把直覺外包給AI做決策真的可行嗎?利與弊一次看|《直覺鍛鍊》
在人工智慧逐漸滲透生活的時代,我們的思考與學習能力也面臨新的挑戰。AI能幫助我們追蹤偏見、修正錯誤決策,甚至提醒我們避免衝動行為。但同時,把決策過度外包給AI,可能讓我們的「生物直覺」逐漸退化。透過《直覺鍛鍊》提出的科學方法,我們能更好地理解直覺與人工智慧的關係,找到一種平衡...
在人工智慧逐漸滲透生活的時代,我們的思考與學習能力也面臨新的挑戰。AI能幫助我們追蹤偏見、修正錯誤決策,甚至提醒我們避免衝動行為。但同時,把決策過度外包給AI,可能讓我們的「生物直覺」逐漸退化。透過《直覺鍛鍊》提出的科學方法,我們能更好地理解直覺與人工智慧的關係,找到一種平衡...
退休後,很多人反而因為金錢、家庭和健康而感到更焦慮。理財作家嫺人在《有錢到老後》中提醒我們,不必事事追求完美,也不必跟別人比較,而是學會在有限的資源與時間裡,做出最智慧的選擇,享受每一次旅行、每一段陪伴,讓人生變得更自在、有溫度。
多年來我們與許多團隊一起設計、執行與分析實驗,因而了解到,就算是最棒的實驗計畫也不一定都能順利進行。學習實驗過程的其中一項要點是,對於迅速執行實驗要更熟練。
圖片來源:Unsplash
編按:當一個構想在腦海形成,必須經過測試,透過落地的測試和實驗,便能知道該構想可行與否。而在進行實驗時,應該避免什麼樣的情況,才能讓實驗過程順利進行呢?
以下為《商業構想變現》作者大衛.布蘭德和亞歷山大.奧斯瓦爾德歸納出的八個實驗必須避免的狀況:
實驗陷阱
多年來我們與許多團隊一起設計、執行與分析實驗,因而了解到,就算是最棒的實驗計畫也不一定都能順利進行。學習實驗過程的其中一項要點是,對於迅速執行實驗要更熟練。
以下我們歸納出幾個常見的陷阱,你可以及早發現,不必重蹈覆轍,免於犯下我們犯過的錯。
時間陷阱:沒有投入足夠的時間。
一分耕耘,一分收穫。沒有投入足夠時間去測試商業構想的團隊,不會得到很棒的結果。團隊經常低估執行眾多實驗,以及好好測試商業構想所需要的心力。
更好的做法:
□ 每週投入一定的時間來測試、學習與熟悉。
□ 針對你想深入學習的假設設定每週目標。
□ 將你的工作視覺化,當任務停滯不前或是遇到阻礙時,你就會更清楚。
分析麻痺:面對應該直接測試、調整的事情卻想太多。
好的構想和概念很重要,但是許多團隊會過度思考、浪費時間,而沒有展開行動做測試,以調整原本的構想。
更好的做法:
□ 為分析工作訂出時間箱。
□ 區別可逆與不可逆的決定;對前者要迅速反應,對後者要多花一點時間。
□ 避免各持己見辯論。辯論要以證據為基礎,辯論後要做出決策。
數據或證據無法比較:無法比較的雜亂數據。
很多團隊沒有嚴謹訂出精確的假設、實驗與測量指標,導致實驗數據無法比較。例如,沒有測試同一群目標客層,或是測試的背景完全不同。
更好的做法:
□ 使用測試卡。
□ 清楚訂出測試對象、實驗背景以及精確的測量指標。
□ 為實驗參與者設計、安排工作,確定每個人都各司其職。
數據少或證據薄弱:只測量人們說的話,而不是人們的行為。
團隊通常很樂意做問卷調查和訪談,卻沒有進一步探討人們在現實情況中會怎麼行動。
更好的做法:
□ 不要只相信人們說的話。
□ 執行行動呼籲的實驗。
□ 產生的證據要盡可能接近你試圖測試的真實狀況。
確認偏誤:只相信符合假設的證據。
有時候團隊會刻意放棄或無視違背假設的證據,因為他們寧願相信錯覺、相信自己的預測正確無誤。
更好的做法:
□ 找其他人參與整合數據的過程,帶入不同的觀點。
□ 設定一個互相競爭的矛盾假設,用來挑戰你的信念。
□ 每一項假設都要做很多種實驗。
實驗做太少:最重要的假設卻只做一種實驗。
很少有團隊能夠理解,要驗證一項假設必須做多少實驗。對於最重要的關鍵假設,不要只根據一種證據力很弱的實驗就做出決策。
更好的做法:
□ 重要的假設要多做幾種實驗。
□ 區別證據力的強弱。
□ 增加證據強度,減少不確定性。
沒有學習與調整:沒有花時間分析證據,以產生洞見與採取行動。
有些團隊太著迷於測試,忘記本來的目的。目標不是測試與學習,而是根據證據與洞見做決策,把構想推展到獲利。
更好的做法:
□ 騰出時間整合實驗結果、產生洞見,以及調整構想。
□ 在測試過程的細節與商業構想的宏觀概念之間,要時時掌握方向感;別忘了你要觀察的是哪一個重要的模式?
□ 建立儀式以便時時著眼於實驗的目的,確認從構想到獲利的過程是否有任何進展?
把測試外包:把應該親自執行與學習的測試外包出去。
把測試外包通常不是好辦法。測試是迅速的疊代流程,你得測試、學習、修改構想,代理人無法為你迅速做出決策。把測試外包會浪費你的時間與精力。
更好的做法:
□ 把你留給外包代理人的資源,轉移給內部團隊成員。
□ 建立專業的測試團隊。
【書籍資訊】
《商業構想變現》
Testing Business IdeasA Field Guide for Rapid Experimentation