創業 CEO --深度學習對企業營運的顛覆,應該會超越工業革命

By on May 3, 2016

本文作者林之晨,現為台灣 AppWorks 之初創投創辦人暨合夥人,原文刊於作者網誌「Mr Jamie

Photo via provenio, CC License

Photo via provenio, CC License

在「創業 CEO」系列,我們探討創業者如何教會自己,成為偉大的 CEO,因為世界上最偉大的網路公司,往往是由這樣的人在領導

20 世紀工業革命只是生產的自動化,21 世紀資訊革命是企業營運的全面自動化

這個禮拜在北京出席獵豹 CONNECT 與長城會 GMIC 兩個年度盛會,會前獵豹很貼心的安排我們參觀包括騰訊、京東、小米、滴滴、格林深瞳,以及獵豹本身等中國具代表性網路公司的校園,並且聆聽他們高層分享近況、發展策略,和他們交流討論。

與美國同步,且幾乎是異口同聲的,這些中國頂尖科技公司都在積極思考投入人工智能 (AI) 與機器人 (Robotics)。[1]

在我看來,這個發展有兩個最主要的面象。第一,更聰明的消費性產品,例如自動駕駛車、個人語音助理如 Siri 等等。另一方面,更自動化的企業營運系統,如智慧製造、無人運輸、自動規模化伺服器、程式自動廣告交易,以及客服聊天機器人等等。

身為創業 CEO,你當然必須去思考如果你的產品更聰明,能不能在類似價格下,提供給用戶更大的價值。但這不是我今天想討論的題目,因為現在 AI & Robotics 的發展還在相當早期階段,能夠在控制成本前提下給用戶好體驗的機會,其實不多。

我今天想展開的,也是這一趟最大的領悟,是第二個題目,也就是企業營運的自動化。我在思考未來 5-10 年,這個大浪對企業的競爭力,應該會帶來比工業革命更大、數量級的顛覆。因此透過今天文章,我想放下一個陀螺,讓所有 CEO 開始思考。

深度學習對演算法的顛覆

要討論這個題目,首先我們得先聊聊深度學習,也就是 AlphaGo 的核心。大體上來說,要讓電腦變得聰明,也就是擁有 AI,有兩種方法,一種是人類事先把自己的思考邏輯都一個個淬煉出來、變成程式,也就是所謂的演算法,注入電腦。演算法的好處是它黑白分明,沒有模糊地帶,但缺點就是人類必須事先把邏輯想出來,還要有工程師把這些邏輯變成程式。

這個流程說起來容易,做起來非常困難。參與過內部軟體專案的人都知道,需求方往往沒辦法把自己業務的邏輯講得完整清楚,而開發人員也往往沒辦法把用戶的邏輯 100% 翻譯成演算法,所以最後做出來的軟體通常只能幫用戶省下少部分時間,有時候還甚至會造成更多額外的負擔。

基於演算邏輯的系統要修改,也非常麻煩。用戶必須提出需求,接著要花費工程師昂貴的機會成本去執行、佈署,不僅週期緩慢,也經常因為人員流動而無法持續有效的推進。

因此,現代網路公司給消費者用的或許是最尖端、最與時俱進的軟體產品,但事實是他們內部的資訊系統,往往非常老舊難用。

然而第二種讓電腦變聰明的方法,也就是深度學習,過去這 10 年來的突飛猛進,有機會打破這個僵局。教電腦深度學習,就像教育小孩一樣,是一個模糊邏輯,沒辦法有一個明確可預測的結果。但另一方面,深度學習的好處,是教育電腦的過程,不一定要有工程師參與。

而也正是這一個好處,我認為,會帶來企業內部資訊系統發展的一個超大革命。當你導入深度學習為基礎的自動化系統,那麼這個系統進步多快、能夠發揮多大作用,將不再是看你投入的工程師數量與品質,也不再被用戶與開發部門間的溝通不良所牽制。隨著軟體人才荒日益嚴重,工程師薪水持續水漲船高,深度學習的這個好處將會越來越顯著。

重點變成教練與教材

所以就像訓練小孩一樣,一個深度學習為基礎的營運、行銷、銷售、客服自動化系統,能夠進步得多快,端看你投入的訓練時間、頻次,以及教練與教材的素質、數量。

深度學習的教練,應該會像員工的教練一樣,必須是對某個領域有深厚經驗的人才,能夠不斷在機器練習判斷的過程中,持續給它好的回饋。換言之,未來自動化企業的同仁,會更像指導員,而不是作業員。

另一方面,教材,也就是 (大) 數據的取得,也是一個很大的門檻。如果是面對消費者的銷售、服務系統,那麼就要透過產品策略去大量收集需要的訓練數據。如果是純粹內部系統,那麼數據的積累恐怕很慢,這裡或許會有新型態的數據服務公司出現,橫向幫助企業交換數據。

換言之,深度學習會讓網路公司的內部自動化的推進,不再那麼依賴工程團隊的開發能量。甚至有可能,不同的企業可以使用同一套第三方開發的自動化系統,但由於訓練的內容不一樣,產生出天差地遠的自動化效果。

與機器人整合

當然企業的營運自動化工作,軟體只能解決部分問題,而更多物理性的需求,像是製造、搬運、維修等,就必須靠與機器人科技整合來完成。除了重複性、變化需求少的活動之外,我們可以預期的,未來的機器人自動化,背後將越來越以深度學習為基礎,而不是以預先設計的演算法為基礎。

未來三年的殺手應用

當然深度學習全面進駐企業的營運自動化系統,是個 10 年,甚至 20 年的大勢。但如果我們著眼未來 3 年,有幾個業務應該會搶先被顛覆,換言之,沒跟上的企業恐將喪失競爭力。

第一是廣告投放的自動化,這個領域其實已經在發生,像是 AppierTagtoo 等廣告技術公司,早已導入深度學習來快速優化他們的投放效果。

第二是線上客服的自動化,隨著 WeChat、Facebook Messenger、LINE 等聊天服務的平台化,企業將會開始在上面佈署自動化客服系統,可以預期的,許多這些聊天機器人,將會基於深度學習引擎,來加快服務品質、範圍、個人化的進步速度。

第三則是顧客風險評估系統的自動化,隨著網路帶來越來越大的資料量,像是客戶的信用額度、保險金額等數據評估,也會很快轉移到深度學習為基礎的系統。

第四是網路零售服務的定價系統,這點 Amazon 早已在做,因此我們可以預期很快會普及到多數電商。

最後則是 HR,也就是招聘與員工評估的自動化,同樣道理,當網路提供了大量的數據,則在篩選面試人員、追蹤同仁表現,並且對於聘用、加薪、升級做出建議等業務上,基於深度學習的自動化引擎,能夠大大提昇企業的 HR 效率,這點 Google 等先進科技公司已經證明,因此我也預期,會很快的被更多 Internet 公司投入。

支持 StartupBeat

如欲投稿、報料,發佈新聞稿或採訪通知,按這裡聯絡我們