【善寫手】 科技始終來自人性，AI也是來自人腦
大智澈見教練講師/鍾志明
兩篇文章都提到AI在行銷領域方面的應用，這是AI可貢獻最大價值的領域。如同文章中提及，2020年，德勤顧問公司（Deloitte）對AI早期採用者進行的全球調查顯示，AI的前五項目標中，有三項是行銷導向：增強現有的產品和服務、創造新的產品和服務、強化與顧客的關係。而AI之所以在行銷方面能有這麼大的期許，的確就是來自行銷的核心—了解顧客需求。當你的顧客數量或交易量相當龐大，要了解顧客需求不是一件容易的事情，要在競爭中脫穎而出，需要借助科技的力量。
試問一個問題，假設兩家競爭企業使用相同的科技收集與分析消費者資料，兩家企業所做出的預測或決策會相同嗎？執行的結果也會相同嗎？所以科技會讓我們更了解顧客的行為(不一定是需求)，但要滿足顧客的需求並達成企業的目標，仍然必須靠企業的行銷策略規劃與執行力。其中個人覺得常犯的錯誤，仍然是目標顧客不明確，講白一點，就是不懂”捨”。當目標顧客不明確的時候，可能會模糊顧客行為的分析，或是顧客行為分析正確，但因為市場分散而降低了執行力，即使做出了正確的預測，卻無法比競爭者更有效滿足顧客的需求。
許多人對AI有多神充滿了想像，似乎一旦使用了AI，就能像掃地機器人一樣，自己執行任務、找到髒汙、然後解決掉髒汙的問題。但事實上，也如同過去企業引進許多ERP、CRM、SCM、DSS等系統一樣，AI導入成功率並不高。如《史隆管理評論》與波士頓顧問公司在2019年針對2,500位高階主管所做的調查顯示，有90％的受訪者表示，他們公司有進行AI相關的投資，但其中不到40％的受訪者，看到這些投資在一開始三年內帶來商業利益。此二篇文章都把失敗的原因指向”沒問對問題”，而非科技或設備上的問題，那麼，究竟是誰在問問題？甚麼才是正確的問題？就是引入AI的關鍵成功因素。
AI不是天生就具備了智慧，如同它的名字，它的智慧來自於”人工”，你買的AI不是完成品，只是一個剛出生的系統。AI的智慧增長來自於餵給它的數據及設定的學習準則，所以它的智慧成長當然也會受限於它的學習對象。AI不會自己問自己問題，然後去找到解決方法，而是學習人類給它的問題與解答的邏輯，其準確性則來自於數據量的多寡與品質，還有從錯誤中反饋的學習機制。所以當行銷人員總是問錯問題，它的學習成果當然會是錯的。
行銷人員可能問錯問題的原因有兩大類：對問題本質的不瞭解、沉浸於舊的思考模式。通常我們對於結構式的問題比較能夠掌握，例如通常哪一天的營業額會偏低等問題，而且我們也期待得到標準的答案。但行銷上遇到的許多問題多為半結構式或非結構式的問題，也很難確認答案是否正確，這時候如何將模糊的問題以結構式方式重整的訓練就相當重要。在文章中已經舉出相當多的案例，我想，這些就是行銷決策者對行銷內涵與決策問題的素養培育，而非來自於是否了解AI。在沉浸於舊的思考模式方面，我們沒有了解到量變可能產生質變，當大數據的處理速度快到極點時，我們以前受限於運算速度的思考框架可能就限制了AI的發揮，往往就只能讓AI去處理一些過去結構式的簡單問題，就像只拿iPhone來打電話一樣，當然無法產生足以回收AI投資的效果。我們必須問一些沒有AI以前沒有問過的問題，打開自己的想像力，然後將想像力重組成有邏輯的問題。
沒有好的人腦，可能就沒有好的AI。科技始終來自人性，AI也始終來自於我們的大腦。
試問一個問題，假設兩家競爭企業使用相同的科技收集與分析消費者資料，兩家企業所做出的預測或決策會相同嗎？執行的結果也會相同嗎？所以科技會讓我們更了解顧客的行為(不一定是需求)，但要滿足顧客的需求並達成企業的目標，仍然必須靠企業的行銷策略規劃與執行力。其中個人覺得常犯的錯誤，仍然是目標顧客不明確，講白一點，就是不懂”捨”。當目標顧客不明確的時候，可能會模糊顧客行為的分析，或是顧客行為分析正確，但因為市場分散而降低了執行力，即使做出了正確的預測，卻無法比競爭者更有效滿足顧客的需求。
許多人對AI有多神充滿了想像，似乎一旦使用了AI，就能像掃地機器人一樣，自己執行任務、找到髒汙、然後解決掉髒汙的問題。但事實上，也如同過去企業引進許多ERP、CRM、SCM、DSS等系統一樣，AI導入成功率並不高。如《史隆管理評論》與波士頓顧問公司在2019年針對2,500位高階主管所做的調查顯示，有90％的受訪者表示，他們公司有進行AI相關的投資，但其中不到40％的受訪者，看到這些投資在一開始三年內帶來商業利益。此二篇文章都把失敗的原因指向”沒問對問題”，而非科技或設備上的問題，那麼，究竟是誰在問問題？甚麼才是正確的問題？就是引入AI的關鍵成功因素。
AI不是天生就具備了智慧，如同它的名字，它的智慧來自於”人工”，你買的AI不是完成品，只是一個剛出生的系統。AI的智慧增長來自於餵給它的數據及設定的學習準則，所以它的智慧成長當然也會受限於它的學習對象。AI不會自己問自己問題，然後去找到解決方法，而是學習人類給它的問題與解答的邏輯，其準確性則來自於數據量的多寡與品質，還有從錯誤中反饋的學習機制。所以當行銷人員總是問錯問題，它的學習成果當然會是錯的。
行銷人員可能問錯問題的原因有兩大類：對問題本質的不瞭解、沉浸於舊的思考模式。通常我們對於結構式的問題比較能夠掌握，例如通常哪一天的營業額會偏低等問題，而且我們也期待得到標準的答案。但行銷上遇到的許多問題多為半結構式或非結構式的問題，也很難確認答案是否正確，這時候如何將模糊的問題以結構式方式重整的訓練就相當重要。在文章中已經舉出相當多的案例，我想，這些就是行銷決策者對行銷內涵與決策問題的素養培育，而非來自於是否了解AI。在沉浸於舊的思考模式方面，我們沒有了解到量變可能產生質變，當大數據的處理速度快到極點時，我們以前受限於運算速度的思考框架可能就限制了AI的發揮，往往就只能讓AI去處理一些過去結構式的簡單問題，就像只拿iPhone來打電話一樣，當然無法產生足以回收AI投資的效果。我們必須問一些沒有AI以前沒有問過的問題，打開自己的想像力，然後將想像力重組成有邏輯的問題。
沒有好的人腦，可能就沒有好的AI。科技始終來自人性，AI也始終來自於我們的大腦。
#AI #行銷 #問題 #學習
閱讀推薦：《哈佛商業評論》
https://www.hbrtaiwan.com/article_content_AR0010566.html
標題：設計AI專屬行銷策略
https://www.hbrtaiwan.com/article_content_AR0010578.html
標題：AI行銷為何不給力？你沒問對問題，就會錯失機會
閱讀推薦：《哈佛商業評論》
https://www.hbrtaiwan.com/article_content_AR0010566.html
標題：設計AI專屬行銷策略
https://www.hbrtaiwan.com/article_content_AR0010578.html
標題：AI行銷為何不給力？你沒問對問題，就會錯失機會
| 鍾志明 國立政治大學企業管理學系博士
醒吾科技大學副校長暨研發長，專長領域為組織與策略管理、行銷管理、科技管理、品牌創新。 |
 |
