郭家齊董事長

首先，郭董以「AI於電商應用」為題，分享其創業歷程，創業過程歷經諸多磨練挑戰與失敗，郭董談到科技應用在電商的方式，透過自動化，員工人數不用跟著營業額比例增加，自動化背後是一個個充滿rule-based的流程，對於工作項目進行優化，由機器系統取代人力決策。於2016公司開始第一個AI的嘗試，由消費者姓名自動判斷男女性別，將資料倒入，得出machine learning預測出來的結果，之後使用machine learning來做「首頁客製排序」，但結果不如預期，經過一年努力，仍然打不贏原有的rule-based。在2017年有了轉機，郭董公司成立data team把AI的導入，這比較不是一種組織分工，而是透過data scientist把數據的想法帶進公司，從data的角度，暫時忘記使用者的存在，以解決工程問題的方式操作，data team成立一年後，始見到顯著成效。

  
最後，郭董給大家的建議，認為現在AI技術成本非常低，但還未到非技術能力人能使用的程度，很多公司認為AI很紅就很想趕快導入，其實在多數的狀況下是沒有必要的，因為AI在多數的狀況下不是解決0分到80分的問題，多半是一個最佳化的問題，對多數企業來說，「自動化」比「AI」更重要。
 

黃沛聲律師

首先，黃律師提到新創公司要跟大公司競爭的一個主要利器就是在於科技，用科技可以改善很多什麼事情，但新科技會遇到很多管制，在訂立法律當時沒有想像到未來這些科技的出現，法律永遠是落後於科技。接著，說到大家提及新科技時，是往如何拓增市場、如何增加收入的方向進行，而當談論到法律時，增加阻力、如何不可行、增加解釋風險，法律解釋上往保守方向，從商業邏輯來說，商業律師不能叫當事人什麼事都不要做，因為不做就一定不會有營收，這樣也就不用找律師了，通常建議的立場是說，這裡有模糊空間，口頭告知先去做，但是要出法律意見書，沒辦法。

 
最後，談到新創與創新兩個觀念，一般大公司比較難去創新，因經驗與觀念根生締固，不容易改變，在新創小公司不太會產生阻力的問題，AI是一個演算法機器學習的方法，需要給他很多的案例，可是小公司沒有那麼多的資料庫，大公司和小公司面對AI都有困境需要去突破，由大公司提供資料，小公司訓練AI，把大公司和小公司的困境巧妙的避開，把新創與創新這件事做好，這樣就能產生出價值。

宋皇志老師

宋老師談到學生的實作課程做推薦系統，此次實作透過專利資料庫作專利檢索學習技術內容，因寫專利時需要盡到專利法的揭露義務，必須詳實的把內容寫在上面，若該企業沒來台灣申請專利，使用上完全合法，團隊花了半年把推薦系統做出來，雖然功能沒那麼強，但從專利裡頭學習到非常多東西。

提到貴陽大數據買賣交易所成立，數據交易的興起，平台先做data的統整，銀行購買data有助於降低客戶呆帳率，台灣有新創團隊在做搓合關掉網站的平台交易，縱使關閉了網站內部資訊還是非常有價值，可以再加值利用，網站資料依據個資法只能在目的內使用，若要做目的外使用，需要客戶同意，賣掉數據最好的辦法是去識別化，不能讓人直接或間接識別勾稽其他資料庫識別回原來資料，法律人在作商學的研究時，要發揮我們的創意在法律架構之下，去開拓出有商業價值的實務做法。

綜上，精準行銷之基礎建立在分析海量的消費者資訊，如何保障消費者的權益，也是法律上亟須重視的課題，本次論壇進行跨領域、跨界的交流，激盪出很棒的火花。

我們希望聽到您的聲音，歡迎至本網互動交流區留言表達意見。
↓↓↓
https://www.aili.com.tw/message2_detail/41.htm