AI 為社會帶來新希望：從技術創新到社會影響

謝宗震博士指出，Chimes AI 的核心理念是「讓 AI 盡可能簡單，成為輔助領域專家的工具」。詠鋐智能專注於將 AI 落地應用於真實世界問題，並透過數據分析與預測模型，為弱勢群體及社會工作體系提供具體支持。

其中最具代表性的案例是 脆弱家庭AI 風險預測系統，該系統利用社政資料與歷史案例分析，協助社工預測兒童受虐或家庭暴力風險，能即時識別高風險個案並提供預警。透過此工具，社會工作者可更有效分配時間與資源，平均減少約 30% 的工作負擔。

「台灣每年約有 20,000 宗兒童暴力案件，但僅有 1,000 名社工能夠應對，AI 就是在這樣的環境下誕生的輔助力量。」謝博士指出，這套系統不僅提升了社會服務效率，更成為強化兒少社會安全網的重要科技夥伴。

AI 作為輔助，而非取代人類

在開發 AI 模型時，Chimes AI 堅持「負責任的人工智慧」原則。每一套模型皆從資料影響評估開始，並結合社工與工程師的跨域知識，確保對資料背景與倫理脈絡的理解。謝博士強調：「AI 是支援性的工具，不是取代人類的判斷者。真正關鍵的決策仍由具全域視野的人類專家做出。」

未來願景：在地生成、永續共創

展望未來，Chimes AI 計畫開發能夠「先在本地建構、再透過資料學習生成」的 AI 模型平台，提升 AI 的靈活性與在地化應用效能。此舉將使 AI 更能貼近使用者需求，並推動科技普惠化，協助更多社會企業與公益組織以數據為基礎實現社會影響。

謝宗震博士最後表示：「AI 的價值不僅在於運算能力，而是能否真正幫助人。Chimes AI 希望成為科技與社會影響之間的橋樑，讓 AI 成為社會創新的驅動力。」

如需了解更多 Tukey 產品導入方案或邀約線上產品演示，請造訪公司官網：www.chimes.ai

The post Chimes AI 於「社會企業世界論壇」分享 AI 助力社會創新的全球實踐 first appeared on Chimes AI.

AI 與 ESG 的完美結合：從預警到解題

謝宗震博士在分享中表示：「AI 與 ESG 的結合已是現在進行式，從設備異常預測到智慧維護管理，AI 正以前所未有的速度推動永續轉型。」他歸納了 AI 在 ESG 中的四大應用場景，包括設備異常預測、品質提升與能源優化、智慧維護管理以及知識圖譜與安全治理。

實務應用：台塑與鋼鐵業的成功案例

在台塑石化的應用中， Chimes AI 透過即時感測與 AI 演算法模型，針對冷卻水汞、壓縮機與風車等設備建立智慧監診機制，提前辨識設備潛在問題並預防故障發生。這項創新技術不僅有效節省了超過 20% 的維護成本，更顯著降低了化學品外洩風險，進一步提升環境保護與工業安全水準，為企業實現雙重效益樹立新標杆。

而在鋼鐵業的應用中， Chimes AI 運用 AI 技術開發最佳化升溫策略，確保產品品質的同時顯著減少能源浪費，每年節省數百萬度電並大幅降低碳排放。謝宗震博士指出：「設備的折舊隨著使用次數而增加，但 AI 模型卻隨著更多運轉數據而更精準。」透過 AI 優化，企業得以持續找出降低能耗的最佳模式，進一步實現節能減碳目標。

社會安全網的進化：AI 在公共服務中的應用

除了產業應用， Chimes AI 亦在兒少家暴與長照服務中發揮關鍵作用。透過 AI 建立風險預警模型，社會工作者得以即時識別高風險個案，提前介入，減少再度受虐的機率。此外，AI 對長照服務進行優化，縮短照護磨合時間，提升服務效率與品質。

在消防安全領域，詠鋐智能協助高雄市建置火災風險地圖，整合火警資料與建築特性，優化宣導策略，將高風險區域火災發生率降低 50%。

AI 驅動永續未來

AI 是企業與政府預警 ESG 風險的核心工具，通過分析數據，AI 能幫助企業提前發現問題，制定明確的 ESG 藍圖，從而實現超前部署，補足商業與社會價值的空隙。 Chimes AI 將持續推動 AI 在永續發展中的應用，為全球的永續未來注入動能。

如需了解更多 Tukey 產品導入方案或邀約線上產品演示，請造訪公司官網：www.chimes.ai

The post Chimes AI 於《ESG遠見》分享 AI 結合 ESG 的雙重效益，助力實現製造業與公共服務的永續願景 first appeared on Chimes AI.

謝宗震博士指出，相較於目前利用AI迅速提升獲利的網路廣告業，其企業裡有大量的資料科學與人工智慧科學家，故能投入大量資源在數據分析、利用AI預測和決策上。儘管許多實證場景顯示導入 AI 技術確實能提高企業生產力，但絕大部分企業其獲利來源並非依靠AI，通常是生產製造、銷售、服務，在這些領域中，設置資料科學家或AI專家的門檻相對較高，特別是對於規模較小的企業。

因此，詠鋐智能推出的無程式碼AI工具為企業降低了導入AI的門檻，使非技術背景的專業人士如行銷專員、財務專員和製程工程師能夠獨立解決問題，這不僅提升了操作效率，也加強了企業的數據驅動決策能力。「我們的目標是讓AI技術像水和電一樣容易使用，」謝博士說。他強調，高效的數據收集和精確的應用場景設定是無程式碼工具成功應用的關鍵。

此次論壇不僅展示了詠鋐智能的技術創新，也加深了詠鋐智能與來自不同行業的專業人士之間的交流與合作。展望未來，詠鋐智能將持續推動科技創新，協助更多企業在追求數位轉型的過程中提升整體生產力和經濟效益。

延伸閱讀：

無程式碼、Martech工具當道！AI如何助攻企業提升生產力、做到精準行銷？

The post Chimes AI 詠鋐智能於 2024 數位新商業論壇暢談如何用 No-Code AI 提升生產力 first appeared on Chimes AI.

自主開發的考驗

人才與專業知識

自主開發AutoML工具，不僅要求有深厚的資料科學和機器學習背景與實際應用落地經驗，還需要產品架構和軟體工程的專業知識。這不單止意味著顯著的人力成本，更指一支跨學科的實務團隊，這對多數企業來說皆是一大挑戰。

開發時程與成本

從概念到原型的開發過程可能需要耗時數月甚至數年，同時消耗大量資源。這不僅會占用珍貴的人力和財務資源，也可能分散企業對其他關鍵項目的關注。

技術與維護的持續投入

開發過程中需求的計算資源、專業工具以及穩定且具備代表性的資料集、演算法，都將帶來額外成本。隨著技術不斷演進，自主開發的AutoML系統需要持續適應新的業務場景，以維持其競爭力。

市場解決方案的優點

即插即用與成本效益

市場上如Chimes AI等成熟的AutoML產品提供即插即用的解決方案，大幅縮短部署時間並提高成本效益。這些方案已經過市場的嚴格檢驗，能夠提供穩定且可靠的性能。

持續創新與專業支援

選擇專業AutoML供應商，意味著不僅獲得當前先進的產品，還包括未來技術的持續更新和創新。供應商通常會提供專業的技術支援和服務，確保企業在使用過程中遇到的問題能夠得到及時解決，保障業務的連續性和系統性能。

決策框架

在作出決策時，企業領導者應考量以下關鍵問題：

• 核心業務與戰略目標：自主開發AutoML是否與企業的長期技術路線和業務目標相符？
• 人才與技術資源：企業是否擁有支持自主開發所需的專業人才和技術資源？
• 時間與成本限制：考慮到時間和預算限制，哪種選擇更符合企業當前的實際狀況？
• 風險承受能力：企業是否準備好承擔自主開發可能帶來的風險和不確定性？

結論

在自主開發與選擇市場解決方案之間做出選擇時，企業領導者應詳細考量專業人才的挑戰、開發週期的不確定性以及技術維護的持續負擔。鑒於市場解決方案的即插即用性、成本效益以及專業支援和服務，對大多數企業而言，選擇這些解決方案通常是較為明智的選擇。這不僅能加速創新進程，還能確保企業專注於其核心業務和長期戰略目標，在激烈的市場競爭中保持領先。

The post 面對AutoML：企業應自建還是採購？ first appeared on Chimes AI.

作者：未來城市、CSR@天下編輯部

AI應用如何更普及？詠鋐智能（Chimes AI）創辦人暨執行長謝宗震在三月28日「2023天下SDGs雙日國際論壇」分享了AI預測風險、節約能源及產業創新三類案例；他持續在城市及企業導入AI，希望讓人們使用科技，就如同用水一樣簡單。

詠鋐智能（Chimes AI）是一家新創公司，我們才創立兩年，如何為社會實踐ESG？我們希望做到AI普及化、降低AI門檻 — — 讓大家使用AI，就像用水一樣簡單。

為何可以透過AI實現ESG目標呢？因為AI能透過數據分析，提早預判風險、為社會節能降耗、幫助企業創新。接下來，我想分享幾個台灣的真實案例。

颱風、火災的風險預警

近年，我們受到氣候變遷、颱風災害影響，「韌性」成為我們的因應關鍵。因此，我們分析水文、氣象、雨量，找到城市裡的抽水站水位、閘門數據；接著，我們的系統至少能提早30分鐘告訴使用者，在哪些地方、水位將升至多高。同時，預警數據能連結災害應變系統，更順暢地應變、調度災害相關資源。

我們也與電力公司合作，導入颱風、氣象、電網的歷史數據；例如，納入木造或水泥電線桿的位置、電纜地下化區域、將淹水地區、已發生土石流地區、人口密集處等，交叉比對後，就能提前告知電力公司目前的停電風險。

不只水，我們也幫高雄做了台灣第一張火災風險地圖 — — 藉著消防局蒐集的火警歷史數據、建築物屋齡、建築型態、住戶人數、七歲以下兒童人數、獨居老人人數，讓消防局能「對症下藥」，提前預防高風險區的火災。導入數據後，我們真的大幅下降了高雄鳳山區的火災發生數。

智慧染整的節約實例

在節約能耗方面，我們在製造業投入較多；其中包含了能源、原料、生產過程、產品等資料。

這裡面有一件重要的事情 — — 生產過程中，工廠常使用冰水系統嚴格控溫、維持製程穩定；所以，我們可以透過數據分析，事先找出異常、超載的壓縮機，也從中減少耗能、延長壓縮機壽命。

除了設備保養，我們也能透過物聯網的演算法、感測數據，實現機台參數的最佳化。例如，同一機台在不同季節、天氣下都可微調，讓產品品質一致。這過程中，工廠不僅穩定了良率，也達到節約效果。

例如，紡織業常要面臨少量、多樣化的良率，且需使用大量水資源。我們可透過AI及歷史數據，找出最適合的染料對應濃度、染布材質數據、溫度控制、攪拌速度等。一但透過智慧染整，讓良率最大化，工廠就不必再因色差、染色不均而洗掉重來，可減少大量水資源浪費。

AI為老師傅傳遞經驗、做碳盤查

談到永續，有效的經驗傳承也很重要。

我們與金屬製造業合作時，發現IT部門無法快速調整、上線，造成工廠內的生產管理及營運必須高度仰賴人力。因此，我們找出工廠的製造工藝、原料、人員、設備、品質與費用資料；交叉比對後，可計算一項新產品產製時，運用多少參數，就能做出多少顆水龍頭、螺絲 — — AI從中幫助工廠營運，也傳遞老師傅的經驗。

此外，在節碳淨零時代，我們能透過碳盤查找出各環節的排碳量。

以工廠為例，一天生產多少產品、使用多少能源、花多少人力，對應的碳排是多少？能不能更仔細找出「碳排細分」 — — 透過AI演算法，掌握不同產品分別使用多少碳排，反推出耗能的製程，更進一步地實踐工廠的淨零。

The post 讓AI預測風險、節能與產業創新！詠鋐智能執行長謝宗震如何打造普及化AI？ first appeared on Chimes AI.

作者：郭又華

透過ChatGPT背後的龐大資料庫及自然語言處理能力，企業能從全世界的案例中學習AI應用場景等新知，而且連非技術人員都能參與。

企業數位轉型開始擴大導入新興科技時，對非技術人員往往會面臨很大的適應考驗，他們不知道如何應用新科技、分析數據或解讀BI報表來決策。AI新創Chimes AI執行長謝宗震從去年底開始，開始用ChatGPT協助自家企業顧客面對這些挑戰。

企業可以輸入簡單的資料，透過ChatGPT來探索新興科技應用發展可能。圖為Chimes AI利用提示工程所打造的AI專案開發計畫產生器，只要輸入專案議題，就能生成一整份企畫。（圖片來源／Chimes AI）

可用ChatGPT產生AI提案計畫書

有一家使用了Chimes AI建模與管理平臺產品的企業，老闆想要將AI擴大應用到其他部門，要求各部門提案。不過，非技術部門不熟悉AI技術，無法想像如何將AI應用於工作流程優化。

謝宗震參考自家過往AI導入案例，利用提示工程做法，讓ChatGPT自動生成AI應用發展企畫書。謝宗震說，這份企畫書已經足以提供企業思考的大方向，之後只要稍做修改，就能成為具可行性的計畫。目前可以利用ChatGPT生成AI應用場景的計畫書、產生專案開發計畫、建議專案資料盤點、模擬專案資料、補齊專案資料、提供解讀等等不同專案階段的參考資料或知識。

能學習ChatGPT如何解讀BI報表

如何運用ChatGPT來輔助非技術人員，例如企業業務團隊常需要參考BI報表來決策，不過，就算有BI報表，業務人員不一定能將報表內容直接轉化為具體洞見或執行計畫。謝宗震觀察，對不諳資料科學的中階主管而言，從BI報表上冰冷的數據找到延伸方向，並整理為合理易懂的解釋，不是一件易事。這是一個ChatGPT能應用的場景。企業可以輸入報表或各式圖表給ChatGPT，讓它生成出易懂的分析來作為報告參考。

謝宗震說明，AI可以幫忙從資料之間的關聯性找出可能解釋。舉例來說，ChatGPT能快速觀察出太陽能光電廠的發電量跟天氣、氣溫、能見度等變數間的關聯性，並輸出易懂的文字結論，例如發電量與哪個變數關聯性最強。

儘管ChatGPT是處理自然語言的AI，不過也有辦法讓它讀取視覺化圖表。使用者可以對ChatGPT描述圖表資料結構，例如折線圖XY軸，再將數據以CSV的格式提供給ChatGPT，它就能讀懂非純文字的圖表。謝宗震也觀察到，為了避免資料外洩等原因，企業實務上通常不會直接將所有數據輸入ChatGPT，而是將部分數據或模擬數據提供給ChatGPT解釋後，再參考它生成的解釋方向，來解讀實際數據。

ChatGPT參數及提示輸入是成果精準度關鍵

如何善用提示工程來引導ChatGPT的生成時，謝宗震提到，對ChaGPT定義使用者角色的重要性。舉例來說，在請ChatGPT發想技術應用企畫時，可以指示ChatGPT扮演生產技術部門裡面的一個品管人員，生成的企畫細節就會更加貼近實務需求。甚至，若指示ChatGPT扮演經驗豐富的數據科學家角色來解釋BI報表，解讀能力也會提升。

企業導入ChatGPT的另一個隱憂是生成結果的精確度。作為一個生成式AI，ChatGPT會不會輸出與實務情況脫節的內容，例如在生成報告時，添加了現實中不存在的數據或細節等？謝宗震坦言，這種情況確實有可能發生，因此在ChatGPT API的參數設定及指令輸入上，必須依照需求做出相對應的調整，才能獲得足夠精確的輸出成果。

舉例來說，在ChatGPT API中，提供了一個Temperature參數，決定生成結果的多樣性，數字越高，多樣性越大，也就越可能與現實脫節。因此在需要高精度和可重現性的應用場景中，可以將此參數降為0。不過，也有些應用場景反而需要ChatGPT生出更多元的結果，例如探索新興技術應用可能時就需要調高。

雖然ChatGPT只能根據2021年9月之前的數據來生成內容，不過，謝宗震認為，參考2年前的網路資料雖無法讓企業一躍成為業界最前線，但已經足以讓企業不落於人後。他甚至表示，這種用ChatGPT生成新興技術應用企畫的做法，「是一般企業追趕頂尖企業最好的方法。」

資料模糊化技術將成降低資料外洩風險關鍵

對不少企業來說，使用ChatGPT這類工具的一大疑慮，是擔心敏感資料外洩。謝宗震認為，首要做法是，企業內部要規範好數據控管機制，以避免員工不慎上傳涉及個資隱私或營業機密的數據。接下來，則是妥善利用資料模糊化技術。

由於企業使用ChatGPT來進行企畫書或報表解讀時，通常只需要大方向的趨勢解讀，因此企業可以先模糊化數據，再輸入數據給ChatGPT。這些方法包括將具體數字轉化為百分比、在數據中加入一定程度的雜訊，或者以實際數據為基礎，做出一份模擬數據。

不過，謝宗震認為，隨著越來越多企業認同ChatGPT等AI工具的價值，未來資料模糊化技術也會更加重要。就算財力雄厚的大型企業能直接購買一套AI模型，部署到自家環境中，要做到這種程度的投資前，企業內部仍須先進行小型概念驗證，建立企業對這類工具的信心，因此資料模糊化這種較簡單的做法，對於大小企業來說都有其必要性。

The post 【先行者經驗：Chimes AI執行長謝宗震】靠ChatGPT輔助，非技術人員更容易發想AI新點子 first appeared on Chimes AI.

作者：何晨瑋

疫後產業界出現廣泛的缺工現象。企業該如何從履歷大海中找到對的人才，並且提前留才？

針對企業招募、留才的人才議題，除了改善企業文化、調整薪酬結構等作為，有許多企業開始採用更科學化的AI技術。

詠鋐智能（ChimesAI）創辦人謝宗震表示，透過定義不同的參數，像是通勤距離、自評職務契合度等，建立AI模型、預測離職率，即可對潛在離職員工進行離職動機分析，提早做關懷措施。

身為清華大學統計博士的謝宗震，過去以資料分析的專業背景，為不同產業的客戶，提供AI技術的解決方案。詠鋐智能是他二度創業的題目，主要透過自家研發的AI建模與應用管理平台Tukey，來解決傳統AI應用導入門檻高的問題。

延伸閱讀：不會程式也能上手！詠鋐智能用AI解決ESG難題

人才流失、缺工，成為製造業的痛點

成立2年的詠鋐智能服務的客戶，有國內石化、鋼鐵、半導體大廠等業者。備受青睞的關鍵有二：第一，Tukey可應用的場景相當多元。像是，從生產參數最佳化、設備性能異常預警，再到原料產品供需評估等，都相較傳統解決方案避免檢修人力的浪費、縮短維修時間等成本。

第二，不需要懂程式也能讓一線人員直接建立、管理AI。企業內部的資訊團隊產能往往十分吃緊，倒不如由具備know how的人資團隊直接建立AI模型，更能夠給出合理的推論與解釋。使用Tukey的第一線現場人員分享，「過去自己都聽不懂AI在講什麼、以為距離AI很遙遠，」在沒有AI相關背景下，他們實際操作Tukey都很上手，也都讓他們感受到AI所帶來的價值。

但為什麼詠鋐智能會從傳統製造業跨界到人力資源領域？謝宗震分享，「我們服務的客戶主要是傳統製造業者，但近年來發現產業界的人才流動、缺工問題蠻嚴重的。」

循著「實現AI庶民化，讓產業使用AI技術像用水用電一樣自然」的初衷，也讓他們開始思考，可以如何讓AI扮演要角，解決缺工等人力資源問題，為企業做到科學化的選、育、用、留才。

用AI把對的人找進來、留下來

「年輕工作者轉換工作的意願高！」除了產業界面臨迫切的缺工問題外，謝宗震觀察，現在比較少聽到有年輕員工會願意待在一家公司超過5年、10年以上。這也成為企業在招募、留住人才上的一大痛點。

他舉國內半導體大廠為例，每年的招募成本好幾億，如果將員工流失率約10%，光是人才流失所造成的損失就相當於好幾千萬。這還不包含需要重新招募、人才空缺等成本。

因此，他們同樣使用Tukey，只是場景換到人力資源中。不一樣的是，他們針對通勤距離、職務契合度、距離上次升遷多久、加班時數、加薪幅度等可能導致離職的因素設定參數，並建立分類器，來預測員工的離職率，進一步針對員工的離職動機進行分析。

一間企業人資長，也分享了Tukey平台實際應用的回饋。人資長對於Tukey印象深刻的地方是，可以根據不同員工所屬的部門、職級等條件，提供員工去留的拉力、推力分數。像是，研發工程師對於工作內容契合度、職等升遷特別敏感；廠務工程師則對於是否長期加班特別在意。

人資長進一步解釋，這樣的觀察，過去在離職訪談中有隱約觀察到這樣的現象，但這現象直到透過AI可以更加明確量化。

除了預測員工的離職率外，同樣也能運用在人才招募上，譬如分析哪些管道可以為公司找到頂尖人才、如何從組織內部徵選合適人才、如何協助新人有效入職。

謝宗震解釋，一家企業每次招募可能從各種管道收到上萬封的履歷，但人資不可能每封都看，所以要透過AI能在短時間找出適合公司職位、最有可能會來面試的人選。

透過科學化的AI演算法、數據分析的方式，能幫助人資在人才的選、育、用、留的資源投入上更有效率，讓企業更具備競爭力。

The post 缺工怎麼辦？詠鋐智能用AI助企業「留才，不流才」 first appeared on Chimes AI.

作者：林佳楠

詠鋐智能(Chimes AI)表示，以AI技術協助推動企業ESG，可分為六大進程，Chimes AI希望透過無程式碼(No-Code)平台使AI技術「庶民化」，並讓ESG解決方案遍地開花。

AI for ESG 六大進程

日前在Meet Taipei論壇中，Chimes AI創辦人暨執行長謝宗震於表示，Chimes AI透過AI技術協助企業的ESG治理，推展階段可分為6階段：

1. ESG出題AI解題
2. ESG大數據收集與整理
3. AI for ESG典範場域建立
4. 成功案例複製
5. ESG數據思維融入企業DNA
6. 永續AI支撐企業永續經營。

AI 演算法長處及 ESG 應用場景

著眼於企業對於ESG管理的迫切需求，謝宗震表示，Chimes AI團隊希望讓企業用AI「像用水用電一樣自然」，已推出無程式碼的AI建模與管理的平台Tukey，可提升企業的能源、製程、環境安全衛生管理效率。 AI演算法擅長的事主要是預測估計、根因分析以及參數推薦，也就是從What、Why到How的過程。

• 以預測估計而言，涵蓋碳排估計、能耗預測、廢水廢料估計、設備異常預測、人員離職率預測等。
• 根因分析，則包括配方研發實驗設計、品質異常、設備故障、員工離職、供應鏈異常分析等；
• 參數推薦可用於提升良率操作、節能配方推薦、節能生產操作、降低工安風險等。

AI for ESG 具體案例與效益

謝宗震指出，所有的製造業都會用到冰水主機冷卻系統，不同產品生產過程的能源控制也不同，控溫過程中可能耗費過多能源成本。透過不同空調系統的串並聯，並使用AI演算法監控相關系統運作，可找到降低能耗的最佳操作控制。其解決方案也用於汽電共生廠，協助廠區進行能源需求尖峰預測，減少不必要的能源浪費。

謝宗震認為，把AI拿來做ESG應用，透過可以更精準確認、盤點問題，找出對應ESG議題對應的數據，協助客戶建立典範及場域後，可以有效、快速地複製成功案例，讓ESG議題遍地開花。

The post AI助力企業ESG，Chimes AI 強調六大進程 first appeared on Chimes AI.

日前由 DIGITIMES 舉辦的 2022 Taiwan AI EXPO 中，在不知講堂議程中進行了一場別開生面的 AI 人才培育座談會。

人工智慧科技基金會(AIF)執行長溫怡玲於會中提到，各行各業都面對著人工智慧 (AI) 當道的趨勢，這條康莊大道上常聽「AI 產業化，產業 AI 化」這句話，隨著越多企業將 AI 導入各種解決方案的過程中，經常面臨缺乏人才的挑戰。

中央大學資工系教授蔡宗翰認為，具備領域 (Domain) 專業知識、並能結合資工基礎的跨域人才，會是未來高階 AI 人才的趨勢。事實上，光會建模型訓練模型這個等級的入門人才現在已經越來越多，更缺的是能夠因應真實狀況與限制，例如資料缺乏與有限的運算資源，靈活運用各種技巧來調整，設計模型的高階資料科學家人才；以及具備領域專業知識，又懂 AI 概念，知道什麼是 AI 可解，什麼是不可解的跨域 AI 人才。

蔡宗翰在人工智慧圈中有 AI 界李白之稱，談到培育 AI 人才，李白老師提到 AI 技術發展出來一定要應用在一個領域，例如製造、金融、醫療、零售等等；這都必須要具有高度學習能力的資料科學家/工程師與具有 AI 思維的領域專家密切合作，才有辦法設計出一個好用的 AI。因為 AI 是服務人類的，因此一定要將人的因素考慮進去，這又必須加入各種人文領域的專家進去合作，設計出來的AI才會有人性、帶有人味。學生在校可以跨域修課，接觸不同領域的同學，累積跨域合作經驗，增強跨域對話與學習能力。

在產業 AI 化中，許多應用場景發生在工廠內的智慧製造，這時候 Domain 知識就至關重要。從清大統計博士到人工智慧專家，Chimes AI 詠鋐智能創辦人謝宗震有深厚資料科學與程式訓練背景，他表示 AI 是一門應用科學，除了要對技術要有一定的掌握，更重要的是 AI 技術必須建立在某個產業場景之上，他認為具備同理心素養，去觀察周遭生活、社會脈動，並有著共利思維去思考如何實踐解決問題。

謝宗震進一步地闡述，產業 AI 化除了從人才培育著手外，導入適當的工具協助產業人員 AI 賦能至關重要，近來 AI 界也在推廣無程式碼 (No-Code) 介面與相關解決方案，降低企業進入 AI 的門檻。在未來我們看到非碼農的領域專家會做出多元且能夠實質落地的 AI 應用。而對追求技術卓越的 AI 科學家將會有更多啟發挑，進而加速推進 AI 技術的下個迭代。

The post 高階人才關鍵，跨域與 AI 應用能力 first appeared on Chimes AI.

在訪談中謝執行長提到，傳統產業善用新興科技至關重要，透過人工智慧監診機制，能夠有效地針對異常設備提前預警，避免工廠在發生無預警停機時造成的公安意外或環境汙染。

談到如何實現 AI 落地，謝執行長分享了一個有趣的心法「對齊動機」。當我們想要在某個組織內部推動某件事情，首重對齊利害關係人的動機，以設備智慧監診為例，對設備保養工程師而言，這個方案有效減輕工作負擔；對廠務主管而言，這個方案有效降低管理風險；對於經營者而言，這個方案能有效提升生產效益。當立各個利害關係人的需求被對齊後，AI 應用方案當然會順利落地。

在 ESG 浪潮風靡全球之下，謝執行長也提出 AI 發展的問題點，目前頂尖的 AI 研究，譬如自然語言 (NLP) 模型訓練成本高達數百萬美金，其碳足跡相當於波音客機飛行紐約至北京200趟。

故此，謝執行長認為台灣擅長在有限的資源中做出最精緻的事物，基於這樣的文化基因，發展台灣特色的 AI 應用，不僅能讓台灣站上世界舞台，也同時讓大眾獲得更便利、更加永續美好的生活。

完整訪談，請見

‎在 Apple Podcasts 上的《IC之音｜聽見這世代》：世代學習關鍵字 ─ 「拉近AI與第一線 導入的關鍵」

The post 拉近AI與第一線，導入的關鍵 first appeared on Chimes AI.