近期台灣疫情緩和、開始恢復生活步調,也源於前幾個月大家已經逐漸習慣了宅戶深居,許多轉型成功或更貼近運用許多數位技術的企業,在市場上的聲量也越來越高,尤其是過往大家耳熟能詳的網路熱門詞例如大數據、雲應用、AI智能、人工智慧等,又被再次拿出來討論。
有位朋友看到了一篇描述人工智慧技術的文章,內文講到了某企業在採用人工智慧前,多半是透過工人智慧來完善她們的流程與服務,朋友看到文章後有感而發地說”這家公司真厲害,要是我們公司也能使用人工智慧該有多好...”
“工人智慧早在千禧年就應該淘汰了”果不其然朋友繼續說下去,
“都什麼年代了,還要人工一筆筆計算分析報表”
“全部交給智能不就好了嗎”朋友感慨地搖頭。
“嗯...你知道工人智慧有很多涵義嗎?”我望向朋友問,
“撇除一些號稱AI智能的技術公司、實際卻雇用許許多多真人在處理演算的工人智慧新聞媒體詞不說,在人工智慧前,大多工人智慧是不得不的基礎階段”
“尤其對許多公司來說,不太可能突然天降人工智慧橫空出世,然後立馬替公司帶來超高的營收或是降低打消幾百人的成本”我淡淡地說
從根源上思考,工人智慧可以理解為是建構演算、梳理點對點的運作程序轉化為面向,這可能是數年或數十年的時期,十年磨一劍後,各種情境與應用都透過工人智慧揣摩好幾次之後,才有可能進到人工智慧的入門階段。
幾個例子來說,假設有一家科技物流,擁有透過人工智慧演算技術可以掌握自己車隊從所在地的最短時間配送路線、以及最小人力運送最大商品數量的運送配置能力時,對我個人來說,最感興趣的不是在於他們高超技術能力,反而會是在發展技術前,他們能對釐清需求以及把流程固定化、程序清晰化這些軟技能的認真工人智慧感到折服;
畢竟在演算之前,定義好需要哪些固定的資料input 以形成資訊output,還有這些output 得到的資訊,可以體現在企業哪個環節形成效益如何的支持能力,並且可以減少哪些成本、以及釋放出的成本資源能轉移支撐其他流程或部門...等等,這些都是需要透過真人堆疊,才不會徒有人工智慧而無法駕馭利用。
回想到過往協助許多企業時,在公司各單位之間進行盤點以預備轉型優化的時候,最常見的便是不知道權責關聯單位如何聚焦需求的情況,同時,在這類需求不明朗的單位上,往往都是不知道自家公司資源耗費在哪裡、或者是對流程作業不清不楚...倘若連工人智慧的階段尚理不清之前,何不先試著學習一步步做好踏實、來盤點手邊資源與項目呢?