發展人工智慧,先備好數據基礎設施

Is Your Data Infrastructure Ready for AI?
賽斯.厄里 Seth Earley , 喬許.柏諾夫 Josh Bernoff
瀏覽人數:1088
許多針對人工智慧行動方案的建議,都應該從小型計畫開始做起。然而,分散在不同部門的許多人工智慧試辦計畫,無法為你的企業帶來更廣泛、更具策略意義的好處。企業應該架構一個「本體」,來發展更適合的人工智慧。本文提出架構本體的四個步驟,用一致、周全的方法來發展和調整本體,好讓人工智慧系統變得夠聰明而能產生影響。

現今,每家大公司都在管理快速增加的各種網站、應用程式和技術系統,以便和買家互動,並管理企業中的每一件事,從顧客與客戶,到庫存與產品,全都包括在內。這些系統持續吐出各種數據資料。但即使經過好幾代的投資,花費數十億美元進行數位轉型,許多企業仍然難以利用那些數據來改善顧客服務、降低成本、加速執行那些可帶來競爭優勢的核心流程。

人們原本以為人工智慧(AI)在這些方面可以幫得上忙。但某家大型人壽保險公司一位高階主管最近告訴我(作者之一的厄里):「我們的每一家競爭對手,以及其他產業中和我們規模相當的大多數企業,都已在人工智慧計畫上支出至少數百萬美元,但都失敗了。」為什麼?

我為企業提供資訊科技服務已有二十年經驗,所以知道原因何在:除非公司的數據系統已為使用人工智慧作好妥善準備,否則人工智慧供應商的承諾不會實現。數據被鎖在各自獨立運作的各個部門中,無法取得、結構不良,而且最重要的是,這些數據沒有妥善組織安排,無法用來推動人工智慧發揮效用。相反地,若要獲得人工智慧的好處,企業必須建立一個稱為「本體」(ontology)的東西,這是指對企業所有數據的架構,做出完整的特性描述。

你可能已經讀到有人建議,人工智慧行動方案應該從小規模開始進行(我自己在幾年前也提過這種建議)。這是對的;「輕型人工智慧」(AI Lite)的做法,可以快速獲得一些成果。但隨著各項人工智慧計畫,無可避免地在整個組織裡快速增加,分散各處進行的實驗所產生的限制,會變得更加明顯。當你使用不同類型的(有時是不相容的)數據來源,匯入這類人工智慧程式時,結果會讓你陷入錯綜複雜的境地。不久你就會有大量的一次性人工智慧試辦計畫,連結到你現有的各個數據系統,而這種方式,無法為你的企業帶來更廣泛、更具策略性的好處。

如今,人工智慧的發展已經夠久,因而需要一個更能結合一切的一致做法;這是關鍵,可以把你公司所有的數據整合在一起。而這就是「本體」發揮作用之處。

本體是以一致的方式,呈現你公司內的數據和數據之間的關係,這是一個模型,涵蓋了進入和連結你公司各種不同資訊系統的所有元素:產品和服務、解決方案和流程、組織結構、通訊協定(protocol)、顧客特徵、生產方法、知識、內容,以及所有類型的數據。它是組織的主要「知識鷹架」(knowledge scaffolding)。如果沒有一致、周全的方法,來發展、應用和調整本體,人工智慧系統只能以零碎、零散的方式來發展,缺乏一個可讓它們夠聰明而能產生影響的基礎結構。在人工智慧促成運作的企業裡,本體是資訊設計的核心,隨著人工智慧變得更加普及,對本體的投資將帶來回報。

在應用材料公司建立一個本體

我們來看看一家從事企業對企業(B2B)服務的公司,那就是應用材料公司(Applied Materials),看他們如何發展出一個展現這些好處的本體(我為他們這個專案提供諮詢)。

最近,應用材料公司和一些半導體製造商合作,解決了半導體工廠生產中斷或生產速度減緩的問題,這些問題若不解決,每天可能得耗費數百萬美元成本。在此之前,維持一座工廠運轉所需的知識,分散在應用材料公司14個不同的系統內,所以技術人員得花費多達40%的上班時間,去尋找答案。每座工廠都是獨一無二的,因此為某一座工廠的問題找到正確答案,是既重要又很有挑戰性的任務。技術人員為了保險起見,往往會在他們的維修車上存放很多不同的昂貴零件,因而綁住了數千萬美元的存貨。

這些技術人員需要一致而有效率的工作體驗。但若要建立這種體驗,應用材料公司需要一種方法,把技術人員可用的不同資訊來源都組織起來,並將它們整合到單一的介面。

我們為這家公司打造的本體,包括那些技術人員使用的所有系統內,所有各套詞彙、關係和層次結構。本體定義了下列兩者的關係:一個系統用來指稱某個零件的短名稱,以及另一個系統用來指稱這個零件的庫存編號。我們使用「文本分析」(text analytics)來解析和分類那些故障排除文件,這種方法是從一個模型文件中學習,然後從類似的文件中擷取資訊,並讓所有這些知識都可以使用一種通用語言來取得。我們完成後,創造了具有一套關係主集(master set)的通用語言,將該公司的顧客管理系統、服務單追蹤系統、解決方案數據庫、零件目錄和所有其他系統中的資訊,全部都連結在一起。

接著,我們打造出那個本體之後,就必須將它實際應用在所有的基礎數據上,並將它和技術人員的體驗連結起來,讓技術人員能從通用介面取用這個本體。將每個東西都做了標記之後,應用材料公司將本體納入多個系統和流程中,應用到既有的文件中,把它納入新文件和解決方案的工作流程之中,並將它連結到企業資源規畫系統(ERP)和數位資產管理系統。這讓我們能建立以往很想要建立的新系統,可讓現場技術人員從最適合手頭任務的任何來源,很有效率地取得切合所需的資訊。以合乎邏輯的方式整理的內容群組(group of content),是指所用的整理方式,符合技術人員對目前正在解決的問題的思考方式,也就是符合他們的「心智模型」(mental model);這些內容群組,可協助他們準確地找到在既定語境中(例如故障排除指南)最有用的資訊。

最終產生的系統,讓技術人員用在搜尋資訊的時間減少了一半。應用材料公司估計,節省這些時間每年可創造的價值達數千萬美元。這甚至還能讓技術人員減少零件庫存。人工智慧是這套解決方案的一部分,但它要仰賴那個本體提供的基礎,才能恰當地取得它需要的數據。

如何打造本體

正如你可能曾想像的那樣,打造一個可以理解你們公司所有數據的本體,並不容易。根據我參與過的許多公司打造本體的過程,以下是幾個關鍵步驟:

1. 找出數據的痛點。檢查在企業的什麼地方,資訊問題和瓶頸正在削弱企業的功能,例如在應用材料公司,技術人員在搜尋解決方案時感到挫折。你應尋找會產生多個問題的根本原因。這有助於員工了解,解決更大的數據架構問題,可帶給公司廣大的效益。

2. 依據根本原因制定解決方案。首先要想像,潛在的解決方案會是什麼樣子,例如,應用材料公司迫切需要一套更有效率的搜尋系統。首先著手的是,在提高效率之後將對企業產生最大影響的那些任務。

3. 了解使用案例。考量每種解決方案對哪些人有助益:客服人員?產品開發人員?或是電子商務網站上的顧客?然後思考這項解決方案可協助他們更有效率地執行哪些任務。建立一個模型,呈現出那個人必須做些什麼才能達到他們想要的結果,然後,讓工作人員實際執行工作測試,以驗證這個模型是否有效。去了解他們如何描述理想的解決方法,然後將他們描述的內容,拿來比對擔任其他角色的其他工作人員,對於同類型或相關類型問題的描述,看兩者是否相符。

4. 設定本體的組織原則。這是打造本體的關鍵。了解人們如何利用那些資訊之後,你就可以開始針對如何「組織」與「分類」你擁有的數據,建構細節,以便把這些數據整合到你正在制定的解決方案中。例如,在應用材料公司,主要概念有以下的名稱:「帳戶」「使用者」「事業單位」和「解決方案」,這些名稱符合公司舊系統內的各種術語,也符合技術人員看待工廠內任何部分運作情況時,所使用的心智模型。

一旦你以這種方式打造出本體(以及用來維護本體的系統),好處就會紛紛出現。本體不僅成為克服當下資訊問題解決方案的重要環節,而且是克服下一個問題和未來問題的重要環節。要記得,本體是一個不斷演變發展的實體;隨著產品、服務、市場、競爭對手和顧客需求改變了,一個刻意變更本體的流程,將使本體保持新穎、切合所需。

人工智慧將在未來解決許多這類問題,這一點日益明確,無論是由聊天機器人(chatbot)進行顧客服務,建立一套系統以呈現出有關營運效能和故障情形的訊號,或是其他上千種應用程式中的任一種。以本體呈現出公司內部的重要事物,以及那些讓公司顯得獨一無二的事物,如此可以把解決方案整合成一體,讓它們不只是很快就會過時的權宜之計。人工智慧是企業的未來,這是我確信的結論,如果你懷疑這一點,那麼創造一個本體就是必要的投資,可以讓你的企業做好準備,取得在那樣的未來裡的各種好處。這個概念如果管理並應用得宜,可以讓人工智慧的承諾成真,持續實現人工智慧承諾的好處。

(侯秀琴譯)



賽斯.厄里 Seth Earley

厄里資訊科學公司(Earley Information Science)創辦人及執行長,著有新書《人工智慧驅動的企業:利用本體的力量,讓你的企業更聰明、更快速、更賺錢》(The AI-Powered Enterprise: Harness the Power of Ontologies to Make Your Business Smarter, Faster, and More Profitable)。


喬許.柏諾夫 Josh Bernoff

六本商業策略書籍的作者或合著者,其中包括《言之有物的寫作:妥善表達以提升職涯》(Writing Without Bullshit: Boost Your Career by Saying What You Mean)。


本篇文章主題資訊科技