纵然大部分的开发工具都已经开源,意味着企业有机会自行建立开发团队来发展人工智能的相关智慧应用,但企业还是一而再,再而三的面临要自己做,还是外包给特定团队开发的选择。自行开发通常掌控度最高,开发进度与设计逻辑都可以掌握在自家手上,但往往也意味着要现有团队学习开发人工智能应用的新技能,或是必须招募新的团队成员,可能面临不同企业的商业文化与开发惯性之间的磨合,这些都是时间成本。

除此之外,自行开发也有可能面对训练资料不足,不是这么容易就可以搜集一个特定语库或图库来进行训练。

「人工智能应用是碎片化的,分散在很多不同服务流程里。」一位大型金控的技术负责人强调,「你必须把每个流程仔细拆开,确认不同阶段所须对应的工具,再来考虑这个工具应该选用什么样的框架开发,应该内部做还是外部做。」

他进一步解释:「以语音辨识相关智慧应用来说,这并非金融服务的核心项目,如果市场上已经有比较好的「语音转文字」或「文字转语音」工具,我们就可以考虑直接取用。」
「但是某些服务可能牵涉到企业所搜集的个人资料处理,例如以机器学习预测客户这次进线可能需要什么样的服务,这部分外包可能就有资料安全与核心知识逻辑流出的疑虑,就得自建团队做资料分析。」这位金控技术主管说。

「而且所有问题都会在软体引爆,技术团队要有能力除错。」陈昭颖解释,如果要赋予监控摄影机人工智能的相关应用,开发团队就必须将软体与网路服务逻辑,写在摄影机上所加装的运算晶片作业系统中。但硬体不听话或服务中断,问题可能发生在装置过热,硬体设计本身的问题,也可能韧体没写好,或是软体设计本身的错误。无论如何,所有错误最终都会呈现在软体或服务无法运作上,也因此,从软体或服务起家的技术团队,需要有硬体设计能力的顾问协助设计,帮忙排除硬体或韧体的问题,协助软体团队找出真正的问题;软体团队也必须从中学习必须直接与硬体,韧体和平共处的本事。

人工智能的研发过程也需要付出代价。」陈昭颖强调,除了与制造商之间的谈判,也需要更长的产品开发与调整周期,新创团队甚至可能必须为此招募硬体工程师或寻求与硬体设计团队合作,协助原本擅长开发软体与网路服务的团队整合产品陈昭颖苦笑说:「人工智能应用让开发团队的战线拉得比过去仅提供软体或网路服务都长,而且每个环节都更碎片,让人很怀念那过去仅需要在云上开发相关应用服务的创业年代。」



相关文章