AI 科技創新（中）：科技創新專案經驗分享
在上個月的AI 科技創新（上）：創新階段與數據種類的文章中，筆者和各位談到了以下兩個話題：
- 產品成熟度與創新關係圖。也藉此將科技創新、產品創新與服務創新做了區隔並且簡述定義與相關工作。
- 數據關係。簡述了質性數據與量化數據的特性，並且說明在創新階段或運營、迭代、增長階段中數據種類的優勢。
這一期，要和各位UX四神湯讀者分享筆者過去四年中在大陸進行科技創新專案的經驗分享，共有三個專案：
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
3. S.Point 指南創新設計諮詢公司 (4個月)
研究內容：質性研究、商業價值分析、商業模式研究、場景設計
本系列也是應援今年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。 想見UX四神湯男神Nathen的小夥伴們，走過路過不要錯過啦～
- 北京清華大學人機交互研究所 (8個月)
研究主題：AI車內輔助駕駛系統相關研究
職位：用戶研究員
甲/乙方與部門：乙方，客戶為技術研發部門
工作內容：
1. 質性研究：
1.1 人因、人機交互學術文獻研究
1.2 競品（概念產品）研究
1.3 用戶訪談
1.4 Persona定義
2. 原型設計與開發
2.1 共創工作坊＆概念設計發想
2.2 原型設計
3. 半量化測試
3.1 實驗設計
3.2 實驗執行
這個專案是筆者在念研究所時為一家德國高端汽車企業所做的專案。與一般的設計諮詢公司相比來說，學術研究的成分會更高，整個專案的重點是實驗與分析結果，前面的質性研究是為了開發原型，然後再利用原型去進行實驗，最後為學術產生貢獻。以下一一簡述各種不同的工作內容：
1.1 質性研究-人因與人機交互研究
由於學術研究的成份很高，而且是人因與人機交互研究所的研究，因此筆者在當時讀了許多與人駕駛行為相關的學術研究報告，這部份的研究可以搜集到許多原型開發時所需要用到的參數。除此之外，也能夠研究到原型開發與原型測試實驗設計方法與因子。
舉個例子，AI車內輔助駕駛系統一定會涉及到CUI，那麼有一些基本的關鍵數字就會是設計時必備的常識，如語速：中文普通話正常的語速在每分鐘240個字左右 (4字/秒)，而英文的平均正常語速則是每分鐘170個詞。但是，人在噪音環境中集中註意力獲取某些特定信息時，需要一定的心裡準備時間或者叫緩衝時間大約0.6–0.7秒，而且噪音環境下的語速最好控制在160–170字/分鐘。而大陸很流行的高德地圖志鈴姊姊導航的語速是250字/分鐘（因為導航語音播報語句一般都很短，而且人們已經非常熟悉導航的語句以及語句組合順序，因此可以以正常語速播報）。
除了語速外，當時筆者還整理了其他各種各樣的人因、人機交互的語音相關基礎研究，如：男聲女聲、聲音頻率、聲音年齡、環境噪音、交通工具等對聲音交互的影響。
1.2 競品與概念產品研究
這部分的研究就很容易理解了，筆者和其他兩位研究員分工去找市場上所提出來的競品與概念產品，並且以案例介紹的方式整理起來。最後再綜合分析不同案例的優劣勢。
1.3 &1.4 用戶訪談與Persona
這個部分應該是各位讀者很熟悉的部份，不過這個部分的訪談除了為原型設計提供設計輸入之外，也需要去檢驗原型的測試場景。在1.1的研究部分，如筆者上述，除了各種人因學的基礎參數研究外，筆者也需要研究原型與測試原型的場景，所以在進行用戶訪談之前，筆者已經整理出了約10種不同的"用戶可能需要用到車內AI輔助駕駛系統"的道路場景，因此在用戶訪談時，也需要再次與用戶確認這些場景的可靠性，並且為3.1的實驗設計部分進行輸入。另外，在筆者訪談12位用戶後，團隊整理出了4種需要車內AI輔助駕駛系統的用戶類別，然後在3.2的實驗執行時去盡量尋找與該4種persona較為相似的用戶作為實驗樣本進行研究。
2.1共創工作坊＆概念設計發想
這個部分也是與一般設計諮詢公司很相同的部分，有了persona，競品與概念產品研究結果以後，就可以開一個共創工作坊。以競品與概念產品作為設計靈感刺激物，並且依據不同的persona進行概念設計，最後將所有的概念設計整理成ideation booklet。這裡有一個讓筆者非常驚訝的事情，當時筆者所服務的德國高端車企竟然有他們的標準用車場景（共17個）與概念發想表單，可見，design thinking的方法已經深入在他們的企業文化中了。
2.2 原型設計& 3.1實驗設計
有了2.1的概念設計結果及1.1的原型設計相關資料及1.2的競品與概念產品的研究結果後，就可以著手進行原型設計與實驗設計。當時進行原型設計與實驗設計時，筆者團隊共8名學生從原型概念、操作流程、低保真介面、高保真介面、測試環境建模、測試參數設定、實驗流程設計、實驗器材學習、樣本設定與招募共花了3個月的時間。筆者個人，身為研究員所負責的部份包含：原型概念、操作流程、低保真介面、實驗流程設計、實驗器材學習與樣本設定。以下給一個簡單並模糊的圖示例操作流程做完後的結果：不同的顏色區別行為的來源：綠色表示用戶與車內AI的交互行為、紫色表示該行為來自於車內AI輔助駕駛系統、淺藍色表示該行為來自於道路建模環境（測試環境）、黃色表示該行為來自於車內其他感官系統的刺激，灰色表示發生的事件。
3.2 實驗執行
原型設計與實驗設計做完也招到測試用戶60人以後，筆者就開始與團隊進行實驗。當時這個專案的實驗用到了汽車模擬器（道路情境與環境建模）、車內AI輔助駕駛原型、皮膚電波、眼球追蹤器、量化問卷與短訪、攝影機與face reader。再來一張簡單並模糊的圖（請原諒我不能給高清大圖Q）
該實驗還在投稿國際期刊中，投上以後文獻中就會提供給各位讀者完整的實驗設計與原型設計的資料。
這個專案算是筆者第一個從研究到設計再到原型開發再到原型測試的完整專案，且專業程度能夠對接企業研究單位，算是一個不可多得的良好經驗。在這個案子中，筆者學到最寶貴的經驗有二：研究規劃的全局觀與量化研究與質性研究的搭配。
培養研究規劃的全局觀不僅僅是要了解不同研究方法的產出，還要能夠靈活搭配各式各樣研究，讓上階段研究中所蒐集到的資料能夠作為下階段研究的輸入。在最後的實驗設計與執行中，有些數據必須要依靠量化數據的蒐集與分析方式才能形成可靠的實驗結果、而有些數據則是需要依靠質性數據。而且質性數據與量化數據彼此之間也能夠達到相輔相成的驗證。
舉個例子：在該實驗中，皮膚電波、face reader與標準情緒量化問卷三者都是拿來蒐集用戶情緒的方法，但是face reader與皮膚電波是用測試設備來蒐集情緒的方法（偏向質性數據）、而標準情緒量化問卷則是國際通用的量化問卷（偏向量化數據），而這幾種蒐集數據的方式也能夠在後期分析中彼此互相驗證數據的可靠性。
也因此，筆者鼓勵更多專精於質性研究的研究員，不僅可以多學習量化研究之外，也能夠培養研究規劃的全局觀，並且學習使用各種新興研究工具（如眼球追蹤器等等），未來在用戶研究的路上，也就能夠越走越廣。
2. BMW Technology Office China (3個月)
研究主題：車內車外科技創新（包含AI技術但不限於AI技術）
職位：用戶研究實習生（Customer Understanding Intern）
甲/乙方與部門：甲方，技術研發部門
工作內容：
1. 量化二手資料研究（桌面研究）
1.1 技術市場趨勢研究
1.2 用戶技術接受度與行為研究
1.3 技術商業應用場景研究
2. 原型開發研究與設計
2.1 共創工作坊&概念設計發想
2.2 原型設計
2.3 協助開發與質性測試
BMW Group在全球一共有三個研發中心，德國慕尼黑、美國加州與中國上海，BMW Technology Office China當時是BMW自動駕駛技術研究的主要研究基地、並且做為新科技創新中心為全球的各個研究與產品部門服務。簡單的來說，每年BMW Technology Office China會依據全球最流行的技術去尋找車內車外的科技創新場景並且開發原型。舉例來說，BMW Technology Office China 每年可能開發100+個原型，然後100+原型再經過研究部門的研究後可能只剩下30+給到產品部門，最後經過產品部門的篩選後可能只會5+個概念有可能用到實際的產品上。而這中間的過程大概會經過8年（德國人嘛）
其實在BMW的實習工作並不能算是一個專案，而是應該算成一種研究生活。在BMW實習的過程中筆者手上同時進行的科技創新研究大約有5-8個，而每個專案的平均時長大約是1.5個月，案子分別處在不同的階段，有的專案在1.1技術市場趨勢研究階段有的到了2.3協助開發與質性測試。
1.1 技術市場趨勢研究
這個部分很簡單，就是長期的追縱全球的技術熱點與市場投資趨勢。並且判別哪些技術已經成熟到可以開始著手科技創新的階段。除了看各種技術趨勢媒體外也會經由學術研究的趨勢去追蹤技術的成熟度。
1.2 技術接受度與行為研究
中國人在技術接受度上一般都是名列前茅，然而BMW畢竟是一個跨國企業，需要平衡各個國家的用戶的技術接受度與行為研究。因此他們也需要長期追蹤各個國家的用戶對於某些技術的接受度到哪裡，而其中最重要的地區還是德國、美國與中國。另外有一點挺有趣的事情是，如筆者上述，因為實現週期很長（要8年），所以研究行為的用戶並不是現在的車主，而是未來的車主，比如當時筆者做技術接受度的行為研究時，專注研究的對象就是千禧一代。
1.3 技術商業應用場景研究
對BMW Technology Office China來說，因為是一個部門，所以做研究方式都會是長期追蹤，除了長期蒐集的技術趨勢報告中會提到各種各樣的商業應用場景外，BMW每週都會進行全球（中國優先）的新創公司與概念掃描，去尋找併購新創公司或技術合作的機會（是的，BMW是有錢的金主爸爸）。
2. 原型開發研究與設計
在原型開發研究與設計階段中其實和上一個專案的過程差不多，唯一不同的是開發原型的時長變得很短，大約三週就能夠從概念設計一路做到可在車機中控系統上測試的原型。在BMW Technology Office China中有可編程的測試專用車輛與車機中控系統實驗室。在車機中控系統實驗室中裝有各種不同型號的BMW汽車中控系統，然後工程師可以直接在汽車中控系統上導入測試原型直接演示原型。而筆者的工作就是做出高保真模型以後給到工程師讓工程師在原型上導入並簡單測試，如果有錯誤與預期不同就繼續改高保真模型或與工程師一起調整原型參數。
在BMW實習的三個月中，筆者最大的收穫就是學會在國際跨國大企業中，長期追蹤與長期進行某項研究的能力，並且將大量的研究資料服務給全球所有的部門。在此過程中，全球相關部門也會彼此共享研究資料，藉以得到跨國、具備全球觀的分析與研究結果。
3. S.Point 指南創新設計諮詢公司 (4個月)
研究主題：AI 技術在汽車行業的場景設計
職位：資深設計策略師/專案協理
甲/乙方與部門：乙方，客戶為策略部門
工作內容：
1. 用戶研究
1.1 用戶訪談
1.2 用戶洞察與機會
2. 商業模式研究
2.1 AI行業專家訪談
2.2 外部關係人訪談（汽車經銷商銷售與技師訪談）
2.3 內部關係人訪談（汽車企業員工訪談）
3. 場景設計
3.1 場景共創與場景共創工作坊
4. 商業價值分析
4.1 技術成熟度分析
4.2 企業應用評估
這個專案整體來說，研究的內容與方式與上述兩個專案非常不一樣。首先，這個案子的唯一目標是要找到可靠的AI技術應用在汽車行業的場景，並不涉及原型設計與開發。另外，所謂"找到可靠的技術應用場景"其實就是在可行性上的探索與驗證。因此在該專案中 2.1 AI 行業專家訪談與第4部分的商業價值分析就起到非常重要的作用。
1.用戶研究 & 2.2外部關係人與 2.3內部關係人訪談
這個部分與一般的設計研究邏輯一樣，就是為了找場景而作的訪談。筆者就不多談執行細節了。這裡給到數字作為研究規劃的參考：用戶研究7人、外部關係人共4人、內部關係人20人。訪談時長：用戶與外部關係人2小時/人、內部關係人1小時/人。
2.1 AI 行業專家訪談
專家訪談與用戶訪談或關係人訪談最大的區別點在於：用戶或關係人訪談在訪談後需要找的是共同點、pattern，但是專家訪談則是要透過不同的專家領域分布來互相補足彼此的不足來達到全面性。
在該專案中，行業專家訪談的目的是要了解行業現況與技術成熟度。而為了了解行業現況與技術成熟度，可以從不同的維度區分專家的專業領域，藉以補足專家與專家間的信息Gap，筆者在這個專案中，共規劃了三類不同的專家：AI 企業專家、AI 技術專家與AI 科技趨勢專家，以下簡單說明此三類專家的區別：
AI 企業專家：尋找不同領域的 AI 企業，並藉由訪談了解該企業在垂直領域的成就與商業價值，通常訪談對象為該企業的商務或策略官。筆者與筆者的老闆當時透過各種各樣的關係與人脈去找到了AI 語義識別、AI 機器人、自動駕駛AI 算法技術支持、AI 圖像識別的商務官，藉以了解該公司的開發流程、企業策略、商業模式與實現案例的成果、時程及投資價格。
AI 技術專家：為了避免AI 企業專家將自家技術吹上天，所以還需要訪談AI 技術專家藉以驗證與判別信息的可靠性。一般可以找一些在比較中性的機構工作的專家來訪談比如創投、智庫、諮詢公司與學術界的教授。
AI 科技趨勢專家：主要是為了了解那些還不能在各大報告中出現的科技趨勢，訪談的專家一般也是在創投、智庫與諮詢公司工作。而且，當行業關係比較好的時候，一般也能夠得到分析過後的結果或框架，所謂人脈帶來商業價值指的就這種時刻。
2.2 外部關係人訪談 & 2.3 內部關係人訪談
為什麼又再重新講一次這個部分呢？原因是因為透過這樣的訪談除了找場景外，也能夠問到一些數字藉以評估商業價值並參考其商業模式。而事實上在筆者實際操作這個環節時，筆者也訪談了競爭對手的外部關係人藉以更了解競爭對手的現況。
3. 場景設計
在得到了1.用戶研究與2.商業模式研究的相關資料以後，需要進行的就是場景設計，在這個環節其實和任何其他的場景設計的步驟並無兩樣，筆者就不詳述了。在這個環節中，最重要的事情是企業對於場景設計的細節程度的要求。要知道，在找到場景後，下一部要做的就是商業價值分析，而商業價值分析後就會再轉交給研究與開發團隊，所以在敘述場景時，交互的流程、場景與技術的使用情況都會連帶影響商業價值分析與研究開發流程。了解企業需求與企業內部流程後再融入到場景設計的步驟中，才是最重要的工作。
4.1 技術成熟度評估
在通過前述的1.與2.的研究後，指南創新給到客戶一份AI行業的技術成熟度評估結果，藉以幫助企業評估AI技術應用場景的可行性之外，也讓企業內員工了解AI行業當前在中國的發展現況。在評估技術成熟度時，需要切分不同的技術並且了解每項技術的現況與限制。另外，技術成熟度的評估不僅是只有技術的發展現況（如技術準確度等等），還有技術的可得性與可行性。
技術的可得性可以用最近很夯的話題來舉例：比如AI專用的芯片，中國在高性能芯片的研發上一直都還是落後美國的，在前一陣子中美關係還可以的時候可以與美國公司採購，但是最近關係不好，就有傳出美國要限制中國採購高性能芯片的消息，而AI技術要是沒有芯片（算力），基本上就不用玩了。
技術可行性則是行業的技術提供方能夠給予企業技術支持的方便程度。舉個例子，比如雲技術，對於跨國高端汽車企業來說，如果要租用的話最好還是找Amazon（同為跨國企業），但是Amazon在中國的技術支持的表現普遍不好（速度慢），在去年年底，阿里巴巴也提供了相似於Amazon的雲技術服務方案，阿里巴巴想當然耳在中國的速度應該是能夠應付中國的運算需求的，但是對於德國跨國企業來說，如果運用阿里巴巴的技術支持就會顯得綁手綁腳。
4.2 企業應用評估
對於企業來說，要實現科技創新，除了開發時程與成本外，還需要有運營成本的評估，比如預算預估、headcount與團隊預估、開發時長估算、是否符合企業戰略、是否符合企業品牌形象、信息隱私與法律合規問題與是否具備技術壁壘等問題都是企業在評估場景是否真的能夠運用的考慮依據。
好吧，感謝各位能夠耐心看到現在的讀者，文真的是超級長。在下一篇（下個月）的文章中，會與各位分享 AI科技創新(下)：AI科技創新產業應用趨勢。感恩各位對UX四神湯的愛戴。
UX四神湯，我們下週再見！
