智能应用 影音
Research产业趋势论坛
event

【陈鸿麒专栏】魔鬼就在细节里!善用AI防范系统错误与提升品质

【陈鸿麒专栏】魔鬼就在细节里!善用AI防范系统错误与提升品质

继网络通讯、数据探勘(Data Mining)、物联网到大数据分析,人工智能(AI)在科技整合技术一跃千日的今天,所面对的挑战将是如何将专业知识转化为系统工程,藉由去中心化的过程,让每位产业专家的智能可以透过系统方法得以传承。

毋庸置疑的是,AI已经在许多领域解决了一些难题并开始创造价值,这些包含电子商务、金融科技、保安及移动支付等,而这些领域也开始出现整合,未来相信将会有新的巨擘产生。而在我所熟悉的医疗产业里,人工智能+医疗信息科技除了能解决医护人力不足的问题外,更能透过资源整合,提升医疗品质,打造更优质的以人为本的智能医疗服务。

 点击图片放大观看

产业系统品质的三个维度,包括素质维度、体质维度、本质维度。陈鸿麒

一直以来,人工智能的应用多数关注於从数据的视角出发,寻找数据中隐藏的关系和应用机会,也就是说AI的应用一直被着重在创造商业价值的「可能性」,例如利用更精准的侦测与判读,以及提供更好的商业服务以协助企业组织增加获利的可能。然而在需要「解决问题」、「预防」与「优化」这部分为提升品质而做的,以「防杜问题」、「提升品质」为导向的应用上,则还需要更多的突破。

从「创造机会」到「解决问题」 AI抓住藏在细节的魔鬼

假设您是一位企业的管理者,您会期待AI 能带来什麽价值?是对於客户的消费行为分析,以便於更加精准的投放广告,还是期待它可以协助您解决企业的核心问题,提升生产品质同时抓住系统细节里的魔鬼,而为您的企业带来弯道超车的突破?如今这个破坏性创新的时代,企业面临的经营管理问题,都具有高度动态复杂特性,营运绩效的潮起潮落是表面的成果,而真正值得研究、传承及引以为监的,却是背後解决问题的逻辑与系统思考脉络。

而另一方面,有意要以AI技术为基础,发展应用服务的新创团队,如何才能够在愈来愈壅挤的应用服务市场里,找到新杀手级应用以协助企业解决甚至避免系统性问题发生?在此我用产业问题与AI方案的本质归纳出以下几个发展的新应用与新视角给大家参考:

•AI的应用要从过去以机会为导向的发散型应用,转变为以问题为导向的收敛型应用。

•欲创造提升品质的价值,AI的应用要更多聚焦在解决过去没有被解决的问题上,而不是创造新需求或换方法解决已知的问题。

•解决方案要能够结合该产业内明确的品质标准,同时解决产业场域内具象化的问题。

在这些视角下,我们会发现应用目标相当明确,场域也非常的多。提质、增效、降本、减存是各产业普遍存在的需求,在这麽丰沛的需求与机会下,我们何不换个视角将AI 技术应用於解决问题的「确定性」(防弊),而不只是创造价值的「可能性」(兴利)呢?

发现并解决产业结构缺陷与基础问题 提升系统效率与价值

在各个产业里都会存在着各式各样的系统,而随着系统而来的则是需要解决许多确切的问题,比如仪器设备的正常运作、服务品质、系统效率、设定参数、综合成本等,这些都需要可被量化和确切的价值回报,并不单只是一种「可能性」。同时要实现知识和能力上的突破,以提升产业系统的效率与价值。

因此我们可以称如此的解决方案为AI带来的「品质革命」,而提到品质革命,就不得不提品质革命应该着重的三个面向,它们分别是「素质」、「体质」和「本质」三个维度。

在素质的维度里,问题在於人的能力、组织文化与管理能力,传承的方式是用组织文化;体质维度里,问题在於设备、系统与流程,传承方式在於订定标准与设备的制造能力;而本质的维度里,问题在於创造客户价值,也就是商业模式创新,传承方式则为技术授权为主的协同创新或服务创新。

在素质方面,透过AI来标准化人的工作流程,用数据建立更好的关联与相关性,以使人员的经验得以累积与传承;在体质上,我们可以用更佳的数据分析,显化产业系统的隐性问题,让设备仪器的健康状态得已被透明化管理,同时结合参数运算使运作过程的综合效率更加优化;在本质的提升上,则可以数据为媒介,提升使用者使用端的价值,帮助使用者提升产品设备的功能性和可靠性,降低使用成本提高营运效率,同时创造新的服务模式以提升企业获利能力。

新命题:防弊与兴利一样重要 AI抓住系统细节里的魔鬼

AI的发展经过数次的起伏後,在近年来随着硬件、算法、大数据这三个因素在各领域的突破,终於开始了大爆发时代,无论是社交、医疗、商业等领域都可以轻易地见到其应用;然而,在取得巨大的创造「可能性」的商业价值後,当前面临的最大挑战是需要找到更多的应用场域,进以满足市场与资本对它与日俱增的期望。相较於以机会为导向应用,我们发现到有更多来自於产业系统中,如何解决问题、避免错误以及提升品质的确定性解决方案的需求与机会。

在人、系统、和物之间,透过建立和管理数据的来源性,进行不同维度的分析和参考性(Reference),进而发掘物与事之间的关联性(Relationship)。再利用这种关系性不断改善系统,最终实现系统的自我调节、重构和协同的强韧性(Resilience),如此就可以协助产业系统达到「减忧」(Worry Reduction)与升级。

若能够充分利用这些要素来发展新应用,协助产业发展提升素质、体质与本质,减低系统错误发生率的方案,我认为这才是新AI 应用的最佳命题与蓝海策略!

延伸阅读:【陈鸿麒专栏】提升新创销售技巧的6个仆人 完美搞定客户需求

  •     按赞加入DIGITIMES智能医疗粉丝团
更多关键字报导: 大数据 AI