監控是完整 AI 解決方案中的關鍵一環。它能讓團隊知道 AI 演算法可能面臨效能下降或「模型漂移」的風險。
下方範例顯示疫情前（青綠色）與疫情後（深橘色）的顧客滿意度分數。疫情前的平均分數為 2，疫情後的平均分數為 3。
根據影片中對模型漂移的說明，你會如何描述顧客滿意度正在發生的情況？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
了解什麼是 AI、它如何演進，以及它與其他非 AI 的資料解決方案有何不同。在本章中，你將開始建立一個將 AI 導入業務的架構，包括 AI 策略的關鍵要素、實作階段，以及基本的技術設計。最後，你會學到在整個流程中，Responsible AI 治理的重要性。
你已經了解什麼是 AI，以及如何以負責任的方式思考它。現在是時候更清楚掌握它在商業上的效益、限制與使用情境。在本章中，你將做到這些！你會理解 AI 能為組織帶來的價值，以及它的不足之處。你也會瀏覽企業中不同部門的一些高層次使用情境。最後，你將學到選擇優質 AI 使用情境的原則。
有了使用情境之後，接下來就來建立概念驗證（POC）！這是一個小型專案，用來判斷可行性，並在完整落地時評估可能帶來的商業價值。在本章中，你會學到 POC 的各個階段、成功的關鍵，以及在技術基礎架構與資料面向需要思考的重要組成。最後，你會了解 POC 專案團隊所需的角色類型。
在課程的最後一章，你將學到實作 AI 解決方案的最後步驟——評估 POC、擴充規模，以及對齊文化與技能。你會了解可以用來評估 POC 的面向，以及哪些是推進並擴大方案的良好指標。你也會重點檢視要擴展至完整落地時需要聚焦的主要組成，包括組織文化的需求與提升企業內部人員技能的要求。
當前練習
