在 AI 採用方面，管理人員是否重要？
不客氣！根據顧能的資料，AI 專案失敗比率令人震驚。這不是命運，作為管理人員，要擊破這些統計數字您可以做的事情有很多。過去 12 年中，我很榮幸曾在 Intel IT 的 Artificial Intelligence Group 內擔任各種領導角色。這個團隊創造及產品化了數千個 AI 演算法，並實行了一些實際的方法提高 AI 的成功機率，我希望與您分享這些經驗。
Intel 的 AI Everywhere 計畫就是其中一個新作法，計畫去年起開展，目標為提高在全公司採用 AI 解決各種商業挑戰的成功率和價值。我們透過提供包含諮詢與訓練時間、自助式 AI 工具、創造隨選的端對端 AI 功能，以及培育一個 AI 從業員與狂熱者的大型內部社群的豐富組合，達成這個目標。
經過這一年，我有幸能與公司內許多個人、團隊和領導者對話、諮詢他們的意見，大家都在利用 AI 的旅途上。有些只是剛開始，其他人則在繼續旅程。即使部分挑戰和解決方案僅適用於特定領域，但不同團隊之間都有明顯共通點。我看見其中一個明確的要點是，一個組織的管理人員和領導者參與組織 的 AI 採用進程的程度和方式會帶來真正的差異。它絕非 AI 採用速度的唯一理由，但作為管理人員，我們可以提供協助加快速度。非常顯著。或者至少建立一個實際可行的計畫「正確的」採用 AI。在本文中，我將嘗試概述管理人員或領導者在 AI 採用和主要活動中需要扮演的角色，我相信他們應該參與，令 AI 採用更快速、更成功。
AI 資助者、驅動者，以及啟用者：管理人員和領導者需要擔任的角色
在 Intel 裡，一個組織如何開始它的 AI 旅程，我看過兩種方式：一種是「由下而上」，一位或一小批員工採用 AI 的新作法，然後印證它的價值，取得管理層認同；另一種是管理人員識別出它的潛質，作出決定（行動更佳）要促進 AI 採用，此即「由上而下」。根據我的經驗，如何開始 AI 作法不是其速度，或其成功與否的最佳預測。管理人員參與與否（無論他們是從一開始就參與，還是其後加入）、是否扮演適當的角色，即 AI 資助者、驅動者，以及啟用者的角色，才是非常相關。因此，他們需要確保在過程中投放適當的資源、目標、行動，以及行為。接下來我會喊出我相信，對任何希望協助其組織在應用 AI 技術的旅途上加快速度的管理人員來說最關鍵的 7 個主要活動：
1. 設立組織內 AI 使用規模和方法的清晰策略和目標
當一個團隊剛開始使用 AI，尤其第一次新作法是由下而上生成的時候，還未有即時需要去定義一套「AI 策略」。它更需要的是取得實際的業務成果。然而，如果組織的管理人員希望增加投資，並加速 AI 採用速度，他們應開始定義一套 AI 策略和目標。
當然，事情很可能隨時間改變，亦很可能需要策略調整，但仍比全無策略好。
在定義策略與目標時應回答的一些問題：
- AI 會否由團隊中的個人完成，還是外包予其他團隊或供應商？
- 是否有建立一個 AI 卓越中心，或在整個組織分配 AI 工作的目標？（即使已外包部分或所有工作）
- 計畫好初始規模：小巧地開展（例如使用開箱即用的工具和追求容易達成的目標）或是您會追逐大的目標、建立量身打造的功能呢？
- AI 採用的成功如何衡量？投資報酬率？產品化功能的數量？其他內容？
- 採用速度：您要放手一搏追逐規模，或是循序漸進增長的投資？
定義 AI 策略的一個直接含意是，您將需要在組織內有一個增加 AI 知識的清晰計畫：
2. 在您的組織定義 AI 技能的「金字塔」和 AI 知識成長計畫
AI 順利在我們家居生活的每個範疇中成為一種核心技術，最終在我們工作中亦將如此。謹記這個主張，我深信所有員工都需要培養他們的 AI 知識和技能。我並非打算讓任何員工成為 AI 從業員。我視它為一座金字塔，它的基底是全體員工應有的 AI 知識，伸延至頂部，則是每個組織都可以並應根據他們的 AI 策略和目標定義不同的「AI 角色」。一個組織的「AI 知識金字塔」應反映其 AI 採用計畫有多進取，以及其多少 AI 功能希望從內部培養、多少與外部夥伴合作而來。
在下列範例中（圖 1）：3 個存在的主要 AI 角色，包括「每個人」、「AI 冠軍」，以及「AI 專家」。
這裡的假設（也適用於 Intel 的許多組織）是每位員工都需要瞭解基本的 AI 概念。這樣我們就可以根除恐懼和反對，並有助識別機會。更甚者，如果能採取它，這是會發生的事，他們也會變得更開放，願意改變他們工作的方式以適應 AI。至少在某程度上會。
金字塔接下來兩層的特定定義如下，因應團隊而異，部分會進一步突破，其他的則有所不同。
這是底線：請確保您可以清楚瞭解誰該學習哪些技能，以及他們如何學習。有些組織會組裝野心勃勃的「大爆炸式」AI 技能提升計畫，其他組織則會選擇讓技能提升慢一點、速度更自然。所有 AI 技能提升方法都有效，只要他們與組織的 AI 策略和目標一致即可。
3. 利用您的現有資料，聰明地投資改善它
資料應該是最重要的 AI 啟用者。那不代表在您令組織所有資料完美之前，您無法應用 AI。事實上根據我的經驗，如果組織在實行漫長而昂貴的「資料基礎專案」的同時，未有透過他們的資料衍生出清晰的商業價值，他們通常會停止資料基礎工作，讓所有參與的人感到挫敗。我建議從您擁有的，或您相對容易獲取的資料開始，盡您所能創造最高價值的 AI 功能，然後建基於您的成功，您可以慢慢增加在採集更多資料的投資。我強力建議，在您「資料進化」的每個階段都不會是一種「資料囤積」。取而代之，收集您清楚看到如何收集及可以用以進行什麼的資料，並確保您增長中的資料組帶來持續的商業價值增長。您對您資料的價值有越多驗證點和信心，就能邁向更大的目標，包括收集現時不存在於任何系統的資料、徹底改變收集資料的工具和工作方法，甚至創造一個全新的資料平台。
4. 管理變革：由上而下及由下而上
無論是創造更優秀的資料還是鼓勵 AI 採用，您會很常面對異議。有些異議可能由於恐懼或保守思想，但如果 AI 採用過程經妥善管理，可以消除許多反對聲音。在我的經驗中，光是「由上而下」，即定義清晰的策略和目標、下載給員工，並假設大家對每種新 AI 功能的實作都順暢，這樣的管理變革並不足夠。我看過最有價值的 AI 功能需要身為人類的專家和 AI 之間有某程度的協作。它可以是預期專家利用 AI 建議改善輸出，或者專家只需提供回饋或改善的資料讓 AI 成功，或是它只需專家不要只要有機會時就把 AI 功能關掉。無論如何，如果終端使用者沒有參與這個過程，也沒有被訓練/授權/確保為了他們的最大利益利用 AI 的話，實作很可能會失敗。因此，終端使用者和專家需要在早期已經參與，無論是在特定的功能級別，還是組織行進的整體方向。不單是反對聲音會大幅減少，因此成功的可能性亦會增加，他們最有可能帶來令人驚豔的想法，並顯著地加速過程。
5. 選取具清晰投資報酬率和業務目標的合適使用案例
根據我的經驗，如果在使用案例選擇階段有花費足夠的精力和監督的話，AI 失敗十居其九都可避免。我尤其對管理人員有所期望的，是要確保團隊和任何決策者完全瞭解一個 AI 構想的可行性（查看圖 2）、風險和潛在價值。我把管理人員當成門衛，避免針對特定 AI 構想或整體技術的偏見，讓其對潛在問題視而不見。那不是說只要認真對待您在推進的 AI 構想，您就能避免將來的 AI 專案會遇到的所有障礙與困難，但至少您會意識到風險。更重要的是您會向自己和團隊發問困難的問題，確保有足夠的商業價值可取，以忍耐並克服可能帶來的挫折。
6. 根據任務的關鍵性和複雜性指派合適的人員
現在您大概發現我深信不是所有 AI 構想都生而平等。因此沒有一套一體適用的所需技能組合。然而，我看到一個典型情境是管理人員僅指派資料科學家或受訓中的資料科學家著手一個構想。而當您希望處理演算法那邊的東西時，資料科學家通常是合適人選，但通常他們也還不夠。尤其是追求更複雜、整合式，以及轉化性 AI 專案時。為增加更複雜 AI 構想順利投入生產並產生高效業務影響，建議參與的主要角色包括：
- 資料科學家：主要負責在考慮已定義的規模和目標後建立最適合解決問題的演算法。
- 主題的專家：對要解決的問題擁有深入的商業觸覺，並可激發決策，最大化業務成果（例如如何及什麼資料要處理、如何正確定義要解決的問題、如何開始整合和執行 AI 解決方案作為業務過程的部分等等）。
- 機器學習工程師/AI 平台工程師：就業務問題及資料科學家創造的演算法最佳化的端對端 AI 解決方案，負責其架構及執行。他們需要精通現代的 AI SW 和 MLOP 實務。
- AI 產品/專案經理：深入精通產品/專案管理以及 AI 技術的人員。他們需要有帶領多重專業的團隊經過 AI 構想定義及執行、產品化及最大化隨時間的永續商業影響的經驗。
- 整合商：在適用的情況下，與可把 AI 功能整合到現有程序，並能夠做出必要的變更令 AI 整合盡量順暢的個人及團隊緊密合作非常有利。
- AI 資助者：一個在著手 AI 構想的過程中可協助影響和消除障礙、居領導地位的人。包括而不限於資源分配、作出 POR 決策，以及塑造等級合適的決策，讓成功最大化。通常這是您作為一名管理人員可擔任的最關鍵角色，以加快您的 AI 採用旅程整體速度。
7. 設定預期和耐心：轉型需要時間和投資
這是最後，也大概是我要特別給管理人員和領導者的最重要意見。如果您已讀到這裡，表示您已作出或認真地考慮作出實際投資，讓 AI 在您的組織中運作。如此，您希望確保您的投資報酬率夠大。而且夠快。然而根據我的經驗，達致「足夠投資報酬率」總是比大多數人預期的過程更長、更複雜。原因有好幾個：AI 仍然是一個嶄新而通常為入侵性的技術；如果處理不當，對您的業務會帶來可見又真實的風險。此外，從成功的 POC 到產品化的路途總比預期中長。最後，如果充分利用其潛力，AI 可讓您營運業務的方式真正轉型。而轉型需要時間、投資和耐心。下圖 3 顯示一個典型的 AI 成熟度圖表，包括 AI 採用的不同階段、它們的特色和典型持續時間。它並非旨在讓您灰心喪氣，而是讓您對成果、以及何時預期成果設定更現實的期望。
您從這裡走到哪裡？
現在可能縈繞在您腦海中的一個問題：「讀過並跟從全部 7 個步驟了，我可以保證事情可加速進行嗎？」那麼，答案是：「也許吧。」如我曾提及過，即使處理完善，採用 AI 通常比最初預期的過程更漫長、資源更密集。然而，如果妥善處理，無論您選擇成為您組織的 AI 資助者、驅動者，啟用者，或是所有角色，您都會大幅提高您成功的可能性，以及可產生的預期商業影響。而這些是很好的動力。