沒有精良的使用案例,人工智慧無法改變公司

AI Won't Change Companies Without Great UX
麥克.許瑞吉 Michael Schrage
瀏覽人數:3772
即使是出色的演算法,也需要精心設計。

隨著人工智慧演算法滲入企業,組織學習變得和機器學習一樣重要。聰明的管理團隊,該如何讓更智慧的系統創造最大的經濟價值?

重新設計商業流程和加強訓練都很重要,但是,更好的使用案例(use case, UX)可帶來更大的回報;所謂使用案例,是指真實世界裡的任務和互動,而那些任務和互動,決定了每天的商業成果。讓較聰明的演算法凌駕在精心構思的使用案例之上,是我在目前的企業人工智慧行動方案中,見到的最嚴重錯誤。把優化流程技術,看得比工作實際上如何做更重要,是個錯誤。

除非我們真的把流程自動化,也就是把人類從整個流程中排除,否則人工智慧演算法應該讓人的工作做起來更簡單、更容易,而且更具生產力。找出一些使用案例,讓人工智慧對人的績效增添的價值,不亞於對流程效率增添的價值,是成功企業採行人工智慧的必要條件。相反的,企業如果致力給聰明的機器更多自主和控制權,會把焦點放在治理和決策權上。

從策略上來說,出色的資料驅動演算法,通常不比精心構思的使用案例設計重要。精心構思的使用案例設計,能把機器學習系統訓練得更好,變得更聰明。我認識的那些成效最高的資料科學家,從使用案例和使用案例驅動的見解來學習。舉例來說,在一家工業控制公司,資料科學家發現,他們智慧系統的一名使用者非正式地使用一套資料集,協助排定顧客反應的優先順序。這個出乎預料的使用案例,導致他們重新訓練原始的演算法。

聚焦在更清晰、更簡潔的使用案例上,意味著人工智慧和使用它們的人類之間,建立起更好、更具生產力的關係。分工成為設計靈感和探索的源泉。為了追求更好的結果,企業從訓練更聰明的演算法,轉向研判使用案例應如何演變。這會同樣驅動機器學習和組織學習。

當組織選擇把因人工智慧而力量更強的人員和流程,放在獨立自主的系統之前,便有五大使用案例類別出現。不出所料,這些類別描述了智慧型實體設備如何攜手共事,以完成工作,並且凸顯個人的接觸仍然重要。視人員、流程和理想的結果而定,人工智慧能使人的因素更加重要。

助理

Alexa(亞馬遜)、Siri(蘋果)和Cortana(微軟)已具體呈現真實世界中人工智慧助理的使用案例。以亞馬遜(Amazon)十分貼切的措辭來說,助理擁有各種技能,能執行中等複雜的任務。不管是透過語音,還是聊天機器人(bot),簡單明瞭的介面可讓助理用起來快速且容易。它們要能發揮成效,除了取決於演算法的精細複雜,另外同樣重要的是,人們必須真的知道自己需要什麼。隨著數位助理變得更聰明、懂得更多,它們執行的任務範圍和內容也會擴大。效能最好的助理,學會以即時的問題和關鍵字詞來提示使用者,以改善互動和結果。

引導者

助理執行使用者要求它做的任務,引導者則協助使用者度過任務的複雜過程,以取得理想的結果。利用位智(Waze)開車通過受到建設工程干擾的市區,就是這方面的一個例子;使用擴增實境(augmented-reality)工具來診斷和修復行動裝置或暖通空調(HVAC)系統,是另一個例子。引導者以數位方式,顯示和告訴它們的人類使用者,接下來應採取什麼步驟。萬一出錯,就會建議替代路線,以達到成功。引導者是聰明的軟體嚮導,專長是努力把使用者帶到他想去的目的地。

顧問

顧問和引導者截然不同,它的專長遠遠超越導航和到達目的地。人工智慧顧問可有廣泛的使用案例,包括勞工需要恰好即時的專業知識,或量身打造的建議,以解決問題。這種顧問和人類顧問一樣,會提出各種選項和解釋,而不只提出理由和依據。軟體開發專案經理要評估排程上的權衡取捨;人工智慧顧問則問一些問題,並要求一些資訊,好讓它能做出明確的下一步建議。人工智慧顧問可以包括相關的連結、專案歷史和報告,提供事情的來龍去脈。更複雜精密的顧問會提出策略性建議,和它們的戰術性建議相輔相成。

顧問會針對人類客戶的使用案例需求,量身打造它們的職能知識:排程、預算編製、資源配置、採買、採購、圖形設計等。它們是機器顧問,不帶感情地提供他們的領域專業知識。

同事

同事就像顧問,但會透過資料驅動的方式和分析,來了解組織本身的情況。也就是說,同事的領域專長是組織本身,同事能取得相關的工作場所分析、企業預算、排程、計畫、事項的優先順序和簡報,以提供組織方面的建議給同事。同事的使用案例,主要是為了提出建議給經理人與員工,好讓他們在企業中工作更有效率、更有成效。人工智慧同事可能建議去參考一些資料,或是在電子郵件附加簡報;建議向哪一位專案領導人徵詢建議;適合套用哪一種預算範本;哪些客戶聯絡人需要早期預警等。同事比較像協作者,而不是工具;它們提供以資料驅動的組織見解和提醒。它們和人類同事一樣,你可以向它們測試某些想法是否可行,協助你釐清溝通內容、願望和風險。

上司

同事和顧問提出建議,上司則發出指示。人工智慧上司告訴人類接下來要做什麼事。上司使用案例會消除選項、選擇和曖昧不明,而發出指示、指揮和指令,讓人遵循。例如:開始做這件事、停止做那件事、改變這個排程、縮減那項預算、把這份備忘錄傳給你的團隊。

人工智慧上司的設計是要讓人服從和遵循;整個流程裡人類必須聽從系統中的演算法。人工智慧上司意味著無可避免會導向獨立自主,它就像工作場所版本的自動駕駛系統接管飛機駕駛艙,或是自動防撞系統踩下剎車器。特定的使用案例和狀況,促使人類遵從軟體的命令。但上司軟體的真正考驗是人類:如果人類拒不從命卻不會遭到懲罰或解雇,這套軟體就不是真的上司。

如同最後一個例子顯示的,這些截然不同的類別,可以很快就模糊界線,跨入另一個類別。我們很容易想像一些情境和使用案例,讓引導者成為助理,助理在某些情況中升級為同事,而顧問變身成為上司。但這五個類別呈現的根本差異和區別,應該可以讓我們採用真正嚴謹和有紀律的態度,來想像它們的未來。

全部這五個類別都隱含著信任。員工是否信任他們的助理,去做它們獲告知要做的事,或者,是否信任引導者會帶領他們到他們想去的地方?經理人是否信任人工智慧上司的能力?經理人是否信任人工智慧同事不會背叛他們?信任和透明的議題會一直存在,無論人工智慧軟體變得多麼聰明,而且,隨著作成決策的理由變得極其複雜和深奧,信任和透明的議題會變得更重要。一個風險是:這些人工智慧會演變進步或退步,成了「亦友亦敵」(frenemy)的關係。也就是說,軟體對於與它互補的人類來說,既是朋友,也是對手。因此,使用案例變得極為重要,可用來確認哪些種類的介面和互動,有助於促進人類與機器之間的信任。

在賦予聰明的人/聰明的機器力量,以發揮生產力方面,使用案例也許十分重要。但現實告訴我們,使用案例的最終價值,可能在於它們可以多麼深思熟慮地往更自動化、更具自主性的方向邁進。這些類別對組織的真正衝擊和影響,可能在於它們是人類訓練接班人的最佳方式。(羅耀宗譯)



麥克.許瑞吉 Michael Schrage

麻省理工史隆管理學院數位商業中心(Center for Digital Business)研究員,著有《認真玩創新》(Serious Play, HBR Press)、《你想要顧客成為什麼樣的人?》(Who Do You Want Your Customers to Become? HBR Press)和《創新者的假設》(The Innovator's Hypothesis, MIT Press)等書。


本篇文章主題技術