AI是目前科技圈最熱門的關鍵字，長期深耕AI模型、應用平台的雲端巨頭AWS也沒缺席，16日舉辦AI/ML（人工智慧與機器學習）解決方案日，除了分享自家產品的應用外，更針對企業痛點提供建議。
AWS AI/ML產品經理Josie Cheng指出，很多企業急著想導入AI，但其實沒有頭緒，也不知道從何開始，AWS提供三大步驟，希望幫助企業釐清自己「想靠AI解決什麼問題」。
錢不是問題？企業最怕「不會用」！
AWS先在會中以Gartner報告分享，企業在推動AI/ML遭遇的困難中，最大的挑戰在於「員工技能」，56%企業認為公司內人才不足，缺少能完整發揮、運用AI功能的員工；42%則認為公司整體「不太理解AI可以用在哪」，讓AI成為空喊的口號；34%受限於「數據的質量」，蒐集數據的範圍過小，質量也不佳，容易讓AI機器學習模型失靈。
砸錢要在刀口上，三步驟釐清「業務問題」所在
人才不足、前期投入大、算力要求高，市面上又缺乏成熟的演算法模型，因此企業更需要把資源放在刀口上。
但不只每家公司的需求不同，甚至同一間公司在不同季度，都可能有新的問題需要解決，到底怎麼知道公司有哪些問題需要依靠AI協助？
AWS提出三大步驟，建議企業先拆解「業務問題」轉化為「機器學習問題」，並以一間電商的案例進行說明。
案例：電商客戶
用戶類型：註冊會員、購買過的註冊會員、付費會員
想解決的問題：業績增長放緩，QoQ、YoY雙雙下跌
步驟一：梳理問題、建立假說
在深入檢視會員的狀態和行為後，發現有三大變化，一般會員消費力降低、新用戶數下滑、 新用戶email開信率下降，先假設這三個原因就是導致業績下滑的主因。
步驟二：深入挖掘、問題聚焦
首先針對第一大問題，進入帳號深入觀察後，發現新帳號購買率低，在消費過的用戶中，也有將近一半只在兩年內買過一次，裡面更有過半都是無效的假信箱。
以上的發現就可以聚焦，假用戶、無效用戶太多是最核心的問題，可能是因為：
1. 新人優惠太吸引人，老用戶特地註冊新帳號，後面就不用了
2. 供應商想「刷單」，註冊假帳號進來購買
而假用戶太多會導致公司的數據決策失靈，甚至把預算花在不可能會消費的用戶身上。
步驟三：轉換為機器學習問題
經過以上的梳理後，就可以歸納出公司最大的需求是透過AI「預測」當下購買的用戶是真是假，從源頭阻絕假用戶購買行為。
以此類推，就能根據不同內部問題提出AI可以協助的地方。
◆ 新用戶獲取困難：預測哪些用戶即將流失，即時用行銷策略喚回
◆ 開信率低：預測用戶對對哪些商品、內容感興趣，集中推廣
◆ 轉化率低：預測用戶未來的消費機率和金額，對高機率用戶加強觸及
三大步驟完成後，就可以集中資源，讓AI聚焦在最重要的任務上，同時在內部溝通時，也能更清楚目標，避免對AI畫下不切實際的大餅。
AWS看好生成式AI，持續投入資源
AWS近年致力於提升運算資源號效能，提供基礎建設、low-code / no-code解決方案，平均訓練成本節省一半，成本也可以降低7成之多。
AWS台灣暨香港產品部總監翁宇強表示，從AI技術發展來看，生成式AI已經開啟了一次典範轉移，未來大模型、多型態、高產能和海量的資料，將會主導新一輪科技典範的發展，尤其看好在遊戲、電商、媒體、影視、廣告、傳媒等產業的應用，為內容、行銷、遊戲等行業帶來顛覆性創新。
責任編輯：錢玉紘
