非懂不可 AI超人才

年薪只要二十萬元的白領「新人力」出現了。

不只低薪，還效率奇高、錯誤率低、全年無休、任勞任怨、越學越會⋯⋯。你擔心工作被搶走，還是慶幸繁瑣的例行公事不再占去你的時間？

又是誰，為我們帶來了這一波職場革命？

整個八月，男裝電商Life 8的客服機器人，直接回答了消費者七千二百二十五個問題，能正確判讀問題的識別率近八四％。八月三十一日，每日機器約當人力：三人。

這些數字，就是Life 8客服機器人的KPI（關鍵績效指標）。

新職場》Google到亞馬遜早布局
AI醫師、律師連腦力細活都能做

從微軟、Google、亞馬遜到臉書等科技巨擘，早已將AI部署在企業內各業務中，AI取代人力，已不是新鮮事。麥肯錫全球研究所（McKinsey Global Institute）在去年的報告中，就預測到二○五五年，全球經濟體的有薪工作，將有四九％實現自動化。也就是近半數的現有工作，將不再需要人類來執行。

科技取代人力的大風，從製造端吹向白領服務業。和碩董事長童子賢就說，AI將取代靠「腦力粗活」（基本白領）的工作形態。

眼前，光是初階段的數位人力，如辦公室機器人流程自動化（RPA），亦即在企業的後勤單位，能自動做完銀行或供應商對帳、進出口報關等工作的機器人，據安侯建業（KPMG）顧問服務部執行副總經理李育英預估，它每一種功能都可降低三○％到四○％的人力成本，也就是說，約等於年薪二十萬元而已。

再往前推展，不但直接面對消費者的AI客服、AI行銷，甚至「腦力細活」的AI律師、AI醫師，也已陸續出現。

新職能》AI新工作圈成形
四大角色，讓機器人代勞更有效率

在取代人類之前，這些機器人，倒已先帶來一批新形態的工作者。也正是他們，讓各種數位人力快速在你我身邊發生。

資料標註員》
工作內容：對圖、文、影像做標註
重要性：標註過的資料，機器才能學習

坐在輪椅上的鍾鍾，專注盯著電腦上一張色階偏暗，有點模糊的照片。她要框出照片裡一位男性穿著的西裝褲、皮鞋，因為鞋跟沒有露出來，她必須於螢幕右邊勾選「稍微遮擋」，才算完成一張照片的標註。她沿著褲形慢慢勾畫出黃框，越貼近越好，因為若框到多餘的東西，機器也會學進去。

這還算相對容易的標註。有一家電商，為了讓消費者可以看到喜歡的衣服就直接拍照搜尋，必須讓機器學會辨認每一件衣服、褲子的特徵，須標註的點就非常細，有時一張照片要標出二百五十到三百個特徵點。

「我跟以前的同學說，我在做AI的東西哦，他們眼睛都亮起來了，」社會企業若水的身障AI標註員鍾鍾，說著就哈哈大笑了起來。她是真的開心，因為比起大多數人覺得這份工作耗眼力又低階，不易找工作的她，卻以這份工作為樂。

她正是隱身在AI最底層，一群龐大的「人工智慧背後的工人」之一，每天的工作，就是在產出海量、能被機器學習的有效資料。

由趨勢科技創辦人張明正所創辦的若水，近來新增AI事業，專門承包企業的資料標註、處理工作，已有近七十位資料標註員，希望年底能招募到百位。

他們每天為「人臉、物體辨識」、「自動駕駛」等代表最新科技的名詞，進行標註。在中國，還流傳著標註員的玩笑話，「真希望發明一個標註機器人，來解放我們自己。」

他們「陪太子讀書」，讓機器人變聰明_網訊AI訓練師們正在檢討客服機器人在Line、臉書等服務通路裡的服務量和品質，為何有些題目無法辨識，以及要再加入什麼知識，持續讓機器學習。

圖片放大

標註如果不精準，機器會越學越歪

但他們其實是整個AI產業基礎，是機器能感知、理解現實世界的原點，如果標註不精準，機器就會越學越歪。「他們的工作不是low end（低階），因為如果標不準，後面全毀，就像教小孩一樣，」若水執行長陳潔如說。

這類工作，甚至常需要擁有資深專業知識的人才做得來。在醫學上，為達到以AI協助醫生判讀腫瘤的目的，光一個肺部腫瘤，機器就得先學習數十萬張的胸部X光片，而每一張X光片都必須重新標註腫瘤位置，只有放射科醫師能做。「不然連我都看不懂，甚至還要分門別類，分胸腔、心臟或大腦專門的醫師來標，」北醫醫學科技學院院長李友專說。

根據市調公司Tractica調查，二○一六到二○二五年，資料分類和標註的產值將達八十億美元。有著全球身價最高AI獨角獸稱號的中國商湯科技，或是專注人臉辨識的曠視科技，一年採購這類資料的支出，就動輒人民幣上千萬元。

被標註過的資料倒進電腦裡，再由一群聽來完全為AI而生的新職業「人工智慧訓練師」接手。

圖為YuMi去年9月登台表演。

圖片放大

AI訓練師》
工作內容：餵養資料，讓機器變聰明
重要性：隨時調校參數，把關機器學習

他們，可說是「陪太子讀書」的人，更是確保機器不會學壞的重要把關者。

微軟曾推出一台AI聊天機器人Tay，為更了解人類的對話形式，開放網友一同訓練它。結果有些網友在推特上引導Tay談論帶著種族歧視的內容，讓它變成憤世嫉俗的偏激者，逼微軟將它立刻下架。

在台灣專業客服委外公司網訊電通裡，Allison的工作就是AI客服的訓練師。當一個電商新客戶準備導入網訊的客服機器人時，她會先整理電商的專業名詞，例如讓機器人知道購物金等於購買金，慢慢累積詞彙，成為機器人的知識。

餵養五百組「問與答」，還設計語氣

接著，她從資料庫裡找出過去電商領域客戶的客服資料，包括熱門題庫，並根據各種情境流程，最高會餵養機器五百組「問與答」。例如「我要退貨」，她得再輸入五到十種關於退貨的問法，以及符合該電商退貨流程的答案。另根據客戶品牌的個性，客服形象若是一位可愛女生，Allison還要設計口氣，加上哦、呢等可愛的語助詞。

「只要機器回答不出的問題，我們就得事後去解題，」Allison說，例如若她原先寫的題組太相似，機器難匹配出最佳解答，她就要合併題目或拆解得更細。

也有企業用聰明方法訓練自家AI。在《AI同僚》一書中，描繪日本快速配眼鏡品牌JINS，為了開發可依客戶臉部照片自動推薦合適眼鏡的AI，便蒐集旗下五百位員工的臉部照片，製作出試戴一百二十種眼鏡的虛擬圖片，再對全體三千名員工，每人發二十張圖片去做臉部描點及標註評價，最後，將這六萬張圖片餵養給AI，做為深度學習的訓練資料。

「標註和訓練，只在資料整理的階段，接下來，才是資料部署，開發出模型，」協助企業建置分析系統的賽仕電腦（SAS）台灣業務支援部副總經理陳新銓說。

當機器擁有了專業領域的知識，還需要能將機器人真正創造出來的資料科學家。他們，曾被《哈佛商業評論》評為「二十一世紀最性感的職業」，是AI領域最光鮮也最為人追捧的角色。

資料科學家》
工作內容：搭建機器學習模型
重要性：產出最符需要的AI機器人

台灣五大電子代工廠之一的英業達，今年初成立了AI中心，網羅各界高手，包括GPU繪圖硬體、電腦視覺專家的Skywatch創辦人陳維超，以及曾為英特爾開發出世界上最完整、最多人使用的電腦視覺開源軟體，現任英業達AI中心機器學習首席科學家的陳佩君。

「我想了一下我平常的工作內容，發現我好像一直在講話，」陳佩君笑說，「寫演算法是最後的工作，對我們來說，溝通反而是最重要的。」在英業達裡，AI中心有兩個面向的任務，一是思考各BU的產品如何加入AI，另一則是如何透過AI，優化企業內的作業流程。

他協助「翻譯」做出好用AI_張漢隆能用資訊與醫療專業雙語溝通

圖片放大

洗腎機導入AI做即時監控為例，減輕醫護員負擔

圖片放大

不同單位，想的可能是同一件事

以後者而言，AI中心必須「聽懂、挖掘需求單位真正的問題」，例如當工廠認為庫存太多，提議建自動倉儲系統，而採購部門也想導入自動訂單提醒系統時，其實他們可能都在想同一件事，就是如何「降低庫存」。

然後，AI中心再把需求單位的問題，翻譯成「數學式」來解題。「就像小時候回答的應用題，你要想辦法寫成數學公式，才能計算答案。」陳維超巧妙形容他們的工作。

專注於AI的台灣新創公司Appier，也從台大資工借調來首席資料科學家林軒田，他們最近嘗試讓AI成為時尚設計師的得力助手，既能掌握流行，還能貢獻各種創意構想。他的做法是，先在網路蒐集大量獲好評的穿搭資料，讓電腦學習。

「你要教一個人有創意，要先教什麼？」林軒田解釋，模擬人類創意來源，他們做出類似人腦的「腦力激盪」AI模組，再搭配經過穿搭訓練的模組，組合出能提供服裝設計建議的AI助理。

這個AI助理還很有效率，每一季許多國內設計師都要看數十場服裝秀，才能抓到流行脈動，但它只要一分鐘就看完數十小時的秀，再將知識及趨勢摘要出來給設計師，甚至可針對設計師指令，提供這季創意的建議。

不只資料科學家要能理解使用者的需求，想要順利在企業內導入AI，改變原有工作方法，有時，還需要一個「專業翻譯」的角色，以降低可能引起的反彈，無痛變革。

連結者》
工作內容：助不同領域專家了解目的
重要性：降低AI導入引起的反彈

在恩主公醫院醫務部副主任張漢隆的辦公室裡，貼著一張大圖紙，上頭手寫著十七條將透過AI改善的項目。

台灣醫護人員血汗問題一直很嚴重，如何改善醫療人力不足，又得兼顧醫院生存，是每個醫院的難題。「我看了各科室的每個流程，有很多問號，為什麼要耗這麼多人力？」張漢隆現在的任務，就是深入各科室重新檢討作業流程。

語言不通，再多軟體照樣被嫌難用

但醫護人員和IT工程師間，經常語言不通，醫院資訊單位寫了很多軟體，卻總是被嫌難用。「市面很多智能解決方案，都是先做出系統，再向醫院兜售，希望醫護人員改變工作習慣。」他說。

張漢隆是消化外科醫師，參與過醫院醫療流程的設計，更懂一點程式設計，「我的角色是做翻譯。」他反過來，從觀察各科室的流程開始，思考如何幫助他們達到自動化。「不然醫院都是『師』字輩的人，專業性都很強，要他們改變原本的做事方式，一定是先拒絕，連聽都不聽。」

例如，十七條改善項目的第二條是「ICD 10編碼流程」。這指的是疾病診斷碼，根據世界衛生組織（WHO）公布的疾病加上症狀，有高達八萬多組診斷碼，光是糖尿病就有二百零六組，沒有一個醫師背得起來。通常的流程，都是事後再由醫事室編碼人員輸入完整診斷碼。

為了做到病人一住院，系統即能自動派送該疾病的衛教資料、手術同意書、自費選項等資訊給病人及家屬，減少護理人員工作，前提是疾病碼得列精準。

張漢隆從使用者的角度及醫療專業，分別與編碼人員和資訊人員討論，爬梳病歷資料庫，逐一建立各種疾病的模型。例如，光是闌尾炎，就必須用醫院五年內的數十萬筆闌尾炎數據來訓練機器。

當一個病人住院時，根據醫師看診時打入的症狀、檢驗報告，若有二十個關鍵點都符合，判定為急性闌尾炎的機率達九九％，電腦就會自動跳出建議的診斷碼，供醫生判斷點選，不需要再多一個由醫務部編碼的程序。

編碼工作被AI取代後，醫務人員反而可多花心思研究病歷，包括病人做的檢查、症狀是否全反應在診斷上，還缺什麼資料，以便提醒醫師，在不違反醫療原則下，如何提高健保給付。「AI不是搶他們工作，是讓他們可以幫醫院創造更大價值，」張漢隆直白的說。

若水現為台灣最大資料標註外包企業，預計年底募達百位標註員。他們正在幫螢幕上的身障標註員做教育訓練。

圖片放大

下一場職場生存賽贏家：
能利用AI、創造高價值的人

AI不是新鮮事，但要做到職場上真正好用的AI，得靠上述四大角色的工作不斷堆疊才成。

而接下來，無可迴避的問題將是，人和AI在職場中的互動關係將會如何？人類如何保有自己的價值？

李友專最近聽美國朋友說，美國很多醫院快要招募不到放射科的住院醫生了，因為醫學院畢業生已看到AI可判讀X光片等影像工作的趨勢，擔心被取代，而不想加入放射科。但他認為，還是有很多困難的醫學影像，需要人工的專業來判讀。

就像美聯社、《華盛頓郵報》都已嘗試運用機器人記者寫新聞，這趨勢可能會導致全球成千上萬名媒體人失業，但類似「巴拿馬文件洩密事件」等調查新聞，或出色的人物專訪，仍是人類記者無法被取代的價值。

於是，職場生存更重要的挑戰，將是成為「狼牙棒上的尖刺」，也就是各自專長領域中的高手；最需要的能力，將是懂得利用AI做得力助手，讓自己能專攻更高附加價值的事。

AI的出現，最終目的並不是讓人失業，而是激發人類做出更有價值的工作。「別害怕機器人會取代你的工作，但你要為工作內容的改變做好準備。」顧問公司Accenture，指出未來重新設計工作內涵的重要性。

你，準備好迎接你的AI同事嗎？