AI 科技創新（上）：創新階段與數據種類
如果說2017年上半年大陸互聯網業界最夯的話題是新零售的話，2017下半年到2018上半年最夯的話題大概就是人工智慧(Artificial Intelligence)了。而身在設計諮詢公司的筆者最近也有幸為某德國高端汽車企業執行一項AI科技創新專案。
因此本系列的UX四神湯想和各位讀者聊一聊AI科技創新的經驗，也應援今年5/3-5/5在台北舉辦的MIX 2018 創新設計年會。在本次的MIX 2018創新設計年會中，5/5上午不僅有人工智慧專場，在5/3上午9:00-12:00也有 UX四神湯作者 Nathen所舉辦的語音交互設計實作工作坊噢! 希望大家為我們的男神Nathen，應援打call不要停～
好了，硬廣打完了(lol)。那就趕快開始今天的AI科技創新經驗分享吧！
首先，請容筆者先用一張圖來介紹一下科技創新這件事情。下圖為筆者依據自己的經驗總結而成的產品成熟度與創新關係的示意圖。在此示意圖中，縱軸為產品/服務的成熟度，橫軸為時間。
而依據曲線的節點，對應到橫軸後，可以將創新關係分為五個不同階段：(1)科技創新 (2)產品創新 (3)產品運營、迭代、增長 (4)服務創新 (5) 產品+服務運營、迭代、增長。以下簡單介紹筆者歸納的這五種不同的階段。
(1)科技創新
階段簡述：技術經過多年的研發後剛成熟達到可應用的程度，尋找技術應用的商業價值與使用場景並且進行原型開發與測試。
相關工作：技術限制研究、技術應用研究、商業價值分析、商業模式研究、原型開發與測試、場景設計
相關執行團隊：甲方技術研發團隊(In-house R&D)、甲方商業智慧團隊(In-house Business Intelligence)、甲方孵化團隊(In-house Incubator)、乙方數位解決方案(Agency Digital Solution)、乙方創新諮詢公司(Agency Innovation Consulting)、乙方管理諮詢公司(Agency Business Consulting)、技術新創解決方案團隊(Startup Solution Team)。
尋找商業價值為科技創新的終極目標，筆者將透過技術來實現商業價值的作法稱作為解決方案(solution)，而解決方案的商業模式通常為Business to Business的訂製服務。一項新興的技術可以透過科技創新找到許多商業價值，如提昇效率、間接增加企業收入、提昇產品體驗。舉個例子，有許多互聯網公司(Internet company)將AI技術發展為推薦算法並且應用在現有的產品或服務上為其增加準確度，如Google Translation、今日頭條的推薦算法、AI投資組合推薦。這樣的作法就是找到技術的商業價值後將該技術作為支援為現有的產品或是服務增值。
而產品價值為科技創新與產品創新的分界點。當該技術的應用場景是能夠透過產品直接為企業提昇收入時，商業價值就達到有產品價值的標準。企業可以透過產品創新來開發新興產品。
(2)產品創新
階段簡述：確定技術具備產品價值並且找到產品場景後，依據使用者人群設計產品外型結構、交互方式，並且進行產品開發與測試，最終達到產品量產的目標。
相關工作：產品功能創新研究與設計、產品使用交互設計、產品開發與測試、產品量產。
相關執行團隊：甲方產品研究與開發團隊 (In-house Product Research and Development Team)、乙方創新諮詢公司(Agency Innovation Consulting)
產品量產為產品創新與產品運營、迭代、增長的分界點。以人工智慧這項技術舉例來說，產品可以是軟體、也可以是軟硬體。軟體產品比如大陸新創公司依圖科技為大陸多家三級甲等醫院提供AI肺結核協助診斷系統，該系統能夠協助讀取並視覺辨識肺結核患者的X光片，並且提供醫生初步診斷結果。而軟硬體最夯的產品就是AI音箱了。想知道AI音箱的交互設計可以參考UX四神湯往期Nathen寫的眾多精采文章。而在筆者的最近的研究中，筆者將AI音箱的功能簡單分成三個主要區塊：(1)語音控制音源播放 (2)智能家居控制中樞與 (3)語音助理。目前市面上的AI音箱已經能夠很好的實現(1)與(2)，也能夠實現比較簡單的助理功能。
(3)產品運營、迭代、增長
階段簡述：當產品量產、打通銷售通路開始擁有第一批使用者以後，產品需要長期的運營、持續的增長與迭代更新。透過長期的市場研究來迭代定價與銷售策略、透過用戶研究與痛點改善來迭代產品體驗設計。從新興產品一步一步往成熟產品前進。
相關工作：市場研究、定價與銷售策略、打通銷售通路、產品增長、產品體驗迭代設計、產品痛點改善
相關執行團隊：甲方市場與銷售團隊(In-house Sales and Marketing team)、甲方產品運營團隊(In-house Product Operation team)、甲方產品研究與開發團隊 (In-house Product Research and Development Team)、乙方市場研究公司(Marketing Research Agency)
與其說成熟產品為產品運營、迭代、增長與服務創新的分界點，還不如說成熟產品是進行服務創新的基礎。因為如果產品本身品質不好、不符合用戶的需求、易用性不高、產品價格與價值不符時，做再多服務創新都只是解決短期、眼前的問題而已，無法產生長期的附加價值。而當產品已經成熟，且技術、製造門檻逐漸降低的時候，就是進行服務創新的好時機。透過軟性服務打造品牌價值、建立強大的服務系統，解決使用產品前後的所有問題。
(4)服務創新
階段簡述：產品成熟但是周邊服務不夠成熟，服務不符合用戶情境或試過於複雜或過於簡陋時，可以透過服務創新來提昇品牌與服務體驗。
相關工作：市場研究、用戶與關係人研究、服務流程與觸點設計、提昇品牌服務體驗
相關執行團隊：甲方市場與銷售團隊(In-house Sales and Marketing team)、甲方產品運營團隊(In-house Product Operation team)、甲方產品售後團隊(In-house After Sales team)、甲方客戶管理團隊(In-house Customer Relationship Management team)、乙方創新諮詢公司(Agency Innovation Consulting)、乙方管理諮詢公司(Agency Business Consulting)
服務系統為服務創新與產品＋服務運營、迭代、增長與服務創新的分界點。當服務系統建立完善以後，下一步也一樣是運營、迭代與增長現有的產品與服務。
(5)產品+服務運營、迭代、增長
階段簡述：產品成熟且服務完善後，在長期運營的過程中改善痛點、提昇服務運營效率、降低運營成本。
相關工作：流程痛點改善、提昇服務運營效率、提昇品牌服務體驗
相關執行團隊：甲方市場與銷售團隊(In-house Sales and Marketing team)、甲方產品運營團隊(In-house Product Operation team)、甲方產品售後團隊(In-house After Sales team)、甲方客戶管理團隊(In-house Customer Relationship Management team)
當產品及服務都已經成熟以後，一般公司也差不多開發出來新的產品了，並且利用新的產品來迭代舊的產品。公司也可能開發出來相輔相成的產品，然後接下來更大的格局就會是系統設計、生態系設計了。系統設計可以參考Wei寫的設計系統(Design System)分享。
上述介紹完五個創新階段後，各位讀者應該有發現筆者將產品與服務的創新階段都各分成了兩個部分：創新與運營、迭代、增長。最主要的原因是因為筆者想談一個對於用戶研究行業的洞察。
筆者目前身在設計諮詢公司，為乙方公司(Agency)，主要的研究方式為質性研究，透過各種不同的訪談、觀察與桌面研究來挖掘洞察。經常有人會問筆者：在數據導向的團隊/公司中，質性研究的用研價值是什麼？未來的發展？如何自處？
首先，筆者想先談數據這件事情。以下是數據(Data)的英文定義。
Facts and statistics collected together for reference or analysis. 所以，其實不管是質性研究或是量化研究，所蒐集到的資料都可以稱作為數據，只是數據的存在形式不相同。既然，不管做質性研究或是量化研究的目的都是蒐集數據後分析並參考的話，重點就會再度回歸到：你為什麼做研究？做研究的目的是什麼？是為了了解什麼問題而必須要做研究？
透過質性研究所蒐集到的數據為深度數據，數據本身具備洞察，而量化研究所蒐集到的數據為淺度數據，數據本身不具備洞察，但是數據量大時可以透過交叉數據分析得到洞察。至於質性數據經常被質疑主觀性這件事情，筆者其實不是非常在意這件事。因為如果各位讀者做過夠多量化研究的話，應該不難發現量化研究其實也可以透過樣本設計、問卷設計（包含選項順序、問法等）、參數設定、埋點方式、數據蒐集方式與數據轉化來得到你"期望"得到的結果。所以最根本的問題其實還是回歸到研究倫理與信任問題。
所以回歸正傳，是執行質性研究或是量化研究最重要的重點就是研究目的，研究目的才能夠真正的決定研究方式與數據的價值。所以依據創新根本的目的，筆者將創新與運營、迭代、增長分開。創新的目的在於尋找科技、產品或服務的價值並且實現。而運營、迭代、增長的目的在於將現有的產品或服務長期穩定運營並且透過長期的迭代與增長將產品或服務推向更成熟的階段。
所以在筆者的產品成熟度與創新關係示意圖中，可以看到運營、迭代、增長的時長要比創新的時長多非常多。而在這樣的情況底下，量化數據就會非常有用，因為量化研究的研究方式可以支持長期蒐集數據並長期分析追蹤的研究目的。然而在創新時，因為需要在短時間內挖掘更深的產品或服務的價值，質性研究的益處也能夠很好的體現出來。當然，最理想的情況是不管在任何階段都能夠同時執行質性研究與量化研究。所以，筆者認為最資深、最有經驗的研究員，應該要不只熟悉各種質性研究與量化研究工具，而且還要能夠靈活搭配，在每一次的研究任務中，在最短的時間、最少的預算內將質性與量化研究很好的結合後挖掘最多的洞察。
另外，筆者還想談一個重要的觀念。任何的研究都會和產業相關，有些產業屬於新興產業，有些則屬於成熟產業。當產業越成熟的時候，就也代表該產業的運營、迭代、增長的體量更大，而跟著筆者的理論也可以推論到該產業的量化數據累積量應該也會很大。所以，一般會傾向數據導向的團隊或公司，經常是身處在成熟產業的企業或是擁有成熟產品/服務的公司，而這樣的公司會有"數據優先"的觀念其實也非常容易理解。
所以說了這麼多，到底為什麼講AI要講創新階段與數據種類呢？
先來說說創新階段，筆者由於個人教育背景為人機交互的關係，因此在過去三年半的時間中，筆者一共執行過三項AI科技創新專案，希望下期（要下個月惹）能夠和各位讀者簡單分享這三個專案的研究經驗。這三個專案由於筆者所處的環境不同、角色不同與專案目標不同，因此研究方法、研究範圍都不同，筆者認為是非常有趣的對比，希望可以分享給大家。
科技創新經驗分享（下期分享）：
1 北京清華大學人機交互研究所 (8個月)
研究內容：質性研究、原型開發與設計、半量化測試
2 BMW Technology Office China (3個月)
研究內容：量化二手資料研究、原型開發研究與設計、場景設計
3 S.Point 設計諮詢 (4個月)
研究內容：用戶研究、商業價值分析、商業模式研究、場景設計
至於為什麼要談數據種類呢？事實上，AI的技術理論其實在30年前就已經被研究出來了，中間也曾經有熱潮，但是為什麼最近又被炒起來呢？這波熱潮主要的原因有三個：算力變快、數據變多以及因為移動互聯網普及而衍生出來的用戶需求。
所以這其中也就會涉及到量化數據這件事情。從產業來看，除了互聯網產業之外，現在市場上比較關注AI技術的產業也就是量化數據相對較多的成熟產業如汽車、醫療、金融、安防與零售業。而筆者的AI科技創新經驗也都集中在汽車產業。依據筆者的執行專案的經驗，目前的AI的產業應用最大的瓶頸都還是標籤數據(labaled data)不夠完善以及商業價值有限。所以這也是為什麼AI創新大部分的專案內容都還是限定在科技創新的階段。
以上，今天的內容到此為止，更多的AI產業相關資訊也希望可以在下一期或下下期的文章中介紹給大家。
UX四神湯，我們下週見！
