文／張筱祺
AI 應用想像無限美好，但實際導入大為不易。在人工智慧領域中有兩大重要技術 ─ 「分辨式 AI（Discriminative AI）」與「生成式 AI（Generative AI）」，分辨式 AI 是用於區分不同類別或標籤之間的差異，常見應用例如圖像分類、文本分類或情感分析等，生成式 AI 是用於生成數據或樣本，從學習的分佈中產生新的內容，常見應用例如圖像生成、文本生成、數據擴增等。
從產業應用的角度來看，分辨式 AI 在產業中的應用歷史較久，在許多行業中皆已有相當成熟的應用，不過雖然生成式 AI 雖然起步較晚，但憑藉其強大的創造力與生成能力，相關應用也正迅速崛起，不論是分辨式 AI 或生成式 AI，皆為各行各業帶來無限想像。
[ 推薦文章：生成式 AI 企業應用與導入現況 ]
以金融業為例，分辨式 AI 可用於信用評分，透過分析用戶數據，計算信用評分，協助貸款決策，而在生成式 AI 應用上，金融業者可以增強原始交易數據，透過加入情境資訊如商家識別、交易地點、支付細節或消費品項，創造出一個完整消費者行為輪廓，協助企業制定更加個人化的服務與更精確的風險評估。
不過，儘管 AI 可以應用於企業的許多經營環節上，不過實際上導入 AI 會面臨許多挑戰，包含需求不明確、數據挑戰、技術複雜性、專業人才、組織 AI 素養等促成要素的到位程度。其中，首要與最困難的挑戰是：應用需求不明確。需求是產品與服務開發的起點，且會隨著市場與消費者偏好而改變，甚至企業經營策略目標與資源也會影響應用需求的設定，因此在導入 AI 之前，需求確認是相當關鍵的一步。
運用「服務藍圖」工具，探索 AI 應用需求情境
從軟體開發的角度來說，需求有分不同層次：最上位的是指概念需求或商業需求，中層是從使用者的角度描述具體需求，最下層則是進入開發階段所需要的技術需求，這三種層次的需求在挖掘與陳述方法上也有所不同。
假設一間公司想要導入 AI，但對應用場景不清楚，應該怎麼開始第一步？答案是，「先從最上位的商業需求出發，找出 AI 適合應用的環節與可解決的痛點。」
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球 CIO 同步獲取精華見解 ]
在挖掘方法上可採用「服務藍圖（Service Blueprint）」，此一工具是設計思考方法中的一種工具，可以從全局視角瞭解整個服務過程，辨識服務流程中的痛點與改善機會。服務藍圖包含五大元素：
- 實體接觸點：服務接觸點，影響顧客體驗的具體點。
- 顧客歷程行為：顧客體驗流程及每個接觸點上可能的行動或反應。
- 前台行為：直接支援服務接觸點的內部操作或資源，例如員工行動或應用科技。
- 後台行為：間接支援與驅動服務提供的內部操作或資源。
- 支援流程：支援與促進核心服務流程順利執行所設計的，包含所需的 IT 系統、技術基礎設施、後勤支援、技術支援或客戶服務、所需的物資及設備等。
運用服務藍圖的步驟如下：
● 第一步：繪製現有流程。使用服務藍圖詳細描繪公司現有的服務流程，包括前台（使用者接觸點）、後台（員工操作與系統支援）以及支持過程。
● 第二步：辨識痛點與機會點。找出服務中可能透過 AI 技術改進的部分，如重複性任務、自動化、數據分析需求等。
● 第三步：定義 AI 導入點。確定哪些環節或場景可以導入 AI 技術來提升效率或改善用戶體驗。
以金融業的放貸業務為例，服務藍圖可以從顧客視角拆解與呈現出整體服務流程，協助思考現行流程中可能存在哪些痛點，以及挖掘出哪些環節可以透過 AI 來改善。例如 AI 可用於核貸環節，透過多維度的數據分析，更準確的評估借款人的信用風險與還款能力，提高審核效率與降低不良貸款的風險。
跳脫技術功能思維，開發需求導向的 AI 應用
許多企業在思考 AI 應用時，可能一開始會被強大的 AI 功能給迷惑，認為 AI 萬能，卻不清楚應該要導入在哪個環節，或者過於專注在技術功能，未能充分考慮用戶的真實使用情境，導致 AI 應用開發出來無法對業務產生重大效益，或用戶體驗較差。
因此，若能在 AI 應用開發之前，先針對需求進行一番探索與挖掘，此需求可能來自終端用戶、顧客或利害關係人等，透過服務藍圖工具將應用情境描繪出來，以便設計出更符合需求的 AI 應用方案，甚至也能在開發之前即發現潛在問題，可降低未來產生的風險與開發成本。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
