在第二章開始深入談到了 AI 的相關計畫可以怎麼進行，並用許多實際的案例來解釋。

舉例來說，Machine Learning 需要先收集資料、訓練模型、再實際測試；Data Scientist 先收集資料、分析內容，並將 hypothesis 變成行動來執行。
「Data」的重要性不言而喻。

在開始專案時，會建議由 AI Expert 和 Domain Expert 一起合作，因為：

• AI Expert
• Domain Expert：知道什麼事情對公司來說才是真正有價值的

但在過程中要去思考的是：AI 可以怎麼 automate tasks 而非 automate jobs。

這在目前為公司建 Research AI 的專案很有感，AI 沒有辦法去取代 Researcher 的工作，但是它能夠幫助 Researcher 每日的 tasks 更快地完成。

所以如果發現 AI 沒有辦法完成 Researcher 的工作而覺得它很笨，那代表我們對它有錯誤的期待；因為我們應該要期待 task-based automation 而非 job-based automation。

感謝收看:D

如果您喜歡本篇文章，歡迎在右下角點選咖啡，贊助我們並給樂透一個罐罐 🐾