本文是我 7/21 在香港大學中國商學院 (Institute for China Business) 北京教學中心的專題演講內容：〈數據驅動人工智慧時代下的使用者研究〉。現場演講用的簡報是簡體版，我翻成繁體版之後放上 Slideshare，文末有簡報並提供下載。本文仍以簡體簡報說明。
本文所提出的模型與架構，欲引用者請與我聯絡。
要討論數據驅動人工智慧時代下的使用者研究這個議題，必須從回答兩個問題開始。
問題一：人工智慧時代需要使用者研究嗎？
在個人電腦、平板或手機時代，人機互動的模式是 WIMP (W：Window 視窗；I：Icon 圖標；M：Menu 選單；P：Pointing Device 指向工具)。
想像一下，在操作有鍵盤的 (桌上型或筆記型) 電腦時，如果要完成一個任務，例如有一個觀看在某資料夾內的簡報檔案的「目的」，你必須使用滑鼠或鍵盤這些這些「指向工具」去點擊檔案總管的「圖標」，然後「視窗」打開，你再點擊某些圖標，有下拉式「選單」，從中再點擊某些文字項目或圖標，經過一連串的動作之後，終於「完成」打開並觀看簡報的目的。
其他的任務，例如播放音樂、閱讀新聞等等，也正是在一連串 WIMP 中，經由「想法」、「判斷」和「執行」的循環，從有目的到完成任務。
然而，在人工智慧時代，「目的」和「完成」之間已不再需要經過那麼多步驟，以語音互動為例，僅說出目的便已完成。例如，對著語音助理說：「Siri，播放音樂！」音樂便悠然而出；其他方式如手勢或眼神，也是同樣能達到目的操控方式。
在個人電腦、平板或手機時代，如果使用者研究是在研究人的「想法」、「判斷」和「執行」，到了人工智能時代，沒了這些可研究的目標，那麼，使用者研究還有存在的必要嗎？
答案：當然需要，甚至更加需要。
問題二：大數據分析就是使用者研究嗎？
統計分析就是一種猜測 (學術一點的叫做推論)。猜測得準確與否的要素之一是樣本數量。在大數據時代，使用者的各樣數據都被紀錄 (record everything) 之後，理論上，數量已經算是非常接近母體，那麼，這就算是使用者研究嗎？
答案：當然不是。
誰來捕捉這關鍵時刻 (Moment of truth)？靠人還是靠機器？
在人類的生活經驗中，有許多關鍵時刻 (Moment of Truth, MoT) 發生在內在自我 (impact & contribution)、人與人之間 (Connection & Growth) 和外在表現 (Socialization & Performance)，如果沒辦法親身感受，是很難捕捉那人類獨有的情感時刻。而無法真實去感受的機器，就沒辦法抓取這關鍵時刻。
數據是驅動人工智慧的燃料
人工智慧 ABC
人工智慧的基本組成，若簡單地以 ABC 來說，可分為 Algorithm (演算法)、Big Data (大數據) 和 Cloud Computing (雲端計算，代表 Computing Power 運算能力)，其中的演算法 (A) 和 大數據 (B) 著重的是準確度， 運算能力 (C) 則強調的是速度。
人工智慧下的技術本質與商業本質
人工智慧的技術本質是「分類」，有些人會說是分群或迴歸，但基本上我還是採用以分類為簡易且能理解的本質。你或許都聽過訓練人工智慧機器的辨識「這是不是一隻貓」的故事。最後人工智慧給的答案都會是類似：86.2% 的機率是貓、43.3% 的機率是豹、13.7% 的機率是狗。這就是在分類，你也可以理解為在每一個畫素 (pixel) 人工智慧機器正在「做分類」，最後給出一個答案的可能分布。
而在商業環境中，其本質在於「效率」的競爭，高則勝，低則敗。這不難理解。但是在技術與商業間存在著鴻溝，從「分類 」跨越到「效率」，必須仰賴人在當中做出「決策」，也就是說，人類必須藉助人工智慧的分類技術，做出最佳決策，以提高商業運作效率，才能提升競爭優勢。
協同打造人工智慧轉型契機的三種人
從技術到商業，很多企業想要借力人工智慧，於是開始胡亂投醫下藥，以為雇用幾個工程師，或找一間顧問公司就能華麗轉身，成為數位轉型新典範，或是成為人工智慧公司。
首先，有一件事情必須先澄清：不要想像自己可以成為所謂「人工智慧公司」，因為沒有這樣的公司。你想想，你公司裡每人配備一台電腦，外加一隻智慧型手機，你們利用這些工具營利謀生，你會說你公司是電腦公司兼智慧型手機公司嗎？當然不會！你還是在經營醫美診所、出版社、共享廚房、廣告公關公司…，你只是用了人工智慧的技術幫助你營運得更好而已。
想要跨入人工智慧領域，我認為有三種人必須協同合作才能發揮優勢，分別是：科學家 (AI Scientist)、領域專家 (Domain Expert) 和 引導者/促進者 (Facilitator)。
人工智慧科學家稀有，想請到他們出馬，你必定會付上昂貴的價格。所以，如果口袋不夠深，財力不足以支撐一人年薪 50 萬美金的你，找到能提供「類似」服務的顧問公司或設計公司合作，或許是個可行之道。
同時，你的公司裡也必須要有相對應的領域專家加入，和科學家通力合作。你要知道，科學家雖然擁有博士學位，但他就只是科學家，面對你那個應用領域，他只能算是個小學生，必須要有人為他們指點迷津，領路說明那些數據、流程、任務等等族繁不及備載的細節。
最後，你一定要在的公司裡找到引導者/促進者，這是一群特殊的人，他們出自於公司內部，懂得如何跟領域專家溝通；但是他們又擁有人工智慧相關的知識，知道如何和科學家合作。他們介於兩者之間，他們是 25% 的領域專家，25% 的人工智慧科學家，50% 的引導技術 (技巧) 專家。
關於人工智慧在認知領域的三種應用類型
在哈佛商業評論一月份的文章〈Artificial Intelligence for the Real World〉裡提到：人工智慧可支持三類重要的業務需求：商業流程自動化 (流程自動化，Robotic Process Automation, RPA)、透過資料分析取得見解 (認知洞察，Cognitive Insight)、與顧客和員工交流互動 (認知互動，Cognitive Engagement)。舉例如下：
流程自動化
- 把電子郵件和電話客服中心系統裡的資料，轉移到紀錄系統裡；例如，更新顧客檔案、改變地址或增加服務項目等。
- 更換遺失的信用卡或提款卡，進入多個系統，更新各項紀錄，以及處理與顧客的通訊。
- 從多種文件類型擷取資訊，以調和多個計費系統裡沒有收取服務費用的情形。
- 使用自然語言處理技術，來「閱讀」法律和合約文件，擷取裡面的條款。
認知洞察
- 預測某位顧客可能買什麼。
- 即時找出信用詐欺，以及偵測保險理賠詐欺。
- 分析保固資料，以找出汽車和其他製造品的安全或品質問題。
- 自動化執行數位廣告個人化定向。
- 提供保險公司更正確和詳細的精算模型建構。
認知互動
- 智慧型代理人提供全年無休的顧客服務，處理的問題愈來愈多且廣泛，從密碼查詢到技術支援問題，全部以顧客的自然語言來進行。
- 回答員工問題的內部網站，主題包括：資訊科技、員工福利、人力資源政策。
- 為零售商設計的產品與服務推薦系統，可提高個人化、互動和銷售額，通常包括豐富的語言或圖像。
- 醫療推薦系統，協助醫療業者制定量身打造的照護計畫，考慮到個別病患的健康狀況，與之前的治療方式。
關於人工智慧的四個發展方向
我提出人工智慧發展的四個方向，分別是：視 (Vision, 視覺)、聽 (Audio, 聽覺)、動 (Movement, 移動) 和想 (Thinking, Cognitive, 認知)。
人工智慧助力使用者研究的思考框架
將三種類型 (流程自動化、認知洞察、認知互動) 和四個方向 (視、聽、動、想) 以縱軸橫軸方式排列，排除重複的認知 (即「想」)，則可得到 3×3 的矩陣。
以一場 6 個人的焦點小組訪談舉例來說：
在「聽」+「流程自動化」的碰撞中，如果有適當的錄音設備加上指向功能，能辨識方向與聲紋，在訪談結束後，自動分出哪一位參與者說了哪些話、哪幾位參與者有對話互動、互動品質如何… 等等，最後生成帶有時間戳記與人物對照的文字，可以大大幫助研究團隊提高彙整效率與準確度。
在「視」+「認知洞察」的碰撞中，如果有是當的臉部辨識功能，抓取每個參與者在每個時刻的面部表情，便可以辨識出某些需要解析參與者的情緒反應。若能即時提醒訪談主持人 (Moderator) 並採取相對應的互動，將能大大提高細微情緒變化與捕捉更真實情感的機會。
人工智慧時代下的使用者研究，是一種互補協作的關係，不是取代關係
之前已經提過，人工智慧的技術本質與商業本質，現在再將人 (使用者) 納入這個系統框架當中。
我認為，對於使用者研究團對來說，所謂的研究就是擴大體會研究對象的經驗，也就是經驗的擴大。當研究團隊採用人工智慧技術時，就是透過分類技術，提供給我們那些可能的選項，再經由我們的經驗判斷，採取有意義的行動。
人工智慧讓團隊時間 (Team Time) 更有效率 (Productivity)。
當我們開始談論觀點 (Aspect)，這些事情才有意義 (Meaning)。
