Liying Wang, Legal Master (王琍瑩 / 法務輔導長 & 明日科技法律事務所主持律師)

帶領內建法務團隊，提供企業經營、合約協商、紛爭處理等各方面法律諮詢，輔導建立營運管理機制，必要時也協助團隊尋求「突破框架」的解方。曾任 HTC 全球營運資深法務經理、萬國法律事務所科技法律部律師，也曾服務於士林地方法院、台北高等行政法院。美國西北大學法學碩士、政大法學士、政大 EMBA，具備美國紐約州與台灣律師執照。

這是我家前陣子出現的真實對話，一刀未剪。

我：如果有一輛無人車，出車禍的時候會保護比較多人，另一輛會傷害比較多人，你選那一輛？

孩子：我選保護很多人的。

我：如果為了保護比較多人，有可能害車子裡的你死掉，你選哪一輛？

孩子：還是選保護很多人的。

我：如果車子裡不只有你，還有媽媽呢？

孩子：還是選保護很多人的，媽媽跟我一起去天堂沒關係。

我：如果車子裡只有媽媽呢？

孩子：那我要選保護媽媽。

孩子天真的回答，卻是典型人工智慧應用的 Trolley Problem 倫理兩難，假設回答問題的不是使用者而是車廠，加上商業利益的考量，問題將更為複雜。無論保護多數人的選項多麼道德正確，最終，銷量第一的，恐怕還是能優先保護使用者的無人車吧！無人車或許是極端的例子，但人工智慧演算法不知不覺、方方面面介入我們的日常生活，已是創業者、開發者與使用者必須共同面對的真相。

推動 Trustable AI 為什麼又急又重要？

從 Google 搜尋引擎、Siri 語音助理、Facebook 廣告置入、Netflix 影片推薦……到 UberEats 訂餐外送，每一項服務都因為演算法的優化，為使用者帶來方便，同時為企業增加營收。起初，演算法只是約略猜測我們想買什麼、想看什麼、想吃什麼。隨著數據資料的大量累積與交互運作，演算法開始知道一些「不足為外人道」的秘密，例如，誰最近剛懷孕、誰準備離職跳槽、誰又暗戀著誰。然後，無論願不願意，演算法可能比我們更瞭解我們，這些關於「自己」的一切，會成為貸款的信用分數、看病的用藥依據、犯罪的呈堂證供。如今，我們也都見證了人工智慧演算法回過頭來操縱個人意志，決定我們該買什麼、該看什麼、該吃什麼，甚至票投給誰。終於，我們變成演算法期待的那個模樣，但究竟哪一個才是「真正的自己」？所謂「更好的自己」誰說了算？而眼前活生生的「自己」，有沒有絲毫抗辯的權利？

事實上，所有機器學習 (Machine Learning) 的模型及成效，都取決於人為的建構，尤其現今主流的深度學習 (Deep Learning)，連開發者都只能判斷運算結果的好壞，卻無從得知 AI 如何作成決策，是名符其實的演算法黑箱。即便暫不考慮 False Positive 與 False Negative 的問題，開發者也很難如同賣菜刀的師傅兩手一攤說：「刀子可以切菜也可以殺人，工具是中立的啊！」更何況，機器學習的每一筆訓練資料 (Training Data)，都是人類社會既已發生的事實，當歷史經驗存在偏見 (Bias) 未經校正，演算法的產出就必定是偏見的重現。試想，如果國家的警力部署，是依據各地犯罪率高低的歷史資料自動演算的結果，那麼部署嚴密的區域因為破案率提高，在後續犯罪率的統計、警力的部署也將形成循環性的偏差。開發者有意或無意的決定，都可能造成難以預期的結果，也因此，「可信任的人工智慧」(Trustable AI) 成為全球開發者亟欲突破的難題。

Trustable AI 主要的探討，是如何盡可能減少演算法黑箱的節點，提升公平性、當責性與透明性 (Algorithmic Fairness, Accountability and Transparency; FAT)，技術難度或營業秘密再也不能作為演算法偏見或歧視的藉口。美國國防高等研究計劃署 (DARPA) 自 2017 年推動為期長達五年的「可說明的人工智慧計畫」(Explainable Artificial Intelligence Program; XAI)，就是希望在 Trustable AI 與機器學習的成效二者權衡之間，尋求最佳解。

歐、美、亞三地最新的 Trustable AI 規範在說些什麼？

演算法對人類社會的影響既深且廣，開發者探討 Trustable AI 議題，不能缺少人文與社會科學的研究。所幸，隨著 Trustable AI 技術領域日臻成熟的同時，相關法律論述也在今年上半年逐漸成形。一切的開始，或許要回溯到「家喻戶曉」的歐盟 GDPR (General Data Protection Regulation) 個資保護規範，說到 GDPR，業界對它的認識不外乎「史上最嚴個資法」。

事實上，除了個資的蒐集、處理與利用等隱私保護機制外，GDPR 也相當強調 Trustable AI 在法規上的具體實踐。例如，當「自動化個案決策」(Automated Individual Decision-Making) 完全經由演算法自動產出，且該決策對用戶產生法律效果或類似重大影響時，應賦予用戶請求解釋、表達意見、拒絕適用，或以「工人智慧」人為介入判斷的權利。此外，GDPR 為了避免人工智慧應用，對於個人的基本人權與自由產生重大危害，針對「特種個資」(Special Categories of Personal Data) 保護更為嚴格，包括種族、政治立場、宗教信仰、工會會籍、基因、生物特徵、健康狀況、性生活或性取向等，只有在符合特殊要件的前提下，才允許採用特種個資做為演算法的輸入資料。

GDPR 影響所及，技術領域長期關注的 Trustable AI，終於在法律層面開啟對話。近期最受全球矚目的三項法案包括：

歐盟：「可信任的人工智慧倫理規範」七大關鍵要素

歐盟執委會 (European Commission) 去年 6 月甫成立的人工智慧高級專家小組(High-Level Expert Group on AI; AI HLEG)，在同年 12 月整理出一份規範草案，廣泛徵詢各界意見之後，於今年 4 月正式頒布「可信任的人工智慧倫理規範」(Ethics Guidelines for Trustworthy AI)，強調七大關鍵要素：人類自主性與監督 (Human Agency and Oversight)、技術穩健性與安全性 (Technical Robustness and Safety)、隱私與數據監理 (Privacy and Data Governance)、透明性 (Transparency)、多元性、非歧視性與公平性 (Diversity, Non-Discrimination and Fairness)、社會與環境福祉 (Societal and Environmental Well-Being)、當責性與咎責機制 (Accountability)。

這份倫理規範不具強制性，各會員國也不急著增修既有法規，使得以上的內容看起來像高大上的精神喊話。但是，執委會將參考現行實務與試辦成果，持續演譯規範內容，預計 2020 年初再度釋出新版。因此，我們建議 AI 開發者觀察的重點，在於透過目前文件預見政策與法規的走向，包括：將來不同產業細部化的分類規範、自律組織或第三方認證機構的形成等等。尤其，這份倫理規範將 Trustworthy / Trustable AI 區分為合規的 (Lawful)、倫理的 (Ethical) 和穩健的 (Robust) 三種面向，僅僅合規是不夠的，開發者也要努力爭取另外兩個面向的加分題。此外，草案用語「Trustworthy AI made in Europe」已經更正為「Trustworthy AI for Europe」，明確表示無論 AI 系統的「產地」是不是在歐盟境內，只要「使用」行為在歐盟境內，這份倫理規範都有所適用。事實上，執委會也一再強調，最終目標期待這份倫理規範成為真正接地氣、能實作的「全球共識」。

美國：國會草擬「演算法問責法案」，強化使用者權利

今年上半年，美國國會針對數位隱私、人臉辨識、基因資訊等領域，提出多項法案，都值得開發者關注。其中針對 Trustable AI 議題，美國民主黨 Ron Wyden 等國會議員共同草擬了「演算法問責法案」(Algorithmic Accountability Act of 2019)，特別限制大型企業 (年收入超過 5,000 萬美元，或用戶數、裝置數超過 100 萬件) 的人工智慧應用。法案認為大型企業的產品或服務傾向於依賴 (而非消除) 演算法偏見，因此必須藉由外部拘束力加以導正，包括授權聯邦貿易委員會 (Federal Trade Commission; FTC) 訂定規範，要求高風險自動化決策系統 (High-Risk Automated Decision System) 進行影響評估 (Impact Assessment)，強化使用者的權利，而非相反地予以邊緣化。

這份法案雖然針對大型企業、並以 FTC 為執法單位，新創團隊的開發者仍然可以經由法案所欲處理的具體情境，來檢視並優化自己的開發項目。舉例來說，機器學習領域普遍應用的「剖析建檔」(Profiling) 與「推薦系統」(Recommendation)，可能由於演算法偏見，導致特定弱勢族群即便使用相同平台服務，卻無法接觸某類住宅建案、某些工作機會或某種貸款方案。事實上，Facebook 在今年 3 月已經與各該領域主管機關協商和解，針對住房 (Housing)、僱傭 (Employment) 和信用貸款 (Credit Offers) 這些敏感項目，正式宣佈新的廣告投放措施，禁止使用年齡、性別或郵遞區號來鎖定投放對象，並對整體分眾功能 (Targeting Categories) 加以限縮，甚至在房屋租售的項目，將一勞永逸地建構新的搜尋工具，讓每一位使用者都能搜尋到美國境內每一則廣告。

亞洲：新加坡居於領先地位

新加坡對於 Trustable AI 的規範進程，在亞洲各國之中儼然居於領頭羊地位。先是去年 11 月由金融管理局 (Monetary Authority of Singapore) 針對金融產業提出「人工智慧與資料分析行為準則」(FEAT Principles)，隨後今年 1 月再由個人資料保護委員會 (Personal Data Protection Commission) 頒布「人工智慧監管模式框架」(A Proposed Model Artificial Intelligence Governance Framework)，為非特定產業的一般性人工智慧應用提供指導方針。無獨有偶地，這份監管框架與前面提到的歐盟倫理規範一樣，強調自己是動態文件 (Living Document)，不具強制性，並將隨著技術進程與各界反饋持續更新。

而相較於高大上的歐盟倫理規範，新加坡的監管框架已經針對內部監理的架構與措施、人工智慧決策的風險管理、營運管理、與使用者關係維護等四個面向，提供開發者具體可資遵循的步驟，甚至引用 UCARE.AI 與新加坡 Parkway Pantai 醫療集團有關醫療費用的預測分析 (Predictive Analysis) 作為實作案例。這個個案的挑戰性，在於醫療資料的蒐集、處理、利用本來就受到相關法規的嚴格監管，而個案涉及類神經網絡的深度學習演算法黑箱，也正是 Trustable AI 的透明性要求最常卡關的痛點。

依據監管框架的介紹，個案在 Trustable AI 的公平性、當責性與透明性各個環節，都已規劃對應流程，一方面藉由演算法自動化決策，來降低人為主觀評價欠缺一致性的問題 (最常見就是受到病患收入水平或保單承保範圍的影響)，另一方面也確保健全的人為反饋迴路 (Human Feedback Loop) 能夠介入運作，甚至在演算法內建人為撤銷機制 (Manual Override Protocol) ，以便必要時能夠安全地終止演算法的運作。

結語

從 2016 年 Microsoft Tay 失控之前的樂觀，到今年初 Open AI 對釋出開源碼的猶豫，人類漸漸學會對機器感到敬畏，也終於明白所謂「工具中立性」其實意味著，它的亦正亦邪完全掌握在人類手裡。眼前這些 Trustable AI 最新規範趨勢，不約而同展現這樣反覆辯證的歷程，提醒我們不要過於相信人類，也不要過於相信機器。

換言之，Trustable AI 所有規範都指向同一個方向——人類應當有權力 (也有責任) 決定什麼情況要信任「人工智慧」、什麼情況要依賴「工人智慧」。要達到這個目標，首先必須認清人類和機器各自的強項與侷限，但是這一題太難，因而需要在制度面加以規劃，包括事前的管理、事中的檢驗與事後的救濟，缺一不可，供各位創業者、開發者參考。

【歡迎所有 AI / IoT、Blockchain / Crypto 的創業者，加入專為你們服務的 AppWorks Accelerator】

Photo by geralt on Pixbay

Jessica Liu, Partner (劉侊縈 / 合夥人)

主導東南亞市場以及區塊鏈領域的投資，擅長激發創業者的潛能，熱愛與他們討論商業模式。2010 年進入渣打銀行負責數位行銷和產品線上跨售，讓她燃起對 Consumer Internet 的熱情，2014 加入 AppWorks 擔任經理，先後負責加速器、東南亞投資案等，2019 年升任合夥人。畢業於南加州大學 (USC) 商學系，談到美食和旅行時，眼睛會發亮。

在 AppWorks Accelerator進駐的新創團隊，每週都可與 AppWorks 的 Partners 安排 Office Hour，一起討論他們近期碰到的難關、未來的發展策略等「Google 無法解答的問題」。透過頻繁且深度的面對面交流，不僅可讓我們更了解各團隊的狀況，每位 Partner，也能從各自的專業角度，提供個人化的回饋、建議、給各團隊，加速他們在 0-1 時期，找尋 PMF (Product Market Fit) 的過程，更重要的，加深創業過程中的學習、領悟。

在我的 Office Hour 中，很多人會劈頭就說他要募資，要募多少錢、估值多少？在進入正式的募資架構或策略討論前，我往往會先退一步了解，這個團隊目前的營運財務狀況、什麼事情是要用募資的錢來解決，和團隊溝通募資之後可能出現的狀況是否能夠承受。然而，我一直覺得媒體過分注重報導哪些新創「成功從創投募到資」，過度神化了創業的階段性里程，讓人忽略了「募資」其實只是一種手段。對於募資，幾個在新創團隊中常出現的迷思，我從成本、目的和時間的角度，和大家分享：

迷思 1：股權融資比跟銀行借錢便宜？

首先，若採取股權籌資，以成本來說，其實是相對昂貴的方式。由於它不是實質的借貸關係，表面上沒有「短期」還錢的壓力。但進階一點的創業者就知道：不要錢的最貴。

用簡單的例子比較一下，假設籌資的金額是 500 萬新台幣。如果今天是從銀行貸款這 500 萬，假設年利率 10%，五年後，利息成本約當 305 萬新台幣。如果今天是股權投資，500 萬稀釋股權 15%，五年後，公司蒸蒸日上但投資人要出場了，估值假設是 1 億新台幣的情況下，當初同樣的 500 萬，變成要回饋 1500 萬給投資人。如果創業者是一位會對股東和銀行負責的人，從數學上來看， 這就是一個 305 萬和 1500 萬的差別。實際的狀況，當然會比這個例子再複雜一些，包含對公司的掌控權，投資人關係維護的機會成本等。

然而，兩種籌資的方式，也會有不同的風險。五年後，萬一公司狀況不甚理想甚至必須關閉，如果是借貸，公司還是得連本帶利還清貸款。在台灣，新創公司貸款通常還會需要負責人簽連帶保證，這意味借款人還不出錢來時，可以向連帶保證人求償。所以這筆錢，如果是用在現金流周轉，那還錢可能不是太大的問題，但如果是投資在開發成果未知的商品、服務或商業模式上，新創公司就會有相當大的壓力。相反的，如果公司用股權融資來的錢，投資在不確定性高的未來成長，若盡力後卻仍然失敗賠掉，這筆錢通常沒有返還的壓力。

迷思 2：錢可以解決我一百種困境，我要錢！

另一個，則是目的上的迷思。有種情況叫做：你覺得你需要錢，但其實你不需要。這特別適用在還沒有找到 PMF 就出來募資的團隊。

表面上，錢可以解決很多問題。它可以用來請更多工程師開發更多功能、可以請更多業務跑更多不同的客戶、可以花更多的行銷預算帶進更多訂單。然而，沒有 PMF 的新創團隊，通常會出現幾種狀況：可能對產業的了解不夠深，沒有解對問題；可能是解決的方法，市場無感；亦有可能是，這是一個太小的問題，市場不願意付錢。無論如何，結果團隊會發現，錢不但不能幫助找到 PMF，反而可能會阻礙你找到它，延後正視上面這些這些狀況的時機。事實上，今天如果投入更多資源，就可以解決所有的問題，那其實就沒有新創存在的空間，因為那是大企業的絕對優勢。

另一種常常會出現的募資目的，是為了填補營運資金 (Working Capital)。當一家新創公司開始成長，會需要越來越多的現金，來滿足日常的營運。這筆錢，跟公司的實際獲利或虧損，往往沒有直接的關係，多數是因為現金流出與流入的時間差所造成。

B2B 和有庫存的公司最常發生這種狀況。舉例來說，一間賣筆記本的新創。有天某家企業客戶用一本 1,000 元的價格，訂了 100 本筆記本。筆記本一本成本 200 元，這時必須先用 20,000 元 (200 x 100)，將筆記本生產出來寄給客戶，然後再等 45 – 90 天，客戶才會付錢進到帳戶。帳面上這是一樁好到不行的生意，淨賺 80,000 元，只是前提要有初始的 20,000 元，作為製作筆記本的 Working Capital。

然而，用股權募資通常不是解決 Working Capital 最好的方式。除了前面提到的高成本外，這並沒有解決這門生意負現金流的根本問題。更不用說，創投的投資之所以是風險投資，是因為這些錢通常會投資在產品研發、累積專利等能創造長期成長和堆高競爭者進入門檻的策略上，它追求的是 10 倍甚至 100 倍的回報，而不是短期的現金周轉。有很多方法可以解決短期營運資金的缺口，有可能是給予更優惠的 Payment Term 折扣，鼓勵客戶提早付款，也有可能是調整商業模式，甚至是向銀行貸款，募資反而是相對差的選項。

迷思 3：我快沒錢了，所以要募資！

最後，是募資時間點的問題。很多時候，新創團隊來討論募資時，公司的銀行帳戶，只剩下不到六個月的現金水位。這彷彿是一個再三天就要餓死的人，現在才開始插秧種稻。先別說募資其實是一個全職的工作，對於危在旦夕的新創團隊來說，沒有這樣的餘裕，將公司重要的火力，放在不是本業的事情上。整個募資的過程，從第一次與投資人會面，到最後錢真的進到銀行，順利的話，至少就得花上六個月的時間，不順利的話，團隊也已經沒有後路可以退。

更重要的，是在這個時間點上的壓力，會大大壓縮與投資人的談判籌碼，從估值、稀釋比例，甚至員工認股，都有可能拿不到較有利的條件。最差的狀況，是為了解燃眉之急，草率地與不適合的投資人進行交易，造成日後發展更大的障礙。在現金水位持續下降的狀況下，新創團隊更應該仔細檢視每個月的財務狀況，並盡快控制大幅失血，這可能意味著人事縮編、減少行銷花費，甚至在業務上，要挑選能更快速結案的客戶。

最後提醒，募資是一種籌錢的手段，而不是一種策略。籌錢的手段有非常多種，向創投募資沒有特別厲害，也不代表特別成功，向銀行借錢更不意味是魯蛇。充分認識各種資金管道，對的問題用對的籌資方式解決，才是一位創業者要培養的能力。

【歡迎所有 AI / IoT、Blockchain / Crypto 的創業者，加入專為你們服務的 AppWorks Accelerator，透過每週 Office Hour，和我們一對ㄧ探討策略、成長、募資】

Photo by nattanan23 on Pixbay

Alyssa Chen, Associate (陳敬旻 / 投資經理)

負責 Accelerator，喜歡陪伴創業者打造出屬於自己的火箭。來自台中，加入前任職於華山文創園區，負責台灣新銳文創品牌的營運招商與媒體合作。除關注設計藝文議題，也喜愛網路新創產業的活力。曾於 AppWorks 實習一年。畢業於政大德文系、政大國際傳播所。喜歡旅遊與花草，最愛亞洲食物。

成功的創業者，必須善於掌握趨勢與機會，才能顛覆現況、創造改變。AI 與 Blockchain 是正在進行中的巨型典範轉移，現在，就是 AI / IoT 與 Blockchain / Crypto 創業最好的時機。

問題是，當面對這兩波大浪，有哪些契機，是創業者應該把握並乘浪而行？為了回答這個問題，繼今年初探討「AI / Blockchain 新創如何有效提高成功機率？」之後，我再度安排 AppWorks 董事長暨合夥人 Jamie 林之晨坐下來，好好為我們分享他的觀察。

多年來，Jamie 與 AppWorks 始終站在第一線，協助創業者，也因此對創業，有更全面的觀察。AppWorks Accelerator 從 2010 年成立至今，校友已累積共 328 支活躍新創團隊、925 位創辦人，是大東南亞 (東協 + 台灣) 規模最大的創業者社群。去年八月的 AW#17 開始，AppWorks Accelerator 限定招募 AI / IoT 與 Blockchain / Crypto 團隊。

今年三月進駐的 AW#18，共有 31 組新創團隊，其中 17 組以 AI / IoT 為主、16 組以 Blockchain / Crypto 為主 (有 2 組團隊同時涵蓋)。這群優秀的創業團隊中，有 21 組國際團隊，分別來自香港、馬來西亞、印度、越南、澳洲、新加坡、美國等地。有前 Google、Microsoft、Ripple、Uber、Amazon 高管所創辦的公司，也有來自 Y-Combinator 的校友，顯示 AI 與 Blockchain 所帶來的典範轉移，正在全球各地上演，吸引更多優秀創業者投入。AppWorks Accelerator 也將持續限定招募這兩個領域的新創團隊，直到下一個更巨大的典範轉移出現為止。

在這一年加速器期間，密切輔導這群 AI 與 Blockchain 創業者後，Jamie 分享他觀察到 AI 與 Blockchain 新創可以把握的三大創業機會，以下是他的第一人稱分享整理：

AI 機會 1：自動化高人力成本的工作

AI 最顯著的用途，就是優化高成本人力在做的事。例如律師，一小時的機會成本是上萬甚至好幾萬新台幣，若律師把他們寶貴的時間，花在找判例、判決書，閱讀判決書，進而從中找到有用的參考案例，這對他們來說，是浪費時間。如果有 AI 可幫助他們更快找到所需要的資料，就可以讓他們把時間花在更有價值的事情。個人單位時間成本越高，應用 AI 的需求越強，為社會創造的價值也越高。

以 AW#13 團隊 Lawsnote 法學資料庫為例，他們利用機器學習 (Machine Learning) 的技術，將大筆法律相關的資料、數據加以分類、分析，再根據不同的目的，提供給使用者，致力於節省法律人的時間。

Lawsnote 共同創辦人 Barry 郭榮彥創業的起心動念，即來自之前當律師時，用了傳統的法學資料搜尋系統後，有時還是必須回頭用 Google 查詢，因為不管是介面的便利性，還是搜尋結果，兩者都與實際需求有落差。而 Lawsnote 利用演算法，依照關聯度，將對使用者較有參考價值的資料依序排列，而這也正是律師們最喜歡的一個功能，通常看了前面三個搜尋結果，就可以找到需要的答案

Lawsnote 在 2016 年 7 月正式上線，第一年每個月有約兩萬名法律人使用，使用者留存率更高達 65%，是草創期的兩倍。2017 年 9 月產品開始收費後，MAU (Monthly Active Users，月活躍用戶數) 進一步成長到 3 萬人，創業剛滿兩年，Lawsnote 已達到損益兩平。

AI 機會 2：做人類本來做不到的事情

第二個運用 AI 的創業機會，是去解決人類本來做不到的事情。例如，原本人類做決策時，一次通常只能考慮三、五個因素，但 AI 可以一次考慮三萬、五萬個因素。舉例來說，當 Facebook 在判斷一位用戶，為何要停留在 FB 首頁多一點時間？他為何喜歡這篇，不喜歡那篇內容？這些問題可能就有上萬個因素得要考慮。若你要叫一個人坐在電腦前面，猜測用戶現在到網站後，下一秒要看什麼內容？看什麼廣告？在即時的情況下，人類根本沒辦法考慮到那麼多因素，並同步判斷該提供什麼內容跟廣告才好，但現在有了 AI 就可以。所以這就是為什麼 Facebook 現在首頁和廣告的優化做得那麼好，運用 AI，一秒鐘可以判斷極大量因素，這是人類做不到的事。

所以創業者可以思考，有什麼決策判斷是得考慮很多因素，以前做不到，現在有了 AI 可以做到？很多 AI 新創在為電商做推薦系統，不管是做內容、廣告，或是客服的優化推薦，其實都是同一個脈絡。如果雇用一位客服專員坐在 Call Center 裡跟消費者互動，可能沒辦法即時地做出最佳的推薦，因為當下能夠考慮的因素太少了。但若做一個聊天機器人，可以同時考慮很多因素，那推薦效果就會比人類好。

例如 AW#16 團隊 Rosetta.ai，即提供電商品牌一鍵建置推薦引擎，他們把商品資料標上 40 種以上參數，可搭配不同的消費者輪廓，即時分析偏好，做出因應推薦。Rosetta.ai 其中一個客戶，是 AW#15 團隊、來自韓國的服飾電商 Codibook，已有超過百萬消費者，業務範圍包含日本、韓國、中國、台灣、新加坡、北美、澳洲。他們使用了 Rosetta.ai 的推薦引擎，營業額成功提高了 40%，客單價也提升了 32%。像這樣的加速器校友合作案例，也是我們很樂見的情景。

同樣來自 AW#16 的香港團隊 Easychat，可即時掌握消費者在電商中的行為軌跡，讓企業能夠主動向消費者進行對話銷售，電商轉換率最高可增至 300%。目前 91APP、WACA、EasyStore 等電商開店平台，都是技術夥伴，可以串接 Easychat 的服務。

AI 機會 3：普及化工具

第三個明顯的機會是在 AI 普及化的過程中，怎麼樣讓更多人更容易地去使用，換句話說，就是 Auto ML、Auto Deep Learning、Auto CNN、Auto RNN 這類型的工具。當年，讓電腦從文字介面變成視窗介面後，就多了 100 倍人可用；把電腦從鍵盤介面變觸控介面，又多 100 倍人可用。今天的小孩，可能一歲半就學會用 iPhone，但我們當年也許要到七歲、十歲才開始使用 PC 和鍵盤。所以，創業者可以去思考，怎麼把 AI 的訓練和應用變得更簡單，就可以讓 10 倍、100 倍的人運用。

舉例來說，如果建立一個客服機器人，能讓客服主管，甚至每一位客服同仁們都可以根據自己的工作習慣訓練自己的 AI 客服，這個 AI 虛擬化身，就可以完全符合他的需求，讓他的工作做得更好。

現在人類還沒做到那步，那麼該如何幫助人類達到那一步？並不是讓每個人都去用 Google 訓練好的 Google Assistant，而是讓每個人可以訓練自己的 Assistant，未來社會一定會往那個角度去，在這過程中，也會為創業者帶來很大的機會。

而如果你是 Blockchain 創業者，目前看到的明顯機會則有以下三個：

Blockchain 機會 1：改善交易的速度跟方便性

Blockchain 還是要回到初衷，改善人跟人、組織與組織間交易的速度跟方便性。現在看起來不論是 Bitcoin 或以太坊，在解決這件事上，都有點疊床架屋，在本來的機制下想用一些彌補方式達到類似效果，而不是用一個原生的方式在解決問題。

人與人及組織與組織交易有不同形態。例如當人買東西時，小額消費會用零錢支付，數目大一點會用紙鈔，額度再大一點會刷卡或是 ATM 轉帳，更大的話要去匯款，可見從來沒有一種支付工具，可以一次解決所有交易需求。但現在的 Blockchain 世界裡，大家好像覺得設計出一種公鏈，就可以解決所有交易需求，我覺得這恐怕很難存在。在真實世界，會有不同解決方案，在 Blockchain 的世界，應該也會有不同的應對方法。

我覺得創業者可以思考，要怎麼解決一種特定的交易需求？不同的交易需求，應該都有不同的公鏈或支鏈能搭配應用。我覺得現在 Blockchain 世界裡，大家已經意識到不是 “One chain to rule it all”，不可能光靠一種鏈解決所有問題。

Blockchain 機會 2：不同 DApp 適用不同場域，解決不同問題

第二個機會，就是現在有很多 DApp 想要運用公鏈開發去中心化的解決方案。一開始，開發者也會期待有一種公鏈可以滿足所有 DApp，但現在看起來並不是這樣，這世界逐漸走向，開發不同的公鏈，設計給不同的 DApp 使用。現在有這麼多不同公鏈，每位 DApp 的開發者可以去思考，要解決什麼問題？應該可以運用什麼樣的公鏈？所以不同公鏈就會變成不同的小生態系，那每個不同的小生態系，都會有不同的創業機會進來。

我覺得 DApp 的開發者可以去思考，比如說今天 Cosmos 公鏈越來越成熟，那它有什麼特色？這些特色可以讓你打造一個 DApp，去解決一個本來無法解決的問題。

之前很多人都在期待以太坊可以變成一個全能的公鏈，現在大家理解到不是這樣，有不同的公鏈出現，所以 DApp 的開發者，就不該再一味地期待以太坊變全能、等待以太坊發展到某個程度，才能讓我去解決什麼問題；而應該是去找到某個公鏈、它可以提供怎樣的環境，讓我去開發 DApp，去解決某個我想解決的問題。

Blockchain 機會 3：隨著產業位移速度，在對的時間點做對的事

現在 Blockchain 世界裡，DApp 的發展還在偏早期階段。若參考當初 Internet 早期發展的經歷，就是博弈、遊戲類，這些娛樂類型的服務，會有比較多早期使用者和付費用戶。Blockchain 的創業者，如果不是要做底層的公鏈或比較大的 DApp，可以考慮開發這種博奕、遊戲類產品，或是其它娛樂性質的東西給用戶。

以 Netflix 為例，Netflix 知道它的最終任務，是讓消費者更方便的享受數位內容。但當年網路的基礎建設還沒到位，所以它先從 DVD 郵寄的服務開始，透過幫大家簡化看影片的流程，先累積用戶基礎，建立用戶對品牌的信任。接下來等到網路基礎建設成熟，它便開始做串流、再等到用戶量夠大時，它就開始自製原創內容。

所以創業者要隨著產業位移速度，在對的時間點做對的事。若 Netflix 在二十年前創業時，就投入做原創內容，它面對的第一個難題就是，產業的成熟時間點還沒到，即便有這樣的創業理念，卻沒有相關的產業動能支持。創業者如能配合產業發展的生命週期，可以幫助你走得更長遠。

對於想要運用 AI、Blockchain 這兩道巨大板塊位移，但尚未決定題目的創業者，以上，就是 Jamie 的提醒，希望對你有所啟發。期待 10 年之後，你就是那位 AI 世界的 Elon Musk、Blockchain 世界的 Mark Zuckerberg。

【歡迎所有 AI / Blockchain 創業者加入專為你們服務的 AppWorks Accelerator】