练习：发现一个值得验证的 AI 机会

练习目标

把前面认识的 AI 能力，用到自己的工作环境中。下面按三个步骤，识别重复任务，连接可能的技术能力，再选出一个机会作初步分析。

这是一份探索练习，没有唯一的正确答案。重要的是按实际情况记录，不需要先证明某种 AI 方案一定有效。

第一步：找出重复任务

列出你或团队经常执行、具有相近模式的三项任务。对每项任务，分别记录：每周花费多少时间；流程的一致性是高、中还是低；是否已有可用数据。

第二步：把问题与可能的能力对应

参考下面的例子，为第一步的每项任务找出一种可能有帮助的 AI 能力。

这些对应关系用于寻找思路，还不能证明方案适合你的任务。可以先把三项任务各自可能使用的能力记下来。

第三步：分析一个具体机会

从刚才的挑战中选一个，回答四个问题：

1. 现有流程是什么？ 写出目前怎样完成这项工作。
2. 什么 AI 方法可能有帮助？ 对应到前面认识的能力。
3. 可能带来什么好处？ 写出希望改善的结果。
4. 有哪些可用数据来源？ 记录实际能取得、适合用于这个任务的资料。

可以把四项回答放在同一页，作为后续讨论与验证的起点。

译注：记录表按原练习的三个任务和四项分析要求整理，供个人练习使用。原页面的提交按钮、计分、截止时间、讨论数量及个人回复未公开；本页不收集或上传你填写的工作资料。

关联阅读

选出一个值得验证的机会后，可用运营机会综合方案进一步补足当前流程、评价指标、影响和风险。

参考与延伸阅读

以下为编辑补充的查询与学习入口，可按需要继续阅读。

• Google：机器学习问题构建简介（中文）：从实际问题出发，判断机器学习是否合适，再确定项目方向。
• Google：定义模型目标、输出与成功指标（中文）：把期望的业务结果、模型输出和衡量标准对应起来。
• Google：数据集的数据特征（中文）：检查数据数量、标签错误、噪声和模型表现之间的关系。