本文為 iKala 投稿，經 INSIDE 編審後刊載。

iKala 目前從原本的雲代理商正積極轉型成一間跨國的 AI 公司，提供以 AI 驅動的數位轉型及數據行銷整體解決方案。其中旗下產品「KOL Radar」網紅雷達則透過大數據技術，即時收集網路上龐大的公開社群資料，並結合 AI 技術為品牌與企業客戶做到最精準的網紅推薦，目前已累積超過  50,000 筆跨國網紅資料 。  

但隨著微網紅、奈米網紅崛起，網紅們的公開社群資料也越來越多元、複雜，這也讓 KOL Radar 收集、整理資料的速度必須更快、更精準，那該怎麼做呢？AI 能幫上忙嗎？

因此 KOL Radar 找上 iKala 內部 AI 團隊進行跨部門合作，來解決在篩選公開資料流程中所遇到的「精準度維持」、「審核速度需求」等挑戰，整個專案從雙方開始討論需求到 AI 順利導入，總共花了不到一個月的時間。最終 AI 成功幫助 KOL Radar 在維持資料精準度相同水準之下，讓工作效率提升了 4 倍左右。

這段專案導入過程我們覺得很值得分享，以下主要由 iKala AI Team Lead 黃宣龍 (Neil Huang) 口述，並經整理呈現。

萬地高樓平地起：把問題問對就是第一步 

在我們合作執案的開始，KOL  Radar 團隊提出的需求為「希望 AI 幫忙篩選出網紅」，但這個問題的範圍太大、指令太模糊，必須被重新定義。因此，我們首先向 KOL Radar 釐清了網紅的定義為「Facebook、Instagram、YouTube  任一平台粉絲人數達 1,000 人以上，並排除政治、宗教領域人物、企業及媒體。」再來，我們開始思考如何從公開資料中，快速篩選出符合上述條件的名單，而最快速有效的方法就是定義出他們的共同特徵或具體樣貌。  

KOL  Radar 團隊則依據過去收錄 5 萬筆網紅公開資料，發現頭圖是人/狗/貓的社群粉專，有 8 成機率是網紅！因此，我們下一步就是用 AI 從上萬筆公開社群資料中快速找出頭圖為人/狗/貓的名單。

選擇符合任務目標的 AI 工具

一旦把問題問明確，目標清楚了，AI 團隊就能快速決策打造 AI 圖像偵測模組。而這領域的 AI 現有資源相當成熟、好用。本次我們採用了雲端 AI 工具來自動偵測公開社群資料中屬於狗、貓的頭圖；並另外使用  Progressive Calibration Networks (PCN) 偵測人臉的頭圖。 

用兩種不同的 AI 工具能讓團隊以最快的效率，從 AI 偵測、貼標後的資料中取得頭圖屬於人、狗、貓類別的名單。

詳細來說，該雲端 AI 工具對於狗和貓等圖像所貼的標籤就是狗、貓等明確的類別，但有時則會同時出現「柯基」這種標籤（不過還是很好判斷與統整）。但其對人臉圖像，出現的標籤就較為多元，時常會同時出現例如手、脖子、服裝造型，甚至是工作性質等太細節的標籤。這讓我們整理出頭圖為人臉的名單時不太順利，而且這種標籤邏輯也不符合我們的需求。因此決定改用 PCN ，明確地將人臉圖像統一標籤分類為「人」。 

整個頭圖貼標工作的完整流程（如圖片一）包含了幾個步驟，我們批次依序處理數萬筆公開頭圖圖片，使用主程式把圖片抓進預測模組（Predict  Image Label），並由 PCN 模組先負責辨識圖片中有無出現人臉，將含人臉的圖片直接貼標為  Human Face，而其餘的圖片則另外呼叫雲端 AI 工具的 API，來偵測與判斷是否包含貓（Cat）、狗（Dog）相關的標籤。

整套雲端 AI 工具是建置於 Cloud 平台上並且支援 Prediction API，而 PCN 則是第三方提供的程式，其  Prediction API 功能就須由開發者自行整合與部署（如圖片二）。不過這些現有 AI 工具資源都能大幅加快整個專案流程的進行。

最終，我們在 KOL Radar 團隊提供的 7.6 萬筆公開社群資料中，導入上述兩個 AI 模組進行偵測與標籤，並快速篩選出 1.5 萬筆頭圖為人、狗、貓的名單資料，將其做為高優先名單提供給 KOL Radar 團隊。而經過人工確認，在這 1.5 萬筆資料中有 80% 的資料符合 KOL Radar 收錄網紅的標準，使工作效率加速了 4 倍。 

關鍵思維：「人的智慧」讓 AI 成最給力的助手 

在這次  iKala 的內部案例中，我們在想一件事：「企業導入 AI 時的關鍵思維」到底是什麼？從過去經驗李看，我們發現企業最常在一開始提出需求都問：「我想要 AI 幫我增加營收、AI 能幫我做到哪些事？」

但我們認為問題應該精簡成這樣：「公司現有及未來的工作流程或產品佈局有哪些痛點需要被解決、被優化」，並加入經驗法則，將導入 AI 的目標更加具體化。在這樣思考的過程中，人的經驗法則與產業  know-how 顯得至關重要。 

總體來說，AI 不是取代人，而是輔助人解決問題，唯有在我們問對問題的時候，AI 才能更精準地發揮最佳效益。iKala  整合顧問、服務超過 400 家企業的經驗，提出 DAA 飛輪（Digitalization,  Analytics, Application）的框架，不僅以 AI 賦能內部工作流程、實踐「自己的問題自己解決」，也持續以客戶為中心，協助客戶釐清其真正的關鍵需求。

至今，我們所有對外產品皆以 AI 為核心，包含雲端資料池與 AI/  ML 數據分析服務 iKala Cloud、AI 網紅雷達 KOL  Radar、AI 社群商務銷售工具  Shoplus，讓客戶導入 AI 時能有明確的策略藍圖。

【圖說四】iKala 提出 DAA 飛輪架構，透過數位化、分析能力、以及行銷應用組成的框架，讓企業在導入 AI 應用時，有明確的策略、規劃、及發展藍圖。

責任編輯：Chris
核稿編輯：Anny