【TechOrange 編輯部導讀】

多數企業期盼透過導入 AI,達到服務營運優化、增進產品/服務功能、加強市場行銷等效益。但在這個經濟衰退的時期,企業主該如何判斷是否要持續將資源投入在 AI 項目上呢?

PwC 全球首席人工智慧長 Anand Rao 日前接受外媒 Venture Beat 採訪時指出,AI 項目的盈利能力將是重要關鍵,並提供企業主在 2023 年布局 AI 項目的方法。

受通膨升息、地緣政治與俄烏戰爭影響,2022 全球景氣開始由盛轉衰,全球企業如 Meta、Twitter 以及亞馬遜等科技公司都迎來了裁員潮。

尤其多數趨勢預測對 2023 年整體市場前景相對不看好,讓許多企業開始思考是否要放緩在組織內導入或開發 AI(Artificial Intelligence)和 ML (Machine Learning)的腳步。

策略一:重新建立對 AI/ML 模型投資報酬率的概念——「預測準確度」

不少公司剛開始一頭熱想進入 AI/ML模型的開發,卻發現無法評估其能為企業創造的價值,外媒 Venture Beat 日前採訪 PwC 全球首席人工智慧長 Anand Rao 時就提到,AI/ML 無法直接套用過往企業慣用的「投資報酬率」公式或思維,因為模型的價值來自於「預測準確度」

目前多數企業導入 AI/ML 時使用的監督式學習法(Supervised Machine Learning),這種方式需要大量的資料數據資料並進行標註(label),而模型「預測」的結果是否準確、能否成為可執行的項目,很大關鍵取決於這個看似簡單且制式化的標註工作,而只有優秀資料科學家,才有機會做好能訓練出優秀 AI 模型的資料標註邏輯。

此外,AI/ML 做出的判斷結果就算是最佳解,也可能會因為各種因素而無法落地執行,這些都是模型難以被衡量價值與量化其成效的原因。

在這經濟低迷的時期,領導者是時候重新建立對 AI/ML 模型投資報酬率的概念。」Rao 在採訪中表示。

簡單來說,在這經濟不景氣的時候,過去的 AI 投報率概念應該要被打掉,並重新聚焦在模型的準確性上。

策略二:建立「多元模型組合」,分散風險

若公司需要根據經濟狀況調整目前 AI 運行的腳步,可以從建立「多元模型組合」開始著手。

「這個多元模型組合中,建議配置一些專案資源在開發新模型,部分是日常維運,另一部分才是使用現成的、已被驗證過準確度的通用模型來獲利。」Rao 進一步解釋,若公司僅重視模型所帶來的實質投報率,其實有不少模型已被大量驗證(又稱應用 AI, Applied AI),不見得要自己開發,因此建議企業可以放一些資源來測試新技術、開發新模型,雖然成功率較低,但只要開發成功就有機會獲得不斐的投報。

此外,建議留意計畫風險,除了追求準確性,模型更應該有公平性、穩健性和安全性等特性。

簡單來說,企業的姿態應該不保守但也不激進,在發展 AI 模型時,應該要更多元,有現成的 AI 模型就拿來用,不要再自己從頭開發一個新模型。

TO 延伸閱讀:數位轉型如何由概念走向實踐?規模化 AI 應用請參考 ModelOps

策略三:AI 人才流向逆轉,正是招聘好時機

過去幾年 AI 相關人才身價水漲船高,企業不吝透過天價高薪來延攬人才,相對高薪也讓 AI 人才的投報率開始被放大檢視,但這樣的場景在全球不景氣的狀況下可能會逐漸被修正。

隨著市場熱度降低,不少科技業人才面臨凍結甚至釋出,不過若從另一方面來看,資訊科技領域之外的公司將更有機會尋求到優秀人才,對正在鋪墊 AI 策略的企業來說,可能不失為一個能用更合理薪酬招攬到人才的好機會

簡單來說,科技業正在釋出大量 AI 人才,其他產業要保握這個絕佳機會,去聘僱專業 AI 人才,來加速衝刺公司的 AI 策略

*本文開放合作夥伴轉載,參考資料:venturebeatphdata,首圖來源:Pexels

(責任編輯:游絨絨)