看見數據的生命力
in

【AI專案管理學】200名在家工作者,如何讓上百個AI應用開花結果?

文/ 若水 Flow AI Blog 編輯團隊

AI 很火,不論是社群媒體、電視上都能看到關於人工智慧的各種話題,而多數人可能對於深度學習 (Deep Learning)、機器學習(Machine Learning) 仍然一知半解。

2017 年底,若水本著「Tech for Good」的精神,結合一群來自各行各業的專業經理人,帶著全台數百位居家身障夥伴,為電商、智慧零售、智慧農業、智慧城市、工業 4.0、安防監控、精準醫療等不同產業,提供 AI 數據標註( AI Data Annotation)和數據分析服務,而這全球首創模式。

這一年半來,我們近距離看到台灣,日本等地不同產業推動 AI 專案落地的機會和挑戰,這其中比較少人論及,卻又至關重要的就在於:

如何打造「深度協作」的企業文化、跨團隊工作流程以及工作再設計

而這也是若水每天在做的事。

AI 很難,裡頭有很多運算技術、模型、數據分秒在變;遠距很難,融合全台灣各地不同身心障別的居家工作夥伴,要如期如質完成客戶外包(Outsourcing的任務,這看似兩相矛盾又複雜的難上加難,為若水的 AI 服務拉出精準、彈性又細膩的營運特色。

就以 AI 數據標註服務為例,很多人一聯想到的畫面,不外乎像個超大型的網咖(在中國大陸很多是由製造工廠直接改建),裡頭坐滿成千上萬人,日以繼夜埋頭苦幹、無聲無息地在 AI 數據標註平台上敲打鍵拉框、畫線。

在若水,一切都倒過來!


從內到外持續溝通,找到共識

若水 AI 數據標註團隊的成員們分布在全台灣各縣市的各個角落,大家不一定互相見過彼此,但在線上透過即時訊息傳遞、視訊會議,讓彼此熱絡地交流著。若水數據營運團隊包括三大部分:專案管理、品質檢核以及 AI 數據標註師。

像若水的 AI 數據標註師們,他們在工作過程中,會不斷拋出問題給 PM 專案經理,然後雙方彼此互相溝通問題,再進一步反饋給客戶,需要哪些 AI 訓練數據 ( AI Training Data Sets)。

(延伸閱讀:當 AI 來臨,究竟會不會搶走人類的工作?在若水 AI 團隊,看見未來工作的新樣貌

「就是要能夠及時反應、及時修正」若水 AI 部門的營運主管蘇佩萱說。

畢業於台灣大學社工系的她,在若水 AI 部門主要負責居家身障夥伴們的大小事,從居家工作管理、定期家訪、工作上輔具支援、職前訓練等都由若水 AI 營運部門負責。

在 AI 漫長的產業鏈裡,AI 數據標註這項服務可能不特別「高科技」,甚至有人認為,不過就是數據世界裡的「外包 2.0」,但正因為在若水內部,有如此頻繁的溝通,才能確保電腦學到最合適的數據,加速推進企業 AI 落地的時程。

比方說,在生活場景應用的專案,要在電腦影像(Computer Vision)裡標出「杯子」,若水的夥伴就會馬上追問,「杯子的定義是什麼?」、「附蓋子的湯杯算嗎?」因為對機器而言,可能會把後者辨識成「小鍋子」,類似這種目標物上細節的差異,需要逐一釐清,排除抽象,找出共識,而這些都要透過與客戶之間持續對話來學習。

(我猜你會想知道:AI 專案管理和數據標註現場,哪些環節最容易卡關?

有時候,會遇到工程師一開始還沒有完全想清楚要 AI 模型訓練什麼,當專案逐步深入後,才發現原來數據裡有許多與原本假設不一樣的東西。

這時候,若水團隊會用是非題方式來一步一步拆解並釐清問題,唯有事前將遊戲規則定義清楚,才能好好地衝刺數據處理的工作。

不諱言地,亦曾有重新調整專案方向再重新出發的情況,也是因為這樣的事件,讓我們團隊累積了許多 insight,才能與客戶協力一起把數據處理得得宜。

這樣的過程中三方人馬都在學習,不僅要教會電腦更聰明、效率地學習,以及學習如何讓彼此協作上能更加緊密,建立起有共同目標的數據戰隊。


建立起 Community,落實深度協作

在若水,還有一點很不同。

對這數百位居家 AI 數據標註師來說,這是一份難能可貴的工作,所以對工作的投入和職前訓練,外人很難想像。

在若水內部徵文活動當中,一位 AI 數據標註師如此寫道,

「在 AI 數據標註的工作中讓我的視野變得更開闊,即使如我這樣能力渺小的存在,也能在廣大的數據汪洋中找到生存空間,我所追求的不僅只是一份工作,更是一個機會和一個前進的方向」

在數次家庭訪視中,蘇佩萱發現,他們之中還會形成群組,一起討論數據處理的方法、分享祕技,「就像一起打怪闖關,很刺激。」同樣地,對居家標註師來說,也因為有大量的交流,增添了這份工作的趣味性。

別人可能未曾想過,其實 AI 數據是生命力的,若水 AI 數據團隊與工程師們讓資料餵養到機器的這個過程,是透過人的生命力使這整件事情活化。

有了若水 AI 數據團隊的投入,居家 AI 數據標註師們專業、認真對待為每一筆數據,協助數據與機器學習之間有精準、及時的持續對話。


【推薦閱讀】

1、如何在快速變化的 AI 產業裡,如期如質完成客戶需求?請看若水AI專案管理部門實戰經驗談 ➡️➡️ 及時回饋系統 讓卡關成為每天創新的最佳來源

2、數據標註是許多企業、組織推動 AI 落地之痛,找不到人標,內部又很難控管品質,怎麼找到對的外包標註服務團隊,節省20%的成本? ➡️➡️ 數據標註原來可以這麼省事!

台灣最精準AI數據處理平台,如何透過UX用戶回饋持續優化?

Shazam!用二十年最終翻轉 Apple Music 的數據策略