使用 AI 開發時，您可能會在模型選擇、基礎架構和程式碼中迷失方向。您可能會忘記大方向。
在本單元中，我們將介紹藍圖，您可以使用這份藍圖對應任何新的 AI 功能或產品：
- 您要建構什麼？您的 AI 應用實例可為使用者帶來哪些價值？
- 您的應用程式將如何運作？
- 如何確保系統的每個部分都以負責任的方式開發？
如要瞭解這項藍圖的運作方式，請假設您在電子商務網站「Example Shoppe」工作。競爭對手忙著加裝通用聊天機器人，但成效不彰。您想為使用者提供更優質的體驗，並決定提升搜尋體驗，同時不中斷核心使用者流程。
升級後，購物者可以輸入自然語言詞組，例如「冬季紅色越野跑鞋」，並取得相關結果，這些結果可能是他們透過關鍵字搜尋錯過的。
商機
每個 AI 專案都應從明確的用途開始：使用者工作或問題值得以 AI 解決。AI 會在應用程式中引入不確定性和其他風險，因此只有在無法以傳統的決定性方式解決問題時，才應使用 AI。
用途
以Example Shoppe 為例，搜尋功能是連結使用者與所需產品的主要功能。如果使用者輸入的查詢內容有錯字、同義詞或含糊不清，通常會放棄搜尋。您可從自己的 Analytics 瞭解這點，外部研究也顯示相同結果。更靈活的智慧搜尋功能可讓使用者歷程更有效率，也更令人滿意。
其他 AI 用途範例包括：
- 在新聞網站上，您可以透過結構化方式摘要新聞，減輕認知負荷。
- 在發布平台上，系統會自動建議替代文字和字幕，協助你提升無障礙程度。
- 身為雲端服務供應商，您可以透過更智慧的文件搜尋功能，減少支援要求。
發掘高價值商機是運用 AI 締造佳績的關鍵。如RAND Corporation 的報告所述，選擇錯誤的商機是 AI 專案失敗的主要原因之一。
值
價值有兩個層面：使用者利益和產品/商家利益。 在大多數健康且負責任的產品中，這兩者是一致的：使用者成功，業務也會成長。以 Shoppe 為例，AI 輔助搜尋功能可協助使用者更快找到合適的產品，減少摩擦，創造價值。這有助於提高產品曝光度、轉換率，以及長期顧客滿意度。
有時價值可能無形，例如使用者滿意度和信任感。尤其是在初期，最好能找到量化價值主張的方法。這可做為您決定優先順序、傳達影響和說服利害關係人的堅實基礎。即使是粗略的估算結果，也能做為決策依據，並協助您衡量成效。
解決方案
釐清在產品中加入 AI 的原因後，請思考如何實作。瞭解 AI 解決方案的主要建構模塊。
資料
資料是 AI 的動力來源。最終，AI 系統的成效取決於從資料中學習的能力。無論模型或基礎架構多麼精巧，資料品質不佳、不完整或不一致，都會導致結果不盡理想，使用者也會感到失望。反之，高品質資料和設計完善的資料飛輪是價值驅動因素，也能成為產品差異化的一部分。
資料有各種形式和模態。以 AI 輔助搜尋為例，實用資料可能包括：
- 結構化資料：產品名稱、顏色、尺寸、類別和供應情形。
- 非結構化資料：產品說明、使用者評論和常見問題。
- 同義字清單：字詞關係，例如「球鞋」等於「跑鞋」。
- 使用者信號：點擊、停留時間、加入購物車動作和購買行為等信號，都能協助模型瞭解使用者實際認為相關的內容。
- 視覺資料：可嵌入視覺相似度索引的產品圖片，讓使用者透過相片搜尋或探索視覺上相似的項目，即使沒有相符的文字也沒問題。
這看起來似乎是大量資料，但請放心，一開始先從幾個訊號雜訊比最高的資料來源著手，然後隨著系統成熟度提高再擴大範圍。
在大多數情況下，原始資料可能無法直接供模型擷取。需要經過清理、前處理，並整理成 AI 友善格式。舉例來說，使用者信號可以轉換為動作序列，而未經結構化的產品說明則可編碼為語意嵌入。
資料可用於 AI 生命週期的不同階段：
- 在訓練或微調時，這項技術可用於教導模型模式和關係。
- 在評估時，您可以使用這項指標測試品質、準確度和關聯性。
- 在實際工作環境中，您可以運用這項功能追蹤漂移情形，並收集實際使用情況的意見回饋。
簡而言之，資料不僅是輸入內容，更是活生生的資產。妥善管理資料是網頁開發人員在運用 AI 時，可以培養的最有價值技能之一。
情報
智慧層是 AI 提煉和創造價值的地方。通常，系統的核心是模型，但大多數系統都更為複雜。以 Shoppe 為例，智慧層會使用一系列方法解讀使用者查詢：
- 命名實體辨識和資訊擷取，可擷取
color=red或season=winter等屬性。 - 句子嵌入模型，用於建立使用者查詢和可用產品的語意表示。
- 語意搜尋，擷取相關結果。
- 小型自訂重新排序模型，可準確依相關性排序結果。
智慧功能可說是 AI 系統最令人期待的部分，但也是最受吹捧的元件。每週都有新機型上市，通常還會搭配誇大不實的行銷宣傳。
請考量以下兩項重要因素：
- AI 不僅限於生成式 AI 和大型語言模型 (LLM)。許多工作更適合規模較小、專門的模型，因為這類模型部署和維護起來更快且更便宜。
- 現實生活中的 AI 系統很少依賴單一的整體模型。而是使用複合式 AI 架構，也就是一或多個模型與其他元件 (例如資料庫、API 和防護措施) 的組合。這些功能會共同運作，提供強大的情境感知行為。
與其追逐排行榜上的最新熱門趨勢，不如選擇適合您問題的智慧功能，隨著產品和業務發展進行調整。在後續單元中，您將瞭解目前最常見的 AI 技術：預測式 AI 和生成式 AI。此外，您也會學到如何評估及選擇適合系統的技術方法。
使用者體驗
使用者介面是向使用者提供 AI 價值的管道。 確定性軟體介面是可預測的，也就是說，相同的輸入內容一律會產生相同的輸出內容。導入 AI 會帶來不確定性。兩筆幾乎相同的查詢可能會產生完全不同的結果，即使是最強大的 AI 模型，也可能出現幻覺和其他類型的錯誤。
您必須非常審慎地進行這項轉移，尤其是將 AI 新增至現有產品時。開放式聊天機器人很有趣，但實際使用時卻很複雜且有風險。
一開始，請盡量減少使用者面臨的不確定性和風險。 舉例來說，在 Example Shoppe 的案例中，AI 輔助搜尋功能可以悄悄整合到現有介面。使用者繼續輸入自然語言查詢，即可獲得品質更優異的搜尋結果。
即使 AI 功能在背景運作，也建議您加強透明度。舉例來說，您可以新增通知，簡要說明系統如何精選這些結果。
在使用者體驗模式中，瞭解如何在產品的使用者體驗中，平衡 AI 曝光度、功能和風險。
管理
建構 AI 系統時，必須秉持負責任的態度。您應建立一套系統，保護使用者隱私、減少偏誤、提供透明度，並符合所有相關法律標準。良好的治理不僅是為了遵守法規，更是確保使用者信任和採用服務的設計原則。
在 Example Shoppe 的 AI 輔助搜尋功能中，控管作業從產品內建的防護措施開始：
- 隱私權：除非使用者明確選擇加入，否則個人化資料會保留在本機。 你隨時可以開啟或關閉這項功能。
- 公平性：我們會稽核搜尋結果，確保所有賣家都能獲得均衡的曝光機會。
- 信任與透明度：在 Example Shoppe 中，您可以瞭解每個搜尋查詢結果為何會顯示在最上方。這有助於贏得使用者信任。
- 安全性：受限或不安全的查詢 (例如違禁品) 會透過防護措施篩除或封鎖。
- 補救措施：如果 AI 輔助功能沒有幫助，使用者可以輕鬆關閉 AI 建議、回報不當的 AI 結果或互動，以及還原為僅限關鍵字的搜尋。
如要以負責任的方式建構 AI，您必須負責部署程序。設計周全的防護機制和意見回饋循環。您可決定體驗的安全性和可靠性，同時設定使用方式和限制。雖然你無法完全掌控輸出內容，但應準備好解決任何疑慮。
您可以在「以負責任的方式建構 AI」中進一步瞭解 AI 控管的核心層面，並運用實用工具建構可持續發展且值得信賴的 AI 應用程式。
重點摘要
AI 系統藍圖可協助您清楚瞭解參與的任何 AI 專案，並與專案目標保持一致。我們已從高層次的角度，逐步說明藍圖的每個元素。請繼續閱讀，進一步瞭解每個步驟。
您會在其他範例中再次看到這份藍圖，並深入瞭解特定層。
隨堂測驗
根據 AI 系統藍圖，在對應新的 AI 功能時，應考量哪三項核心觀點？
在什麼情況下，AI 解決方案是合適的選擇？
下列哪項敘述最能說明 AI 使用者體驗中的「無聲整合」？
建立使用者信任感的重要設計原則是什麼？