章節導讀#

技術不會自己創造價值——人才會。本章探討企業在落實 AI 時最常被低估的問題：團隊的設計、組成、流程與心態。

AI 失敗最常見的原因，從來不是模型不夠先進，而是團隊處理不了「不確定性」、團隊組合錯誤、或缺乏把模型上線的工程能力。

本章涵蓋#

• AI 與既有資料科學團隊的關係：理解資料科學的三種能力（商業洞察、產品資料科學、研發），以及 AI 為何離不開機器學習、機器學習離不開分析、分析離不開資料基礎建設
• 預測分析的三大避雷：別追逐流行詞、別讓軟體選型走在團隊技能之前、別跳過部署規劃直接做數學
• AIOps 維運團隊的組建：好的 AI 模型若無法整合進公司現有 IT 架構，就只是櫥窗中的展示品

共同主題#

• 軟體工程流程不適合直接套用到資料科學專案——前者起點是「我知道這會跑通」，後者起點是「我不知道這會不會成功」
• 企業常把資源砸在 AI 模型本身，卻忽略整合、部署、維運這條真正決定價值能否落地的路
• 「資料科學家」這個頭銜過於含糊，實際組織所需的可能是「機器學習主管」、「預測分析經理」、「AIOps 工程師」等更具體的角色