9：你確定透過既有的解決方案或是雲端服務（如：圖像辨識、語音翻譯）無法解決問題？這些套裝 AI 服務其實已經能解決多數的商業問題，你只需下載並使用！
- 步驟 10：你確定過去或者是未來即將使用的資料，符合 GDPR 或是相關隱私法規嗎？結合許多不同來源的數據通常是精準 AI 模型的先決條件。
現在是否覺得評估業務和財務部門導入 AI 變得更具體了呢？至少你現在有了一個可以遵循的架構，該架構幫助你組織當前考量 AI 專案的種種疑慮，進一步衡量 AI 在您的財務部門中，可能帶來的龐大潛力。
準備好進行測試了嗎？
是的，這個模型其實還有更多步驟，但是現在你應該開始準備測試 AI 是否可以解決一些業務問題，並可以從財務部門「最大公約數」的興趣目標開始。
敬請關注本系列，下一篇文章將討論如何結合企業內部或外部合作夥伴，建立 AI 團隊。
本系列由快桅集團（Maersk）全球財務專案負責人 Anders Liu-Lindberg 以及 AI 新創 Enversion 稽核長 Thomas Schultz 兩位作者共同撰寫，經授權後刊登，原文請見此。
歡迎您與我們聯繫
撥打 SAP 專線：0800-885-989
線上專員洽談：https://bit.ly/3li1q7J
加入 LINE@ ：https://goo.gl/RbmeFM
觀賞影音頻道：https://goo.gl/AjjnXL