簡立峰看AlphaGo對決人類棋王：別擔心！AI不會取代人|數位時代 BusinessNext

人工智慧（Artificial Intelligence）的時代或許即將來臨。今年1月，Google旗下人工智慧公司DeepMind所開發的「AlphaGo」人工智慧系統，以5：0擊敗了歐洲圍棋冠軍樊麾。這是繼IBM超級電腦深藍（Deep Blue）在1997年打敗當時的世界西洋棋棋王Garry Kasparov後，機器學習的另一次重大突破。而這次，AlphaGO的對手更強了。在接下來的這一周（3月9日到15日），AlphaGO將在韓國首爾挑戰世界圍棋冠軍李世乭。誰輸誰贏，世界都在看。

如何解讀這一次對決？「我們原來覺得很遙遠的未來，現在透過機器學習都到達了。」Google台灣董事總經理簡立峰這麼說。相較於西洋棋，圍棋的複雜程度更高，一個子落下去，盤面有更多可能。這幾年，基於電腦的運算能力提升與資料庫變大，帶動機器學習有了新的突破，也讓Google有能力去完成高複雜度的人工智慧系統。AlphaGo便是機器學習技術運用於人工智慧系統的重要一例。

（圖說：Google子公司DeepMind的「AlphaGo」人工智慧系統，本週將挑戰世界圍棋王。）

##別擔心！AI不會取代人

過去的深藍是先由寫程式的人設計很多規律，讓電腦學習；現在的AlphaGO則能透過每一次比賽累積經驗，自我學習成長。AlphaGo無疑成為一個更為聰明的人工智慧系統，卻也讓人擔心未來人與AI之間的關係是否變質。

簡立峰認為，其實現在不必特別擔心人工智慧與人的關係。因為人有很多直覺的理解能力、聯想力仍是機器無法取代的。事實上，AI還是在一個幫助人類的角色。即使它在某一個領域透過機器學習方式勝過人類，但不代表另一個領域能同樣做到這種地步，事實上能夠通用的人工智慧離現在還很遙遠，贏或輸都不是一個絕對的關係。

圖說明
（圖說：Google台灣董事總經理簡立峰說，機器學習是Google目前的發展重心。）

##機器學習是Google下一個發展重心

無論這次對弈誰輸誰贏，皆彰顯著機器學習的預測和判斷能力，已到達新的里程碑。目前，機器學習也無疑成了Google的下一個發展重心。「機器學習是人工智慧的必要方法，它可以決定人工智慧的下一步往哪裡走。」簡立峰說，現在Google大部份的服務都已經加入機器學習技術。以Google現有的服務來說，搜尋、YouTube、Google翻譯、Google相簿、Gmail等都包含在內。

例如，透過機器學習，目前Google搜尋可以建立排列順序，提供全世界民眾在同一時間產生的龐大計算量；Gmail可以自動判斷約99％垃圾郵件，並且透過Smart Reply功能，自動偵測對方寄來的郵件內容，再進一步提出簡單的回覆，例如:「對不起，我沒有空參加這個活動。」等；Google語音辨識功能可以減少錯誤量；Google相簿也能讓使用者透過標籤搜尋找到相關的照片等。另外，Google自駕車也是機器學習非常典型的一例。透過雷達、大量的影像辨識以及龐大的快速運算技術，自駕車透過自我學習來加強對影像辨識與判斷的能力。

圖說明
（圖說：Google自駕車也是典型的機器學習應用之一。）

而Google也在2015年開放了TensorFlow原始碼，讓任何對機器學習有興趣的群眾都能提出想法，加速機器學習領域的發展。簡立峰說明，機器學習是目前Google最重要的核心技術，也可能為台灣的產業帶來新一波發展契機。

##機器學習應用廣，台灣也有機會

簡立峰說，台灣產業、網路服務業規模比較小，常覺得資料量不夠大，而不習慣用機器學習來提升服務內容。但即使只有少量資料，也能夠利用機器學習技術為既有網路服務加值。例如透過機器學習來優化企業顧客關係管理系統（CRM）等。

不過，機器學習的勝出關鍵還是在數據的累積。現在台灣其實不乏能夠做大數據應用的公司，例如PChome在電商領域有很深的基礎、玩美移動、拼貼趣擁有破億下載量等，這些成功的網路服務有機會透過雲端運算，快速收集到大量有用的數據。再透過大量資料的蒐集、分析與判斷，進行機器學習的後續衍生應用。

一家連續十年營收 700 萬元的健身業者，如何在一年內將業績推升至 3,500 萬元，成長整整 5 倍？答案可能和多數人想的不一樣。

這家健身品牌不是一開始就加碼投放廣告，而是先從調整組織架構與薪酬制度著手，透過明確分工改善團隊運作，進而建立「全員銷售」文化，這並不是要求每位員工都成為業務員，而是讓團隊理解與認同品牌理念，確保從服務、回覆、教學到售後過程中的每一個顧客接觸點，都能傳遞一致的訊息與體驗，從而建立顧客對品牌的信任感，甚至願意主動購買與持續回購。而規劃這套成長策略的幕後推手，正是無限創意行銷。

AI 讓行銷變簡單，為何行銷公司反而更難做出成效？

雖然公司名稱裡有「行銷」兩個字，但無限創意行銷並非只從行銷工具出發，而是以顧問式行銷的角色，先理解企業經營問題，再決定應採取哪些行銷與營運解方。「我們不會一開始就告訴企業該採用哪些行銷策略，而是根據企業真的需求來提供適合解方」，無限創意行銷創辦人翁小五一語道出公司的獨特定位。

通常，企業在面對營收成長瓶頸時，第一個念頭就是做行銷，然而，翁小五從過往的工作與創業經驗中發現，限制企業營收成長的原因有很多，不一定與行銷有關，背後可能還有其他問題，若沒有釐清真正的問題所在，就急著投入廣告或其他行銷資源，很可能只是治標不治本。

基於這樣的觀察，無限創意行銷決定採取反向思考邏輯：先回到企業經營本身，找出造成「成長趨緩」的真正原因，再據此制定策略、優化營運流程，最後透過行銷放大企業優勢。當每一筆行銷投入都建立在更健康的企業體質與更精準的策略判斷之上，行銷才不只是「有做」，而是真正能為企業帶來成長。

這套「先找問題、再選工具」的服務模式，在生成式 AI 工具普及後，也成為拉開行銷成效差距的關鍵。

過去，行銷公司的價值建立在製作能力、投放技術與媒體資源；但當 AI 逐步降低文案、素材與分析的執行成本，單純提供「做內容、下廣告、做報表」的服務，差異化將快速縮小。此時真正考驗的，反而是行銷人的理解力和判斷力：能否看懂消費者真正需要什麼？能否找出限制企業營收成長的關鍵環節？而這正是無限創意行銷長期深耕企業經營現場、不斷透過數據與市場驗證所累積的核心能力。

AI 拆解營收黑洞，讓數據為企業成長導航

在無限創意行銷的顧問式服務流程中，數據是相當重要的依據。翁小五進一步說明，無限創意行銷的數據應用可以分為三個層次：從檢視行銷活動成效、拆解顧客旅程中的問題節點，再進一步延伸至年度營運規劃，讓企業不只知道「過去發生了什麼」，更能判斷「下一步該怎麼走」。

首先，是檢視行銷活動成效，其中最重要的原則在於，根據行銷目標去解讀數據。舉例來說，如果目標是增加首購顧客，除了檢視素材吸引力與點擊率，還要持續追蹤到站、詢問、成交、新客占比與首購成本；如果目標是擴大營收規模，則應進一步檢視回購率、客單價與顧客終身價值。

數據應用的第二層價值，是拆解從「廣告投入」到「營收產出」之間的過程，理解每一個節點的數據分別反映什麼問題，再針對問題逐一修正。

至於第三個層次，則是讓數據成為企業經營與資源配置的依據。無限創意行銷會從年度營收目標出發，結合產業特性、淡旺季變化與過往行銷成果，拆解每一季、每個月的業績任務，再將過去有效的策略放大、成效不佳的做法修正，據此安排下一年度的行銷資源與營運節奏。

不急著加碼廣告，從企業體質出發找出 5 倍成長解方

對無限創意行銷來說，數據是找出問題、配置資源與規劃成長路徑的關鍵，文章開頭提到的健身業者，正是此套方法論的最佳印證。當初，翁小五深入診斷後發現，這家企業真正的問題在於組織結構過度扁平，老闆長期忙於處理日常事務，難以專注在營運規劃；此外，組織缺乏真正負責營運管理的中階主管、教練流動過高導致學員缺乏安全感等，皆是影響回購率的因素。

因此，無限創意行銷先從組織架構著手，設立專責店長一職，並重新設計薪酬制度，藉此讓教練、店長與老闆皆可專注在自身工作上。之後，再透過前期廣告數據與顧客洞察，找出消費者選擇品牌的真正原因，並運用行銷活動與口碑經營持續放大。同時，翁小五也在過程中導入「全員銷售」概念，確保顧客在各個接觸點都享有一致的體驗，品牌才能逐步累積顧客信任。

最終，這家企業的營收一年就成長至 3,500 萬元，達到原先的 5 倍。這個案例也說明了無限創意行銷的方法論：行銷不是企業成長的起點，而是放大企業優勢的槓桿；企業體質愈健全，這支槓桿所能放大的成長效益也愈大。

從「會做」到「會判斷」，AI 時代，無限創意行銷正在重新定義行銷公司的價值

隨著 AI 能力越來越強大，下一代行銷公司的價值，不只是比誰更懂得運用 AI，而是行銷人的市場理解力與專業判斷力，知道 AI 產出的內容哪些值得留下、哪些應該捨棄，或是該如何持續修正，才能打造出能夠被消費者感受到的品牌體驗。

因此，無限創意行銷未來將積極建立團隊與 AI 協作的方法論，將過往的專案判斷、提問框架與數據檢核邏輯，轉化為 AI 協作流程。團隊在面對新專案時，不是直接要求 AI 給答案，而是先定義目標、限制條件與判斷標準，再去檢查 AI 產出是否符合商業情境。

對翁小五而言，AI 時代真正稀缺的，不是工具，而是定義問題、理解消費者與判斷品質的能力。未來無限創意行銷的競爭力，也不在於使用多少 AI，而是持續將人的品味、市場理解與產業 Know-how，透過 AI 放大，協助企業打造更精準的品牌體驗與更高品質的決策。