機器學習 (ML) 已從潮流變為現實，成為許多組織創造價值的重要驅動力。完全接
納人工智慧 (AI) 的企業當中，有超過三分之二表示，這個技術創造了更佳的客戶
體驗，其中一半以上認為能夠協助他們制定更好的決策，並增加生產力，讓企業
在創新的同時又能節省成本。
1
ML 顯然是企業轉型不可或缺的一環，但許多組織仍費盡心力想要瞭解應該將 ML
應用在哪些方面，才能發揮其最大的影響力。選擇正確的 ML 使用案例需要考慮
諸多因素。
首先，您需要在最佳商業價值和速度之間找到平衡點。由獨立作業的資料科學家
所建立的概念驗證，不太可能在組織中引起太大的 ML 的熱情。若能展現 ML 如
何解決組織目前面臨的實際問題，將更容易吸引所需的投入和資金。此外，您要
尋找一些可以在 6 至 8 個月內完成的工作，才不會失去動力。如果您是第一次接
觸 ML，這一點尤為重要。
其次，您要尋找已經擁有豐富資料的使用案例。一個好的商業使用案例如果沒有
任何資料佐證，將會讓資料科學家無所適從。
最後，您需要評估您的業務問題是否真的需要 ML 才能解決，以及 ML 是否能比
傳統方法產生更好的成果。這些成果可能是指降低成本、提高員工生產力，或改
善客戶體驗等方面。
滿足以上所有條件的最佳方法，就是確保技術專家和領域專家能在 ML 專案上攜
手合作。技術專家能進行可行性評定，而領域專家將確保解決方案能解決真正的
業務問題，並產生實質的影響。
簡介
透過機器學習解決最
常見的業務挑戰
1
"Artificial Intelligence (AI) and Analytics" (人工智慧 (AI) 和分析)，PwC Tech Effect Blog，2022 年
2
