智慧技術快問快答：人才篇

基於過去產業及學術經驗，很幸運一直有機會與協助企業將這些前瞻智能技術落地為產品，過程中的挑戰，不外乎「人才」以及「技術」兩大類。許多資通訊產業的前輩們，也時常提出類似的問題，本文先就大家常詢問的「人才」問題簡短回答。

招募的新人需要何種專業？雖然目前耀眼的智能技術大都來自於深度學習(DL)技術，開啟了許多應用機會，除了DL經驗之外，一個絕佳的技術人員需有紮實的機器學習(ML)專業。原因有二：首先，深度學習為機器學習的一個子領域，因著各種應用突破，近年讓DL成為當紅炸子雞，但技術的推演還是會有其他可能性，不能忽略技術源頭；其次是在實務解決問題上，時常需要諸多ML子領域的工具以及洞見，具有紮實ML領域專業的技術人員，才是厚積團隊智能技術以及開發諸多未來應用的確實憑據。

履歷這麼多，有沒有快速的篩選條件？智能技術軟硬體的工程師各有不一樣的要求，很難單一標準看待。但可以建議的是，如果履歷裡「AI」字眼越多，這位工程師的智慧技術能力「可能」越弱。因為AI是行銷用詞，在核心技術領域中很少使用這樣的技術字眼。

智慧團隊聘雇難度高，可不可以內部扶植？可以的，幾家共事過的企業都有成功的例子，符合某些條件的工程師可以成功轉換。但是也得聘到幾位真正熟稔最新技術的新血輪(好手)，人才配置類似「金字塔」結構，越上層的越頂尖(成本越高)，人數越少；而具有基本智能專業的開發人員，供給就會比較多，但較難建立技術障礙。過去的觀察，金字塔兩端的生產力，有相當大的差距。在管理上，團隊形成時刻就得有明確產品開發目標，專心開發相關技術落地為產品，漫無目的摸索學習，通常只是浪費高昂的人事成本。

傳統產業受惠於智慧技術嗎？根據調查，產業中資料量多而且單位資料價值高的，最能受惠於這波智慧技術發展。除了資通訊產業外，能源、醫藥、交通、製造、金融保險也列在其中。傳統產業絕對可以受惠於智慧技術的發展，一般是用來提升生產效率以及安全性，近來在這些領域的投資也可以做為佐證。 

傳統產業要如何聘請夠格的工程師？除非營運體系夠大，有足夠的獲利以及開放文化來維持智慧團隊，不然可能很難維持。不過目前也有許多針對傳統產業使用的智慧工具(類似SaaS的服務)，可以大膽試用。這個世代也是營運技術(Operational technology，OT)跟IT技術匯流的絕好機會。

是不是使用autoML，自動網路生成，就不需要工程師？如同之前提過〈技術債－天下沒有白吃的午餐〉一文中，智慧技術雖然是目前產品的決勝點，但是僅佔產品開發的一小部分，還是需要其他必備的工程專業，比如資料收集、系統安全、隱私、硬體設計等。好的產品還需要跟領域別的專業知識結合，特別是在醫療、金融、製造等領域。至於autoML，絕對是加速開發的好工具但不是工程師的替代品，這部分可參考，〈autoML自動化深度學習網路設計可行嗎？〉一文。

只要軟體工程師就好？好的產品強調co-design：軟硬體工程師，產品經理，甚至是BD(商務開發)都得共同考量新的使用情境。比如說，要提升射出成型機的使用效率，除了透過收集的資料偵測異常運作、優化產能、或是降低成本之外，還是得設計適合製造業使用的邊緣智慧設備，與既有的老設備連接，或是參考產業鏈的專業知識找出智慧化的新模式。

那智慧技術對產業未來發展如何？未來我們很難預測，但可以參考過去Internet發展的軌跡，來具體化未來的想像空間。試著將自己擺在1995年Internet剛萌芽的時候，往後看你會發現這二十幾年來興起了非常多全新的產業、公司，也讓某些消失了。當然也有泡沫的時候，但是Internet已經全然改變整個社會的發展，而且持續改變中，很多人也認同智慧技術可能循著類似的模式轉變這個世界。歷史的軌跡也在在說明能早先擁抱這些技術變革的會是最大的受益者。