iPAS 備考專區 登入

iPAS AI 應用規劃師 初級 科目二 生成式 AI 應用與規劃・115 年第一次・L12・第 11 題

No-Code 與 AutoML 分工怎麼選?

原題

某零售企業規劃提升門市數據應用能力,目標包括:門市主管可自行調整分析畫面與檢視指標呈現,以及由行銷部門建立銷售預測模型,以支援補貨與促銷規劃。企業在選用工具時以主要功能定位與典型用途作為評估依據。依此需求判斷,下列哪一項 AI 工具使用規劃最合理?

白話

某零售企業有兩個目標:一是讓門市主管可以自行調整分析畫面與檢視指標呈現,二是讓行銷部門建立銷售預測模型以支援補貨與促銷規劃。企業選工具的評估依據是「主要功能定位與典型用途」。

問你:依這兩個需求判斷,哪一項 AI 工具使用規劃最合理?

一句話總結

No-Code 平台讓非技術人員自助分析與調整介面,AutoML 讓業務部門建立預測模型:兩者功能定位不同,分工合作才能同時滿足兩種需求。

情境

先感受問題:門市主管和行銷部門,需求根本不一樣

假設你是「好穿生活」服飾連鎖的資訊部門主管。老闆說:「我要讓門市主管看得懂數字、自己調報表;行銷部要能預測下個月哪些款式要補貨。」

問題來了:你只有一個工具預算,但這兩個需求的性質完全不同。門市主管陳小姐不會寫程式,她只需要一個「可以拖拉欄位、換個圖表、看昨天的銷售」的介面。行銷主任李先生要的是「告訴我哪個 SKU 下個月會缺貨」,這需要用歷史資料訓練出一個預測模型。

如果你買了一套系統但只能解決其中一個需求,另一邊就會繼續用 Excel 土法煉鋼。這題的核心就是:如何根據工具的功能定位做出正確的分工規劃?

舊方法

沒想清楚工具定位,會踩哪些坑

  1. 把 AutoML 當報表工具:AutoML 設計來跑機器學習訓練,不是設計來讓門市主管拖拉調整儀表板。用錯工具,主管根本看不懂介面,最後還是找 IT 幫忙
  2. 以為 No-Code 可以做所有事:No-Code 平台的拖拉介面很友善,但進階預測模型(如時序預測)不是它的強項。強迫它做模型建立,預測結果品質差
  3. 只買一套工具試圖通吃:需求性質不同,硬用一個工具解決,每個功能都做得半吊子,兩邊用戶都不滿意
  4. 沒考慮使用者技術能力:行銷部有一定數據能力可以學 AutoML,但門市主管根本沒時間學,工具選錯就沒人用
  5. 忽視「典型用途」評估標準:題目已明說以「主要功能定位與典型用途」評估,這就是提示你要對應工具的設計初衷,不能看廣告詞選工具

新方法

正確分工:各司其職才能各得其所

「好穿生活」最後的規劃是這樣:

No-Code 平台給門市主管。陳小姐登入 Power BI 儀表板,自己選要看的分店、拖拉想要的指標進去、換成長條圖或折線圖。完全不需要找 IT,她自己十分鐘搞定報表。這正是 No-Code 平台的設計初衷:讓非技術使用者自助完成分析。

AutoML 給行銷部門。李先生把三年的銷售歷史資料餵進 AutoML,系統自動選模型、調參數、跑驗證,輸出「下個月各 SKU 預計銷量」的預測結果。行銷團隊不需要是機器學習專家,AutoML 負責找最佳模型。這正是 AutoML 的設計初衷:讓業務人員也能建立機器學習模型。

兩種工具各做自己最擅長的事,兩個部門各拿到自己需要的能力。

這就是選項 B 講的:以 No-Code 平台支援分析與介面調整,AutoML 負責模型建立。

錯選項

為什麼其他選項是錯的

A以 AutoML 作為分析介面調整平台,No-Code 平台用於模型訓練

字面在說什麼

把 AutoML 用來讓門市主管調整分析介面,把 No-Code 平台用來訓練預測模型。

為什麼不對

這是把兩種工具的功能完全對調。AutoML 的設計初衷是模型建立,不是給非技術人員調整分析介面;No-Code 平台的強項是視覺化分析,不是訓練機器學習模型。兩者完全用反了。

誰會選錯

對兩種工具的名稱有印象但沒搞清楚各自功能定位的人。看到「AutoML」含有「ML(機器學習)」就以為它更「強大」可以做所有事,忽視了它本質上是「自動化模型訓練」而非「介面設計工具」。

C僅導入 No-Code 平台,同時滿足高階模型建立與分析需求

字面在說什麼

用一個 No-Code 平台搞定所有事:既做分析介面,又做高階預測模型建立。

為什麼不對

No-Code 平台的核心是視覺化分析,不是機器學習模型建立。它做不了行銷部門需要的銷售預測模型(至少達不到題目說的「高階」要求)。用一個工具通吃,模型預測這塊就會做得很差。

誰會選錯

想省錢「只買一套工具」的人,或是對 No-Code 平台的能力範圍過度樂觀的人。No-Code 確實有一些內建的簡單預測功能,但那遠不是 AutoML 的等級。

D僅導入 AutoML,以兼顧介面調整與模型訓練

字面在說什麼

用一個 AutoML 工具搞定所有事:既讓門市主管調整介面,又讓行銷部門建立模型。

為什麼不對

AutoML 的介面是為「資料科學家或有數據背景的人」設計的,讓沒技術背景的門市主管「自行調整分析畫面」這個需求,AutoML 完全沒有辦法滿足。AutoML 不是儀表板工具。

誰會選錯

以為 AutoML 是「AI 的萬能工具箱」的人。AutoML 雖然強大,但它是「幫你訓練模型」的工具,不是「幫你做報表」的工具。

變形題

同個考點下次怎麼變形

延伸

想再往下看,這 5 個

答案、題目或解析有問題?回報這題

出處:iPAS 經濟部產業人才能力鑑定 ・ 115 年第一次 iPAS AI 應用規劃師 初級 科目二 生成式 AI 應用與規劃 第 11 題

看官方原文 PDF

原題 © 經濟部產業發展署,AITerms.tw 僅作教學解析使用,本站解析以 CC BY-NC-SA 4.0 授權。