練習：發現一個值得驗證的 AI 機會

練習目標

把前面認識的 AI 能力，用到自己的工作環境中。下面按三個步驟，識別重複任務，連線可能的技術能力，再選出一個機會作初步分析。

這是一份探索練習，沒有唯一的正確答案。重要的是按實際情況記錄，不需要先證明某種 AI 方案一定有效。

第一步：找出重複任務

列出你或團隊經常執行、具有相近模式的三項任務。對每項任務，分別記錄：每週花費多少時間；流程的一致性是高、中還是低；是否已有可用資料。

第二步：把問題與可能的能力對應

參考下面的例子，為第一步的每項任務找出一種可能有幫助的 AI 能力。

這些對應關係用於尋找思路，還不能證明方案適合你的任務。可以先把三項任務各自可能使用的能力記下來。

第三步：分析一個具體機會

從剛才的挑戰中選一個，回答四個問題：

1. 現有流程是什麼？ 寫出目前怎樣完成這項工作。
2. 什麼 AI 方法可能有幫助？ 對應到前面認識的能力。
3. 可能帶來什麼好處？ 寫出希望改善的結果。
4. 有哪些可用資料來源？ 記錄實際能取得、適合用於這個任務的資料。

可以把四項回答放在同一頁，作為後續討論與驗證的起點。

譯註：記錄表按原練習的三個任務和四項分析要求整理，供個人練習使用。原頁面的提交按鈕、計分、截止時間、討論數量及個人回覆未公開；本頁不收集或上傳你填寫的工作資料。

關聯閱讀

選出一個值得驗證的機會後，可用運營機會綜合方案進一步補足當前流程、評價指標、影響和風險。

參考與延伸閱讀

以下為編輯補充的查詢與學習入口，可按需要繼續閱讀。

• Google：機器學習問題構建簡介（中文）：從實際問題出發，判斷機器學習是否合適，再確定專案方向。
• Google：定義模型目標、輸出與成功指標（中文）：把期望的業務結果、模型輸出和衡量標準對應起來。
• Google：資料集的資料特徵（中文）：檢查資料數量、標籤錯誤、噪聲和模型表現之間的關係。