這次社課由我們技術部的張存億擔綱主講，為大家帶來一場含金量超高，但完全不碰程式碼的 AI 專案管理指南！ 如果你曾覺得 AI 專案都是工程師的天下，那這堂課會顛覆你的想像，證明非技術背景的人才，才是那個讓 AI 專案成功落地的關鍵「翻譯官」！ 課程一開始，存億就拋出一個震撼彈：AI 專案最常見的失敗，根本不是技術瓶頸，而是「問題定義」不清！ 很多團隊興沖沖地導入 AI，最後卻做出一個沒人要用的產品，這就是因為缺乏一個能串連商業與技術的角色。 這就是非技術背景 PM 的核心價值所在：扮演「翻譯官」。 PM 的工作，是將管理層那些模糊的「商業目標」，轉譯成技術團隊聽得懂、可執行的「具體 AI 任務」；反過來，再把複雜的技術成果，轉譯成老闆聽得懂的「商業價值」。 為了讓大家更具體地理解，存億將一個完整的 AI 專案拆解為「四大關鍵階段」：
- 問題定義 (Problem Definition)：一切的根基！透過撰寫 PRD (產品需求文件)，明確定義專案目標、使用者是誰、要解決什麼痛點，以及成功的 KPI 是什麼。存億特別強調，一份好的 PRD 甚至該有「不做清單 (Not-to-do List)」，讓技術團隊能更專注！
- 數據規劃 (Data Planning)：AI 的命脈就是數據！俗話說的好：「Garbage In, Garbage Out」。這個階段 PM 要處理數據來源的合法性、隱私問題，並與團隊一同制定「標註規範」，避免因為標註者的個人偏見，讓模型學歪了（#Bias）。
- 模型評估 (Model Evaluation)：模型不是越強越好，而是越「適合」越好。PM 不需要自己寫模型，但需要根據商業情境，向技術團隊要求客觀的效能指標。存億用了一個直觀的例子：醫療診斷 AI 要求的是 Recall (召回率)，因為「寧可錯殺一百（誤判有病，再由醫生複查），不可放過一個（漏掉真正的病人）」。這完美體現了 PM 如何從商業風險回推技術指標！
- 部署與迭代 (Deployment & Iteration)：專案上線只是開始！存億提醒大家要持續監控「#模型漂移 (Model Drift)」，因為世界在變，詐騙集團的手法會更新、市場趨勢會轉變，模型也必須定期用最新的資料「再訓練」，才能保持戰力。 總結來說，這堂課讓我們深刻體會到，一個成功的 AI 專案，靠的不只是頂尖的技術，更需要一位懂溝通、懂定義、懂協調的 PM 作為橋樑。 理解 AI 的運作流程與專案週期的我們，未來將更有能力駕馭這項強大工具，將其價值發揮到極致！💪
活動照片
