商周幾個月前刊載了一篇文章《前一天被表揚，過一天就被解僱！亞馬遜員工被演算法開除且無處申訴》。文章描述一位亞馬遜（Amazon）送貨員因諸多非其所能控制的原因，如系統故障導致無法將包裹放入供客戶自行取貨的儲物櫃中，而必需將包裹送回發貨中心；或是因缺乏門禁密碼而無法進入公寓送貨等等，最終導致不少包裹送貨延遲，被亞馬遜的評量演算法降低評分，最終導致被亞馬遜開除。
文中還提到，該員工提出申訴似乎都是由公司的演算法在自動回覆，因此申訴根本無法成功。這並非個案，許多亞馬遜送貨員都遭遇過類似的錯誤評量問題。
當企業開始大量引進AI（或說是機器學習模型及演算法）來執行自動化，甚至完全取代人類員工，許多不良後果開始衍生。亞馬遜的案例是影響到個人，或許對亞馬遜而言這些送貨員不是人才，只需重新招募，除些許商譽影響外，對營運的影響根本微不足道。
然而，不是每家因依賴演算法而造成問題的公司都是如此，今天筆者將舉出一個過度依賴演算法的失敗案例——Zillow，其付出的代價是計畫減記高達5.69億美元的資產、股價下跌80%、以及8,000名員工裁員25%（2,000人）。
Zillow公司簡介
Zillow是一家在美國眾所周知的線上房屋買賣及租賃平台。
1.2004年12月成立，2006年推出公司網站並開始使用其估值軟體Zestimate提供房屋估值。
2.2008年Zillow推出了一項名為Zillow Mortgage Marketplace的服務讓借款人在不透露個人身份訊息情況下獲得客製化貸款報價，並能連結買方及貸款提供商。
3,2018年推出Zillow Offers，跨足新興的iBuying業務。
Zillow目前擁有美國大約1.1億間各式房屋的數據。該公司網站提供多種功能來連接房屋仲介、房地產公司及廣告商、屋主及買家（或租客），以及前述貸款市場平台服務。Zillow除了提供相當完整的房屋物件資訊外，也提供包括房屋價值估算、市場價值變化、房屋內外照片、房屋稅、管理費、以及該地區相似房屋的價格等等買方所想知道的資訊。
Zillow惡夢的開始：跨足iBuying業務
2018年Zillow推出了Zillow Offers，一項新興的iBuying業務。iBuying是指資金雄厚的公司透過購買房屋，然後進行簡單的裝修，再放上市場出售以獲取收益的過程，也稱之為房屋翻新轉手（Home-Flipping）業務。
Zestimate估值系統只是初步決定房屋價值，並不考慮房屋屋況。當有屋主要賣屋給Zillow，公司內部會定出一個ZPrice，也就是實際採購價格。雙方同意後Zillow會派員前往檢視房屋，如果沒有發現重大瑕痴或陳述不實情況，買賣就會成交。
有沒有看出問題所在？房屋估值（ZPrice）是演算法所決定，檢查員所看的只有是否有虛假陳述和危險信號（重大瑕疵），他們不能（有些也可能沒能力）依照傳統方式根據專業及整體市場概況評估及提出真正合理的屋價，一切都是演算法說了算。如果Zestimate估值很準確，Zillow就不會走到這一步，那問題出在哪兒？
火熱的房市讓Zillow偏離跑道
如前面所提，Zillow在15年前就開始使用電腦程式（現在是演算法）為房屋估值，經過了15年的改進和數十億美元的投資，它的Zestimate估值系統仍然不夠準確。然而如果只是稍為不準確，還不至於造成公司這麼大的損失。
就像台灣一樣，美國許多都會區城市近年來因供需問題導致房價不斷飆升。以往一個房子屋主將其房子放到市場上可能需要好幾個月才賣得掉，近兩年一些都會區房市火熱，眾多物件甚至瘋狂到週四放到市場上，隔個週末（方便買方看房）就已經結案。
很多預售屋根本還沒正式放上市場，樣品屋還沒開始蓋，就已完銷。每個物件不僅眾多買主出價，而且要往上加價20%到30%，甚至要現金交易才能買得到房子，因為辦貸款會增加一個多月到兩個月才能過戶。
或許因為如此，Zillow在今年修改其演算法，使其在報價方面更加激進，以便讓其在市場上更容易取得房產。這使得Zillow的房屋估值遠遠高於市場合理價位。當你以高於市場行情的價格買下一間房子，略微整修後以更高的售價放到市場上，結果當然是凡人問津，尤其是當市場開始趨緩時。
以筆者的例子為例，我在6月時買進一間電梯公寓，預估市值43萬美元的房子，我們很幸運以45萬美元取得，而當時Zillow的建議房價居然高達55萬美元。因此也有不少人認為Zillow是間接助長房價飆升的幫凶。
研究顯示：機器學習模型及演算法普遍存在偏見和缺陷。
Zillow演算法的失敗不只是高估房價的問題而已，演算法忽略了（或是沒看到）一些正在發生的趨勢。例如市場已經開始趨緩（例如成交所需天數增加、表訂與實際成交價格差異減少……），但還沒完全反應在已經交易完成的案件上，造成Zillow在市場開始降溫時依然以高價來取得房產。
另外，由於建築材料供應鏈及勞工短缺問題，使得房屋修繕變得既昂貴且耗時，有些城市根本很難找到承包商來施工修繕，因而造成房子買進之後，修繕成本及時程遠遠高於預期，這使得Zillow陷入了大量庫存而無法出售獲利。
截自今年10月底，Zillow擁有9,800間房屋，另有8,200間處於合約階段。KeyBanc Capital Markets分析650間Zillow自己的待銷房屋顯示，其中有66%是以低於其當初購買價格再出售，折價幅度約為4.5%。除此之外，根據Bloomberg報導，Zillow也正試圖以28億美元的價格出售7,000間房子給機構買家來解決其庫存問題。然而，即使庫存都能順利售出，公司鉅額虧損已在所難免。
結論
許多研究表明，機器學習模型及演算法普遍存在偏見和缺陷。Zillow iBuying業務的失敗對嚴重依賴全能演算法的其他業務來說是一個警告信號。業務流程可以自動化並不一定意味著它就應該完全自動化，現今有些業務仍然需要人的參與，才能更好地運用人工智慧演算法來完成工作。
Zillow Group在11月2日宣布關閉其iBuying購房業務，這一痛苦的決定將導致2,000名員工失業、第三季減記3.04億美元資產、股價重挫，消息宣布後連二天股價共下跌32%，與今年3月股價高點相比，跌幅超過80%。
科技可以消除或至少減少人為錯誤和低效率，特別是對勞動力而言——這是任何企業經營最昂貴、最複雜的部分。然而正如Zillow退出iBuying市場所彰顯的教訓，科技也經常會放大錯誤。企業許多業務仍然需依賴人類——在Zillow的案例中，數據科學家、房地產經紀人和承包商——來使模型和演算法能正確及有效率的工作。現階段我們應該避免過度運用科技來取代人類，而是應專注於運用科技來讓人類能更好、更有效率的完成任務。
或許當時機成熟、模型和演算法能讓人更信賴時，Zillow會再次進入iBuying市場。但目前在許多方面，該公司正在回歸其最初的經營模式——授權房地產經紀人（人類）來更好地完成任務。 對比Zillow在iBuying上的大手筆投資和令人驚訝的押注來說，也算是一項了不起的轉變。
責任編輯：吳佩臻、陳建鈞
《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。
（觀點文章呈現多元意見，不代表《數位時代》的立場）
