學習路線圖 · AI應用規劃師中級
階段 2 評估規劃
專案評估（需求分析/ROI/可行性）與規劃步驟（資源/時程/合作）；涵蓋風險管理（偏見/倫理/資料洩漏）。
觀念教學
中級與初級的分水嶺就在這裡:階段 2 要練成「把 AI 專案當生意評估」的規劃力 — 這正是 AI 應用規劃師的本業。
這一階段學什麼
- 需求分析:把模糊的業務痛點,翻譯成明確的 AI 問題定義與成功指標
- ROI 與可行性評估:估算效益與成本,判斷技術、資料、組織三個層面做不做得起來
- 規劃步驟:資源盤點、時程切分、內外部合作分工,把構想變成可執行計畫
- 風險管理:辨識偏見、倫理爭議與資料洩漏三大風險,設計對應控管措施
- 倫理合規:把透明度與問責機制寫進規劃,而不是出事後才補
為什麼是現在學
有了階段 1 的技術判斷,現在才能評估「該不該做、值不值得做」;順序反過來就是紙上談兵。這一階段的評估框架,是階段 3 系統部署的輸入 — 沒有明確需求與風險清單,部署階段的技術選型全是瞎猜。
怎麼練(具體行動)
- 挑一個熟悉的業務場景(如客服、排程),寫一份 AI 專案規劃書:需求、目標、成功指標
- 替這個專案算一次 ROI:列出成本項與效益項,寫清楚每個假設
- 做一張風險登錄表:偏見、倫理、資料洩漏各列兩個具體風險與緩解措施
- 用可行性三問自我審查:技術可行嗎?資料足夠嗎?組織接得住嗎?
完成標準
- 能獨立制定一份包含評估與風險的 AI 專案規劃書(呼應里程碑:制定評估計畫)
- ROI 計算有憑有據,說得出每個假設的來源
- 風險清單具體到「哪個環節、什麼風險、誰負責」
⚠️ 常見誤區:規劃書只寫技術不寫風險 — 中級情境題最愛考偏見與資料洩漏的處置,漏了就是丟分。
評估規劃是中級考試的核心題型,也是這張證照在職場上最值錢的能力。
里程碑
✓ 制定評估計畫
範例專題
AI 專案規劃書
應用場景
iPAS 歷屆考題詳解(1 題)
先自行作答,再展開詳解。題目出處均為 iPAS AI 應用規劃師正式考題,著作權屬原主辦單位。
某製造業公司計劃將 AI 導入生產線瑕疵檢測流程，目前瑕疵樣本約 800 張（含各類瑕疵類型）、正常樣本約15,000張，現有IT基礎設施為地端伺服器且無GPU，且生產線環境需於地端即時完成推論，檢測需求為每片零件須在 100毫秒內完成檢測，且預算為中等、無法於短期內大規模採購硬體。工程師正在規劃第一階段的AI導入方案，請問下列哪一種規劃最為合適？
- A從零訓練一個大型 CNN模型，並採購高階 GPU 伺服器以滿足推論速度需求
- B採用預訓練模型進行 Transfer Learning，針對瑕疵樣本進行 Fine-tuning，並使用模型量化（Quantization）或蒸餾（Distillation）技術壓縮模型以符合延遲需求，部署於地端
- C因樣本數不足，建議先暫緩 AI 導入，待蒐集至少 10 萬筆瑕疵樣本後再啟動專案
- D將所有影像上傳至雲端，使用第三方 AutoML 平台自動訓練並部署，以節省開發時間
看正解與逐選項詳解
正解:B
正確答案:(B)
【正解解析】
本題需將方案逐一對照題幹限制:瑕疵樣本僅 800 張,適合以預訓練模型進行遷移學習(Transfer Learning)並針對瑕疵樣本微調(Fine-tuning),小樣本下仍可達到可用效能;地端無 GPU 且須在 100 毫秒內完成推論,可用模型量化(Quantization)或知識蒸餾(Distillation)壓縮模型,使 CPU 或邊緣硬體也能低延遲推論;預算中等且不短期大規模採購硬體,則部署於既有地端環境。(B) 同時滿足資料量、延遲、預算與地端部署四項限制,是務實的第一階段導入方案。
【為何其他選項錯了?】
- (A):從零訓練大型 CNN 需要大量標註資料與運算資源,800 張瑕疵樣本遠遠不足;採購高階 GPU 伺服器亦違反中等預算與不短期大規模採購硬體的限制。
- (C):暫緩導入並等待累積 10 萬筆瑕疵樣本,以一般產線的瑕疵發生率估算需時甚久;遷移學習正是為小樣本場景設計,無須等待巨量資料即可啟動,暫緩反而延誤改善時機。
- (D):影像上傳雲端訓練與部署違反「地端即時完成推論」的前提;雲端往返的網路延遲與連線穩定性難以保證 100 毫秒的回應要求,且有資料外流疑慮。
提示:導入規劃題把每條限制逐一對照:小樣本對遷移學習,低延遲對量化與蒸餾,地端限制排除雲端方案。