文／張名榕, CSM

2023年底，生成式AI ChatGPT在全球各地刮起旋風，即便是過往較少應用AI的產業或職場工作者，都不得不正視ChatGPT帶來的衝擊。身為PM，該如何理解AI在專案中扮演的角色，又該如何善用它促使專案成功？《專案經理》雜誌特別邀請台灣人工智慧協會理事楊人豪，分享實務經驗，以及應用AI的最佳時機。

破除迷思！每個專案都需要AI？
「我給PM最重要的建議，是真的不要怕AI！」楊人豪認真地說，身為鴻海旗下富智捷股份有限公司的專案副理，公司很早就將AI應用於製造領域，但當時的他對此僅有概略了解，直到2017年，高層要求各部門撰寫一篇文章「沒有SI（系統整合），哪有AI」，分配到該任務的楊人豪，才開始深入探索AI的世界。

過程中，楊人豪逐漸對AI產生興趣，隔年更報名新成立的台灣人工智慧學校，成為第一屆學生，從統計學的角度學習AI讓他獲益匪淺，「我們給了某種輸入，需要達成某種輸出，中間的過程就是AI，它可以是一個模型或由數個模型串接而成，過往稱為智慧、賦能，現在叫它AI。」楊人豪說。

學成後的楊人豪，與志同道合的夥伴共同創辦「台灣人工智慧協會」，推動台灣AI科技發展，同時輔導企業數位轉型，多年下來，他發現台灣企業面對AI趨勢時，經常陷入一種迷思，「公司認為AI是新科技，常常會選全新的專案來導入，多數都以失敗收場，但失敗的原因與AI無關，關鍵在於『缺乏穩定數據流與判斷標準』。」楊人豪說。

全新的專案沒有任何已驗證的數據，因此，與其讓團隊在無頭蒼蠅的情況下，測試仍不熟悉的新科技，不如將AI導入已建立固定流程，具備豐富資料的既有專案，重新進行數據分析、風險評估、資源分配等AI擅長的功能，才能優化整體流程，提高專案的效率與成功率。

大數據必勝？系統化才能起作用
如此一來，執行已久且擁有豐富數據的專案，就必定適合導入AI嗎？楊人豪表示，只有大數據是不夠的，需要提供AI經由妥善整理，系統化的數據資料，才能做出有效的判斷，協會去年配合數位發展部計畫，輔導一間有營養師的非營利組織，工作人員透過訪談，長期紀錄客戶的身體狀況，組織認為輔導前只要擁有大量的數據，就能導入AI判讀，提供客戶良好的營養建議，但楊人豪檢視資料後，發現電訪內容沒有固定格式，內容雜亂無章，根本不適合應用AI。

「上千筆、上萬筆的資料當然很多，但未經整理的數據進入AI只會Garbage in, garbage out. 產出沒有意義的結果，這種情況下要先做『數據清洗』整合出有邏輯的資料，才能交由AI下判斷。」楊人豪補充，身為AI時代的專案經理，必須有能力判斷專案適不適合應用AI，否則只會徒勞無功。

除了未經整理的數據，缺乏明確判斷機制時也無法應用AI，楊人豪以方才的非營利組織舉例，若以AI為客戶生成營養評估建議，像是需要施打營養針、建議多補充維生素A等，雖然可以做到，但要如何判斷建議的優劣？「電腦的輸出只有0和1，你要怎麼讓AI評斷建議是好是壞？除非你從頭開始教它怎麼評斷，沒有標準化的判斷機制就無法達到最佳應用AI。」楊人豪說。

舉例來說，客戶的症狀必須記錄得鉅細靡遺，包括他所欠缺的營養素為何，與正常範圍比起來欠缺多少量，可以透過哪些方式補充等，營養師判斷後對AI下達清楚的指示，教導AI進行機器學習，建立完善的邏輯與回答的標準內容，標準內容可能會打散成十種不同的AI模型，針對客戶的狀況分析後，再給予適宜的保健建議。

楊人豪強調，AI是輔助專案的利器之一，但絕非必要使用的工具，導入前必須考量專案是否具備適合AI的條件，才能避免失敗風險，因此，判斷一個專案是否需要導入AI，已成為PM必備的職場核心技能。

面臨AI衝擊 職場角色大風吹
專案符合導入AI的條件時，應用得宜即能事半功倍，楊人豪以研發智能跑鞋零件的專案為例，「跑者疲累的時候腳部肌肉會放鬆，腳開始內外翻轉，不均勻的受力傳導到膝蓋，久而久之造成運動傷害，智能跑鞋能協助跑者解決問題。」楊人豪指出，只要在鞋內加入電子晶片，就能蒐集跑步資料，透過藍芽即時傳到手機，協助跑者改正運動習慣。

楊人豪表示過往製作電子晶片時，必須仰賴三軸振動器蒐集水平、垂直、上下，XYZ軸的數字，同時聘請經驗豐富的工程師撰寫程式，透過XYZ的各種排列組合，計算跑者的腳是旋轉或翻轉、往哪個方向轉幾度等資訊，過程比較困難也容易出錯，反之，透過AI可以模擬六軸計算，將XYZ軸的數字送進模組後，可以快速計算出旋轉與翻轉的正確數據。

「智能跑鞋晶片專案中，AI是協助研發的角色，整合過往需要五、六個步驟才能完成的判斷，在計算能力有限的情況下，可以加速產品的輸出，公司不用花費人力撰寫一堆程式，就能生出一個符合市場需求的新產品。」楊人豪說。

以AI取代人工計算，是否代表撰寫程式的工程師會被AI取代？楊人豪認為，工程師的角色並非被取代，而是做出改變，從「計算」變成「創造」功能，他必須去思考、組合AI計算的結果，「工程師會去做更多的資訊整合，比如：大腿的姿勢可以怎麼改變，讓跑者更不容易受傷，為產品創造更多的功能與附加價值。」楊人豪說。

PM好幫手 ChatGPT結合Streamlit
對於經常需要處理大量資料的PM，楊人豪推薦一個入門的AI應用方法，使用ChatGPT與Streamlit共同作業，協助專案經理創造輔助工具，進行有效率的資料閱讀、歸納整理及呈現，即使欠缺寫程式的能力，PM也能透過對ChatGPT下指令，來生成專案需要的Streamlit程式、工具或內容。

楊人豪舉例，PM統整大量資料時，有時需要依據某種原則拆分檔案，比如說分為上下年度，或是建立以五年為單位的檔案時，只要利用ChatGPT下指令，使用Streamlit建立檔案清單，就能快速完成繁雜的工作，整合資料也可以利用同樣模式，找出檔案關鍵字並快速統整，「重複性高，具有閱讀與歸納整理需求的數據性工作，都應該交由AI處理，讓PM能花更多時間在思考、整合與決策上。」楊人豪說。

此外，PM需要製作任務分配的表單時，只要告知ChatGPT，需要Streamlit做出有「任務」、「負責人」、「優先等級」、「完成日期」、「執行狀態」等項目的任務分配系統，Streamlit就能撰寫出一個簡單的程式表單，無論是細部功能或版面設計，都能依照PM需求下指令微調，對不懂程式語言的人來說十分實用。

面對瞬息萬變的AI時代，與新科技共好已是不可逆的職場趨勢，楊人豪鼓勵專案經理保持一顆開放學習的心，盡可能與AI協作共好，使用上手後還能串接其他AI工具，找出更多元的應用方式，與其將AI視為可怕的競爭對手，不如把它變成專案的得力助手！