【若水 AI 數據標註心法】

1, 不管標註條件有多少，都要簡化成讓人最好記的一句話。

2, 人都會有盲點，要過數據分析，讓對的人在對的專案裡。

3, 持續溝通與優化，集合眾人智慧標註，才能提升質與量。

AI 數據標註的工作現場是什麼樣子呢？

專案管理會議上，一群人盯著客戶交付的智慧車流影片想找出端倪。不知道為什麼，所有車種裡，就只有大卡車的數據標註良率莫名的低。一批又一批的需求，得在限時內完成，為的就是趕上開發進度，助攻客戶拿下大單。

大家從 AI 數據裡找答案，突然，有人大喊，「啊！因為大卡車的後照鏡比其他車種長而且突出，難怪會忘記要標。」找到原因之後，PM 們第一時間透過線上軟體回饋給 AI 數據標註師，漏標的發生率從 20～30% 降到 1～2%，再次拉高專案良率。

圖／專案初期、大小貨車標記錯誤發生率比大客車高。而當標記大小貨車的錯誤率大幅下降時，大客車（公車、巴士）仍有很高的錯誤率；後來發現，這是因為大客車的後照鏡特別容易被忽略

這樣的場景幾乎每隔幾天，就在若水的 AI 數據部門出現。在 PM （Project Management，專案經理）的眼裡，整個過程就像在解謎，

「而解謎有個循環，先發現問題，然後收集各式各樣的數據，每一種 AI 數據都在為下一次的謎題提供可能的解答」

AI數據標註的究極精神

外界總好奇，若水 AI 部門如何在一年多內建立起標註的能量，並且與全台灣 200 位身障夥伴協作，完成超過 100 個 AI 人工智慧專案？

在快速變化的 AI 產業裡，AI 數據標註的需求往往來得很急、且交期短。由PM所帶領的專案管理團隊負責設計工作方法、優化產能和品質檢測，就像幫浦般架在整個標註作業的核心，扮演即時改善和回饋 AI 數據專案的角色。

隨著愈來愈多企業採用 AI 優化作業流程，或是開拓新的商業模式，AI 數據標註（Data Annotation）成為企業資源決策的新選項：自己做還是外包？

看似簡單的數據標註，將面臨三大難題。

不少公司在 AI 專案起跑之初，會先讓工程師先下好 AI 數據標註原則，再找人標註或由工程師繼續完成，這麼做實務上容易碰到 3 個卡關之處：

很多時候，若水的專案管理團隊就像工程師的第一個讀者，試讀各種 AI 數據標註條件是否清楚、簡潔。像指紋辨識，PM和團隊在接案時就隱約有感，這類型的案子因為一般人實際生活經驗很少碰到，必須要花時間「翻譯工程師的指令」，才能幫助 AI 數據標註師進入情境。

所以，在任何 AI 數據標註案啓動之前，若水專案團隊不是沒日沒夜地，像血汗工廠般猛標。反而

寧可先花些時間理清脈絡，透過討論、試做，找到最合適的 AI 數據標註方法。

後續發給 AI 數據標註師執行時，前三天會持續收集良率表現，並分析各種破關和卡關類型，讓團隊表現能在最快時間拉到預定良率目標。

在 PM 的電腦裡，就記錄著各式各樣的「卡關」，「因為標的案子很多元，我們知道哪些坑比較容易踩」若水的PM笑說。

比方說，「車子只要在畫面中出現 ⅔ 就框起來」。只要有分數概念，對這個句子絕對能理解，但換到電腦前要下判斷，卻常讓人卡關。

幾次經驗下來，若水的專案團隊發現：對人類大腦來說，偶數的切割比奇數簡單，所以便回頭建議工程師將 ⅔ 改成 ¾。

即便已經找到比較好取的「¾」，從大腦認知轉向電腦標註，也並非所有人能很快下判斷。所以，在若水的標註平台收集大量 AI 數據標註師的行為數據，依此設計出許多用顏色、座標、快捷鍵等即時工具，幫助 AI 數據標註師快判。

尤其在電腦影像部分（Computer Vision），現在要求愈來愈精細、銳利，但人的大腦對像素多少很難有感。在若水 AI 數據標註平台上，AI 數據標註師只要看拉框顏色，即可判斷物件像素大小，一旦框線變色，就代表框選大小符合指定條件，大幅提升標註速度，不用還瞇著眼睛找數字。

除此之外，若水 AI 數據標註團隊也透過各種溝通形式，從 AI 數據標註師身上找點子，讓 AI 數據標註質量快速提升。

最近有個案子，要在連續畫面裡不斷放大、縮小，找出同樣的物件，有些標註師腦筋動得快，把這些重覆的動作編寫成指令，滑鼠鍵一按就自動執行。每天，若水專案團隊追蹤數據，發現這位 AI 數據標註師的表現特別優異，一問之下才知道他的祕技，便鼓勵他在公開會議上分享，也帶動整體專案表現。

「把 5 秒的動作，變成在 0.5 秒完成，產能就是這樣提升，」若水的PM說。

好幾次，若水執行長陳潔如在公開演講、論壇上提到內部即時回饋的經驗，總讓台下許多企業主管驚訝不已。

她坦言，跟一般企業相反，在若水因為多數是身障夥伴，得要有良好的回饋系統，才能確保工作暢通。然而，這先為著使用者思考的工作設計，無形之中也讓若水能實踐 PDCA（Plan-Do-Check-Act）循環式品質管理。

未來呢？

專案團隊正在行為數據資料庫，結合 EAP (員工支持系統) 的經驗，記錄每一次專案、每個標註師的行為表現。他們很清楚，每個人的專長不同，有人擅長拉框、有人很會描點，有人擅長辨識模糊場景，要從數據找答案，讓對的標註師做對的專案。

此外，還要幫助標註師能標得更精準。例如，建立「即時雷達」，從各項專案經驗值定義每個動作的平均時間、容許編輯修改的次數，超過標準，立馬線上提醒標註師得調整動作，做得好的給予即時鼓勵。

靠著回饋系統與科技平台的力量，若水讓身障夥伴有機會跟平常人一樣進入 AI 產業貢獻心力，同時有一份自己的收入，降低對家庭的依賴。若水的PM有個心願，幫助標註師發揮人的最大價值－－

「在 AI 快速起飛的時代，做到獨一無二的事」。

1, 智慧製造的應用有流程自動化、預測性分析 ➡️➡️ 怎麼加速製造AI化？來看「英業達」的經驗談！

2, 相較於土法煉鋼去蒐集使用者回饋資料，用AI 音樂辨識演算法可以快速獲得大量的資訊！ ➡️➡️ 來看被蘋果併購的Shazam是怎麼做到的吧！