使用AI、但不被 AI 牽著走，持續保有獨立思考與主控權；持續練習精準給 AI 下指令，製作工作上需要的AI Agent，歡迎光臨AI應用科學家的一天👋
個人背景
基本資料
目前產業
傳統產業
職稱
AI應用科學家
學歷背景
應用數學系碩士
工作經歷
資訊軟體業6年多，接觸AI領域約4年時間，擔任AI應用科學家大概半年
來點簡單的自我介紹
我是一個軟體工程師。
我是一個很在意「工作技能能不能為自己所用」的人。我不希望工作只是拿專業去換錢，這也是我當初踏進軟體工程師這行的原因。
我喜歡有邏輯脈絡的東西，也習慣整理自己的思緒。不只是程式邏輯，也包括自己的價值觀、還有情緒反應這些。
工作秘辛
最常使用的AI模型是什麼？
👉 答案是：如果是寫程式會比較偏愛使用Claude；如果是產圖的話，以前喜歡用Gemini Nano Banana 2，現在喜歡GPT-Image-2。
工作最核心的任務就是替公司集團開發需要的 AI 自動化流程，所以凡是公司內部有AI需求就會來找我們部門協助。我加入這半年以來做過：
1️⃣客戶輪廓分析｜分析購買特定商品消費者的共通點與標籤，用AI自動分群出客戶輪廓分群，並篩選出潛在客群，以利精準行銷需求。以下幾舉個延伸
- 購買杯子的消費者，都有什麼樣的共通點？不買杯子的消費者，又有什麼共通點？
- 假如今天我買了iphone，我可能就會先被貼上「喜歡科技產品」的標籤，那當電商在下廣告的時候，就有可能會推薦相關產品給我，比如手機掛繩、新的藍芽耳機等等
- 在測試分群結果時，也會用A/B Test測試看看廣告的效果如何
2️⃣自動化產出廣告素材｜ AI 依據商品資訊，自動生成廣告腳本、文案與情境圖片，這樣的作法可以省去人為的主觀影響，讓每個文案與廣告都可以直接透過AI產出，降低固定人員審美的比重。
3️⃣生成圖片字體處理｜用自行開發AI圖片處理工具，將 AI 生成圖片中有版權疑慮的文字移除，並重新配置合法字體，避免被告🤣
4️⃣AI圖片工具｜因為現在使用者看到AI味太重的圖通常都不太喜歡，所以用AI生成圖片後，還會再用一個自行開發的AI工具去把AI味移除一點（沒看錯，就是用AI移除AI味）
5️⃣AI串網頁技術評估｜因為同事大多是資料科學背景，對網頁技術較不熟悉；因為我過去有資訊軟體相關背景，所以當某些自動化流程或是模型想要透過網頁技術讓使用者操作的時候，就會負責協助評估在網頁平台是否可以嵌入使用。
6️⃣紀錄AI log｜檢查 AI 產生的 log 紀錄，如果要追蹤工作流哪裡不夠好或是有錯，就會需要回去看當時的log。這樣做還有一個原因是 AI 具備極強的隨機性，有可能詢問同樣的問題但產生的結果不同，所以有log就比較可以避免這個問題並重現錯誤。
公司集團內有使用AI訂閱服務資源的約60人，粗估一個月約花費100萬的訂閱費用
1️⃣世事難預料｜當時有一個廣告有用AI產了多個不同的版本，團隊公認最爛的一支廣告，反而推到消費者身上後效果是最好的。所以說視覺素材很難事前預測，但是推什麼商品、該推給誰，仍然是有跡可循，好壞就會由實際消費者的市場數據來評估（像是點擊率、轉換率等等）
2️⃣增加過多指導不一定是好事｜之前在網路上看到一個很精闢句子：你在增加AI指導的同時，也會增加AI分心的機會。換個比喻，今天你請AI讀哈利波特的第1集，請AI濃縮重點；跟你請AI讀完哈利波特全套7集，請AI濃縮第1集重點，兩者必定會得到不同的效果，因為AI會想要把你給他的一堆素材（指令）融合成最後的結果，所以精煉背景資訊可讓AI精準get到意圖，是最好的狀態。
- 有觀察到有些資深的從業人員會去用一個攻擊、而非協助的角度，挑戰AI做的東西很難用或是沒有用。其實背後就是因為怕自己會被AI取代，但實際上AI還沒那麼厲害，這些資深前輩們在工作上價值與經驗都比AI做得還好。
- 我本人的話是還蠻坦然的，如果AI要取代我就快點取代吧，因為如果未來可以取代我，那就代表我現在做的東西在未來可能一文不值，我實在不想花一堆時間去建構一個未來會被輕易製作出來的東西。
喜歡的地方
公司願意投資AI資源
公司願意提供AI資源，現行算是無限制的使用各種 AI 模型，只要能夠確保成果可以在指定時間內完成，公司基本上都算滿願意投資的，所以有很多實驗的空間
不喜歡的地方
會議時間太長
公司有一個固定的例會，常常會開得很長，時間很不固定，之前有過太長導致午餐時間被耽誤QQ
- 之前入職不久時，就不小心燒了公司的token費用30萬（超ㄘㄨㄚˋ），主要是因為在做Multi-Agent的研究。
- 當時的需求較複雜，所以設計一套 Multi-Agent 的架構，讓 AI 扮演不同的職位角色，透過互相合作與檢核來完成任務。
- 設定的角色有PM、數據分析人員、檢核人員、顧問，各角色的md檔設定都不一樣，才能夠做到互相制衡。
- 後來就發生因為這幾個 AI 角色都被賦予了不同的背景知識，導致Agent們彼此之間檢核的標準不一。例如分析人員認為重點在於「數據正確性」，但檢核人員卻認為「格式」才是最重要的，結果就造成Agent彼此不斷互相退件、瘋狂要求對方重新生成，就開始造成token費用飆升😂
- 後來發現這個狀況之後，就開始去修正Agent，漸漸收斂穩定下來，就沒有再花費這麼兇過了🤫
1️⃣網頁基本架構概念｜如果靠AI寫程式，還是會需要有經驗的人去知道說AI做出來的東西哪裡有可能是弱點，必須具備基礎知識才能判斷 AI 寫出的程式碼何時會出錯或崩潰。比如現在這個系統架構10個人用可能沒問題，但等到使用者超過幾千人時，系統可能會崩潰，到時候才發現就來不及了（當然有人會說那就該提前告知AI要注意，但前提就是使用者必須要有專業認知，才知道這些是關鍵重點背景資訊應該要讓AI知道的）
2️⃣一來一往的校正｜身為工程師，必須能接受&要習慣不斷與 AI 或需求方進行來回的修改與測試，所以也是要具有一定程度的耐心。如果你的AI不會反問你問題，你才需要擔心。
3️⃣聽得懂需求方要求｜接需求的時候會習慣多詢問對方的用途與期望達成的目標，須具備拆解問題的能力，有點像當人與程式當中的翻譯機。
1️⃣一定要試過付費AI｜之前曾經為了省錢，只好用很多迂迴的方式去省token，效率很差；自從變成付費訂閱 AI 服務後，整個看到不同世界😂所以建議可以先花一點小錢訂閱看看、稍微深入去測試一下效果，可以學得更快。
2️⃣保有獨立思考，不被 AI 牽著走｜必須由人掌握主導權，像之前寫Agent的時候，曾經AI就有提議把我做的工作流步驟刪減，但它想刪減的是很重要的環節，像這樣的情況就必須要由人去判斷下決定，不要AI說什麼都無腦全盤接收。