在「創業 CEO」系列，我們探討創業者如何教會自己，成為偉大的 CEO，因為世界上最偉大的網路公司，往往是由這樣的人在領導

20 世紀工業革命只是生產的自動化，21 世紀資訊革命是企業營運的全面自動化

這個禮拜在北京出席獵豹 CONNECT 與長城會 GMIC 兩個年度盛會，會前獵豹很貼心的安排我們參觀包括騰訊、京東、小米、滴滴、格林深瞳，以及獵豹本身等中國具代表性網路公司的校園，並且聆聽他們高層分享近況、發展策略，和他們交流討論。

與美國同步，且幾乎是異口同聲的，這些中國頂尖科技公司都在積極思考投入人工智能 (AI) 與機器人 (Robotics)。[1]

在我看來，這個發展有兩個最主要的面象。第一，更聰明的消費性產品，例如自動駕駛車、個人語音助理如 Siri 等等。另一方面，更自動化的企業營運系統，如智慧製造、無人運輸、自動規模化伺服器、程式自動廣告交易，以及客服聊天機器人等等。

身為創業 CEO，你當然必須去思考如果你的產品更聰明，能不能在類似價格下，提供給用戶更大的價值。但這不是我今天想討論的題目，因為現在 AI & Robotics 的發展還在相當早期階段，能夠在控制成本前提下給用戶好體驗的機會，其實不多。

我今天想展開的，也是這一趟最大的領悟，是第二個題目，也就是企業營運的自動化。我在思考未來 5-10 年，這個大浪對企業的競爭力，應該會帶來比工業革命更大、數量級的顛覆。因此透過今天文章，我想放下一個陀螺，讓所有 CEO 開始思考。

深度學習對演算法的顛覆

要討論這個題目，首先我們得先聊聊深度學習，也就是 AlphaGo 的核心。大體上來說，要讓電腦變得聰明，也就是擁有 AI，有兩種方法，一種是人類事先把自己的思考邏輯都一個個淬煉出來、變成程式，也就是所謂的演算法，注入電腦。演算法的好處是它黑白分明，沒有模糊地帶，但缺點就是人類必須事先把邏輯想出來，還要有工程師把這些邏輯變成程式。

這個流程說起來容易，做起來非常困難。參與過內部軟體專案的人都知道，需求方往往沒辦法把自己業務的邏輯講得完整清楚，而開發人員也往往沒辦法把用戶的邏輯 100% 翻譯成演算法，所以最後做出來的軟體通常只能幫用戶省下少部分時間，有時候還甚至會造成更多額外的負擔。

基於演算邏輯的系統要修改，也非常麻煩。用戶必須提出需求，接著要花費工程師昂貴的機會成本去執行、佈署，不僅週期緩慢，也經常因為人員流動而無法持續有效的推進。

因此，現代網路公司給消費者用的或許是最尖端、最與時俱進的軟體產品，但事實是他們內部的資訊系統，往往非常老舊難用。

然而第二種讓電腦變聰明的方法，也就是深度學習，過去這 10 年來的突飛猛進，有機會打破這個僵局。教電腦深度學習，就像教育小孩一樣，是一個模糊邏輯，沒辦法有一個明確可預測的結果。但另一方面，深度學習的好處，是教育電腦的過程，不一定要有工程師參與。

而也正是這一個好處，我認為，會帶來企業內部資訊系統發展的一個超大革命。當你導入深度學習為基礎的自動化系統，那麼這個系統進步多快、能夠發揮多大作用，將不再是看你投入的工程師數量與品質，也不再被用戶與開發部門間的溝通不良所牽制。隨著軟體人才荒日益嚴重，工程師薪水持續水漲船高，深度學習的這個好處將會越來越顯著。

重點變成教練與教材

所以就像訓練小孩一樣，一個深度學習為基礎的營運、行銷、銷售、客服自動化系統，能夠進步得多快，端看你投入的訓練時間、頻次，以及教練與教材的素質、數量。

深度學習的教練，應該會像員工的教練一樣，必須是對某個領域有深厚經驗的人才，能夠不斷在機器練習判斷的過程中，持續給它好的回饋。換言之，未來自動化企業的同仁，會更像指導員，而不是作業員。

另一方面，教材，也就是 (大) 數據的取得，也是一個很大的門檻。如果是面對消費者的銷售、服務系統，那麼就要透過產品策略去大量收集需要的訓練數據。如果是純粹內部系統，那麼數據的積累恐怕很慢，這裡或許會有新型態的數據服務公司出現，橫向幫助企業交換數據。

換言之，深度學習會讓網路公司的內部自動化的推進，不再那麼依賴工程團隊的開發能量。甚至有可能，不同的企業可以使用同一套第三方開發的自動化系統，但由於訓練的內容不一樣，產生出天差地遠的自動化效果。

與機器人整合

當然企業的營運自動化工作，軟體只能解決部分問題，而更多物理性的需求，像是製造、搬運、維修等，就必須靠與機器人科技整合來完成。除了重複性、變化需求少的活動之外，我們可以預期的，未來的機器人自動化，背後將越來越以深度學習為基礎，而不是以預先設計的演算法為基礎。

未來三年的殺手應用

當然深度學習全面進駐企業的營運自動化系統，是個 10 年，甚至 20 年的大勢。但如果我們著眼未來 3 年，有幾個業務應該會搶先被顛覆，換言之，沒跟上的企業恐將喪失競爭力。

第一是廣告投放的自動化，這個領域其實已經在發生，像是 Appier、Tagtoo 等廣告技術公司，早已導入深度學習來快速優化他們的投放效果。

第二是線上客服的自動化，隨著 WeChat、Facebook Messenger、LINE 等聊天服務的平台化，企業將會開始在上面佈署自動化客服系統，可以預期的，許多這些聊天機器人，將會基於深度學習引擎，來加快服務品質、範圍、個人化的進步速度。

第三則是顧客風險評估系統的自動化，隨著網路帶來越來越大的資料量，像是客戶的信用額度、保險金額等數據評估，也會很快轉移到深度學習為基礎的系統。

第四是網路零售服務的定價系統，這點 Amazon 早已在做，因此我們可以預期很快會普及到多數電商。

最後則是 HR，也就是招聘與員工評估的自動化，同樣道理，當網路提供了大量的數據，則在篩選面試人員、追蹤同仁表現，並且對於聘用、加薪、升級做出建議等業務上，基於深度學習的自動化引擎，能夠大大提昇企業的 HR 效率，這點 Google 等先進科技公司已經證明，因此我也預期，會很快的被更多 Internet 公司投入。