科技數位

商傳媒｜責任編輯／綜合外電報導許多電子商務的人工智慧（AI）推薦引擎專案，在完成概念驗證（Proof of Concept, POC）階段後，往往難以順利整合至實際營運，導致專案停滯不前。專家指出，AI專案成功的瓶頸，通常不在於模型本身，而是將模型連結至真實系統、數據與業務流程所需的工程挑戰。根據《The AI Journal》報導，概念驗證階段的AI模型多在受控環境下運行，使用清理過的數據與固定的商品目錄，因此能展現高達92%的準確度。然而，一旦進入規模化部署，商品目錄顯著擴大且數據更為混亂（例如，POC使用5萬筆商品紀錄，實際生產環境可能達120萬個最小庫存單位），模型準確度便會大幅下滑至71%。將AI模型整合至既有的電商技術堆疊是一個複雜過程，涉及多個即時數據流與輸出目標，每個整合點都可能成為潛在故障點。此外，組織內部信任亦為關鍵因素，AI實施需採逐步導入模式，從人工審核的建議開始，逐步過渡至自動化決策，這類變革管理的時間單位需以季度而非短期衝刺計算。欲將AI從實驗階段推進至日常營運的成功組織，通常具備三大結構性特徵：首先是「統一數據層」，要求所有商品、客戶、交易與行為數據能透過單一、受控管的管道存取，這往往需要投資商品資訊管理（PIM）與客戶數據平台（CDP）。其次為「工程連續性」，指由工程團隊對AI模型與管道進行持續監控、重新訓練及調整。最後是「務實範圍」，即從可用現有數據解決的高投資報酬率問題入手，而非一開始就挑戰最艱鉅的難題。報告建議，商品資料豐富化、搜尋與發現最佳化，以及售後體驗自動化等，都是可在單一季度內見效的務實起點。例如，語義搜尋能在部署數週內帶來可衡量的轉換率提升。報告也提到，部分機器學習顧問公司在不了解客戶平台架構、數據結構或操作限制的情況下建置模型，常導致專案失敗。企業應尋求結合AI策略與平台工程能力的合作夥伴，著重長期成果與持續性，而非僅專案里程碑與交接。AI在電商領域被視為一項需長期建立、營運與優化的能力，而非單一專案。對於電商領導者而言，關鍵問題已不再是否採納AI，而是其組織能否彌合示範與實際營運系統之間的鴻溝，進而創造規模化營收。清潔數據、穩固整合及可靠的實施夥伴，是AI模型持續重新訓練並最終取得成功的基石。標籤： 合作媒體商傳媒

商傳媒｜葉安庭／綜合外電報導全球知名設計平台 Canva 近日宣布推出「Canva AI 2.0」，這項更新將使其從一個搭載AI工具的設計平台，轉型為以AI為核心並配備設計工具的平台。Canva共同創辦人暨產品長卡梅隆·亞當斯（Cameron Adams）指出，Canva AI 2.0旨在透過理解用戶意圖，提供從構思到最終產出的端對端創意工作流程支援，大幅提升設計效率。卡梅隆·亞當斯表示，目前許多AI工具多半聚焦於發想階段或提供起點，卻未能解決整個創意過程，導致後續編輯困難，甚至需要重複輸入指令從頭來過。相較之下，Canva AI...

商傳媒｜葉安庭／綜合外電報導根據一項最新研究，人工智慧（AI）工具雖然能夠提升人們處理任務的速度與效率，但長期而言，過度依賴AI可能導致獨立思考能力的喪失，並加深對AI的依賴性。這項名為「AI輔助降低堅持度並損害獨立表現」的研究發現，儘管AI被視為提升生產力的利器，卻可能引發「怠工」（workslop）現象。員工需花費更多時間修正AI生成的內容，反而可能導致工作量不增反減，甚至影響士氣。研究指出，當員工習慣於AI產出的輔助，並在輸出有缺陷時被迫進行大量人工修正，更容易感到沮喪。研究進一步觀察到，一旦移除AI輔助工具，參與者的表現會顯著下降，錯誤率隨之增加，且對解決困難問題的意願也明顯降低。其中一項測試顯示，僅僅10分鐘的AI輔助，就足以降低參與者的效率與整體表現。該研究涵蓋數百名參與者，透過多項測試進行，包括一組350名參與者解決分數運算問題，另一組670名參與者，以及第三組進行閱讀理解測驗。所有組別在移除AI輔助後，均呈現表現下降的趨勢。研究共同作者 Rachit Dubey 指出，這項問題不僅僅是AI可能提供錯誤答案，更深層的影響是人們可能因此失去深度思考的習慣，並降低獨自解決問題的意願。Rachit Dubey 強調，過度依賴AI工具可能導致不耐煩，形成一種將思考視為不必要或過於費力的依賴性。這些研究結果提醒大眾與教育工作者，在享受AI技術帶來便利的同時，也應警惕其對人類認知能力可能造成的潛在衝擊。如何平衡AI輔助與個人獨立思考的培養，避免過度依賴，將是AI時代下重要的課題。標籤： 合作媒體商傳媒