AI应用近年来在台湾逐步落地，许多产业也开始思考如何导入AI，进而降低生产成本、增加整体营收。专门提供数据处理与咨询服务的若水强调，企业对AI的思维转型，不应只着重于算法，更要加强检验并优化数据的处理。
若水首席执行官陈洁如表示，大公司的AI团队规划，对AI的整体发展造成很大的问题。许多老板认为，钱应该花在算法上而不是在数据处理上。这使得高端AI工程师得花上很大的时间成本处理基本的数据。
“我曾听过工程师分享，一天工作八小时，他们可能花上五个小时在处理基本数据，只剩三小时来写算法。”
若水国际首席执行官陈洁如
陈洁如强调，AI产业才刚开始发展，所以它很需要长出产业分工链。企业高层的思维，应该通过不同阶段AI工作的专业分工，与拥有专业AI数据标注团队的公司合作，进而有效分配高级工程师的工作内容，把钱花在刀口上。
AI模型总是跑出“垃圾数据”？最初的数据规则定义是关键
要启动AI应用，首先必须搜集大量数据进行分析。但数据种类繁杂，有优劣之分，把未经处理的数据丢进AI，很容易就会“garbage in, garbage out”，最终也只是徒劳。因此，寻求专业的AI数据处理，为数据进行精准的规则设置，成了一大重点。
对于AI数据处理，若水AI数据服务业务部策略顾问简季婕给出了三个秘诀：“准确定义、准确执行、准确反馈。”
所谓的精准数据处理又包含哪些层面？若水业务发展协理简季婕表示， 在一开始就问对问题，并准确定义数据，是创造成功AI模型的关键。
简季婕说，进行应用时，她会先思考要如何设置筛选标准，才能在最后得到优质、有用的数据。她以若水与日本厂商共同分析桥梁安全度的项目为例，她说，这间厂商希望明确标记出桥梁生锈的部分，但他们的AI却把与铁锈相似的苔藓、脏污以及阴影处都一并标记起来，降低数据的准确性。
借由数据处理的专业分工，若水协助他们找到更准确的数据筛检方式，定义出铁锈的形状及颜色等特征，进而得到更精准的成果。“ 好的处理方式会增值AI数据的养成， ”简季婕强调。
搜集的难易度、多样使用场景，数据处理比想象中更繁杂
对许多企业来说，将数据导入AI模型运算时有许多挑战。其中，如何定义有效数据、并在出状况时知道要去调整数据或是运算模型，都有一定难度。
身为社会企业的若水，其专业AI数据标注团队为居家工作的身障人士，若水提供他们专业的培训，并审核他们的能力，提供技术证照。
简季婕说，要使用数据训练AI模型，事前必须经过全面性思考。数据搜集的难易度以及数据使用的多样场景，都需纳入考量。以大量运用AI的自动驾驶汽车产业来说，天气好的时候路况较单纯，标注周边环境与对象是相对容易的事。然而在雨天，对象就可能变得模糊，AI需要特别进行训练。
“ AI模型的培养是一个循序渐进的过程， ”简季婕说。数据就如同AI的土壤，土壤的成分、性质、湿度、含氧量，都需经过精确的设置、调配，才能开花结果。精准的数据标注就如同这个概念，这也是若水所强调的，AI产业链分工的重要性所在。