iPAS AI應用規劃師考試重點整理

#1

★★★★★

規劃的起點：導入評估結果

承先啟後

AI 導入規劃是基於 L21201 導入評估階段的結論。評估報告中確認的可行性、選定的解決方案、預期的成本效益與識別的風險，都是制定具體導入計畫的基礎。

#2

★★★★★

確定專案範疇 (Project Scope)

範疇界定 (P2.1.1)

在規劃階段，需要精確定義 AI 導入專案的具體範圍，包括：涵蓋的業務流程、功能模組、交付成果、不包含的項目。明確的範疇有助於控制專案規模、管理預期和避免範疇潛變 (Scope Creep)。

#3

★★★★★

設定專案目標與關鍵績效指標 (KPI)

目標具體化 (L21202, P2.1.1, S07)

將導入評估階段設定的高層次目標，轉化為更具體的、可操作的專案目標。同時，定義量化的 KPI (Key Performance Indicators) 來衡量專案是否成功達成目標。例如：目標是提升客服效率，KPI 可以是「平均處理時間減少 20%」、「客戶滿意度提升 10%」。

#4

★★★★

確認成功標準 (Success Criteria)

驗收依據

與利害關係人共同定義專案成功的標準。這些標準應該是可衡量的，並在專案開始前達成共識。例如：模型準確率達到 90%、系統穩定運行時間達 99.9%、在預算內完成等。這是專案驗收的重要依據。

#5

★★★★★

深化需求分析 (Requirement Analysis)

細化需求 (L21202, S04)

在評估階段的需求基礎上，進行更詳細的需求分析與規格定義。這包括：

用戶故事 (User Stories) 或使用案例 (Use Cases): 描述用戶如何與系統互動。
功能規格: 詳細描述系統應具備的各項功能。
非功能規格: 如性能、安全性、可靠性、易用性等的具體要求。
數據需求: 明確模型訓練和運行所需的數據來源、格式、品質標準。

#6

★★★★

需求變更管理 (Change Management)

應對變化

規劃階段應建立需求變更管理流程。隨著專案進行，需求可能會發生變化，需要有明確的流程來評估變更請求的影響（對範疇、時程、成本）、審批變更，並更新相關文件，以避免專案失控。

#7

★★★

需求可追溯性 (Traceability)

需求連結

確保每個需求都能追溯到其來源（如業務目標、用戶痛點），並且能夠追蹤到相應的設計、開發和測試活動。建立需求追溯矩陣 (Requirement Traceability Matrix, RTM) 是常用的方法。

#8

★★★★★

技術應用方案設計 (Solution Design)

藍圖規劃 (L21202, S15)

基於確定的需求和選定的 AI 技術/工具，設計具體的技術解決方案架構。這包括：

系統架構: 描繪系統的主要組件、模塊及其交互關係 (K16)。
數據流程: 設計數據如何被收集、處理、儲存、用於模型訓練和推論 (K11)。
模型選擇與設計: 確定具體的 AI 模型（如 CNN, LSTM, Transformer）及其參數配置。
整合介面設計: 設計與現有系統或第三方服務的接口 (API)。
使用者介面 (UI) / 使用者體驗 (UX) 設計: 規劃用戶如何與 AI 系統互動。

#9

★★★★

考量可擴展性 (Scalability) 的設計

未來發展

方案設計應考慮未來的擴展需求。系統是否能夠處理不斷增長的數據量和用戶量？是否容易添加新功能或集成新技術？採用模組化、微服務等架構有助於提高可擴展性。

#10

★★★★

考量安全性 (Security) 的設計

安全內建 (K13)

在設計階段就將安全性納入考量 (Security by Design)。考慮數據加密、訪問控制、身份驗證、防止惡意攻擊（如對抗性攻擊）、安全審計等機制。

#11

★★★

設計模型監控與維護機制

持續運營

規劃如何在系統上線後持續監控模型的性能（準確率、延遲等）和偵測模型漂移。設計模型重新訓練和更新的流程，確保模型能持續有效地運行。

#12

★★★★★

資源規劃與分配 (Resource Planning & Allocation)

核心規劃活動 (L21202, P3.1.1, S07)

根據專案範疇、目標和技術方案，規劃所需的各項資源，並進行合理分配。這是確保專案順利執行的關鍵。主要資源包括人力、財務、數據、計算資源等。

#13

★★★★★

人力資源規劃 (Human Resource Planning)

團隊組建 (K20)

規劃專案所需的團隊成員及其角色職責，例如：

專案經理
資料科學家/AI 工程師
數據工程師
軟體開發工程師
測試工程師
領域專家
UI/UX 設計師

評估現有團隊的技能缺口，規劃招聘或培訓計畫，或尋求外部顧問/合作夥伴。

#14

★★★★

財務資源規劃/預算編列 (Budgeting)

成本控制 (S07)

基於成本效益分析中的成本估算，制定詳細的專案預算。預算應涵蓋專案生命週期的所有階段（規劃、開發、測試、部署、維運），並包含一定的應急儲備金以應對未預期的支出。

#15

★★★★

數據資源規劃

數據準備計畫

規劃如何獲取、儲存、處理和標註模型所需的數據。包括：

確定數據來源。
規劃數據收集方法。
制定數據清理和預處理流程。
規劃數據標註的策略和工具。
確保數據儲存和管理的合規性與安全性。

#16

★★★★

計算資源規劃

基礎設施規劃 (K16)

規劃模型訓練和部署所需的計算資源。是使用本地伺服器（需規劃 GPU 配置）還是雲端平台？需要多少計算能力（CPU, GPU/TPU, RAM）？需要多少儲存空間？規劃資源的採購或租賃計畫。

#17

★★★

資源協調機制

跨部門合作 (P3.1.1, S06)

AI 專案通常涉及多個部門（如 IT、業務、數據團隊）。規劃階段需建立有效的跨部門資源協調機制，確保各方資源能及時到位並有效配合。

#18

★★★★★

工作分解結構 (WBS - Work Breakdown Structure)

任務拆解 (K08)

將複雜的 AI 導入專案分解為更小、更易於管理的任務或工作包。WBS 是制定時程、分配資源、估算成本和追蹤進度的基礎。應分解到可交付、可管理的層級。 (參考 P4.1.1)

#19

★★★★★

專案時程規劃 (Project Scheduling)

時間管理 (S07)

基於 WBS，估算每個任務所需的時間，確定任務間的依賴關係，並制定詳細的專案時程表。常用的工具包括甘特圖 (Gantt Chart) 和要徑法 (CPM - Critical Path Method)。時程應包含重要的里程碑 (Milestones)。

#20

★★★★

選擇專案管理方法論 (Methodology)

執行方式 (K14)

根據專案特性選擇合適的管理方法：

瀑布模型 (Waterfall Model): 線性的、階段性的方法，適用於需求穩定、範疇明確的專案。
敏捷開發 (Agile Development): 迭代式、增量式的方法，強調快速回應變化、持續交付價值。常用框架如 Scrum, Kanban。AI 專案因其探索性和不確定性，常採用敏捷或混合方法。
混合模型 (Hybrid Model): 結合瀑布和敏捷的元素。

#21

★★★

設定里程碑 (Milestones)

關鍵節點

在專案時程中設定關鍵的里程碑，代表專案重要階段的完成或關鍵成果的交付。里程碑有助於追蹤整體進度、評估階段性成果，並向利害關係人匯報。

#22

★★★

規劃品質保證 (QA - Quality Assurance) 活動

品質管理

規劃如何在專案過程中確保交付成果的品質。包括制定測試策略、測試計畫、測試案例設計、執行測試（單元測試、整合測試、系統測試、使用者驗收測試 UAT）、缺陷管理等。(S19)

#23

★★★★

風險管理計畫 (Risk Management Plan)

應對規劃 (S07, K12)

將導入評估階段識別和評估的風險，以及制定的應對策略，整合到正式的風險管理計畫中。計畫應包含：風險描述、發生機率、影響程度、風險負責人、應對措施、觸發條件、監控方法等。

#24

★★★

規劃風險減緩措施

預防與應變

針對高優先級的風險，規劃具體的減緩措施。例如：

技術風險：進行更充分的 PoC、選擇備用技術方案。
數據風險：投入更多資源進行數據清理和標註、採用數據增強技術。
人才風險：提前啟動招聘和培訓、尋找外部合作夥伴。
倫理風險：建立倫理審查機制、進行演算法偏見檢測與修正。

#25

★★★

應急計畫 (Contingency Plan)

備用方案

對於某些難以完全避免或減緩的關鍵風險，需要規劃應急計畫或備用方案。即，當風險發生時，應該採取什麼行動來降低損失或恢復正常運作。

#26

★★★★★

AI 導入計畫書/專案計畫書

核心文件 (Output 02.1.1, S13)

將所有規劃階段的成果彙整成一份正式的導入計畫書或專案計畫書。這是指導專案執行的核心文件，也是與利害關係人溝通、獲取資源和批准的依據。

#27

★★★★

計畫書關鍵內容要素

文件結構

一份完整的計畫書應包含：

專案背景、目標與範疇
需求規格（功能與非功能）
技術應用方案設計（架構、數據流、模型等）
資源計畫（人力、預算、數據、計算資源）
專案時程（含 WBS、里程碑）
專案組織與職責
風險管理計畫
品質保證計畫
溝通計畫
成功標準與驗收標準

#28

★★★

計畫書的清晰度與可讀性

文件品質 (S13)

計畫書的撰寫應力求清晰、準確、完整、易於理解。使用標準化的術語和格式，適當使用圖表（如甘特圖、架構圖）輔助說明。確保不同背景的利害關係人都能理解計畫內容。

#29

★★★★

溝通計畫 (Communication Plan)

利害關係人管理 (S06, K08)

規劃如何以及何時與專案利害關係人進行溝通。明確溝通的對象、內容、頻率、方式（如會議、報告、郵件）和負責人。有效的溝通有助於管理預期、及時回饋、解決問題和維持專案支持。

#30

★★★★

跨部門協調 (Cross-functional Coordination)

團隊合作 (S06, P2.1.1, P3.1.1)

AI 導入規劃需要不同部門（業務、IT、數據、法務等）的緊密合作。規劃階段需建立有效的協調機制，例如定期的跨部門會議、明確的決策流程、共同的溝通平台，以確保資訊暢通、資源到位、目標一致。

#31

★★★

獲取高層支持 (Executive Sponsorship)

關鍵成功因素

獲得高階管理層的明確支持和承諾對於 AI 導入規劃和後續執行至關重要。高層支持有助於資源的獲取、跨部門協調的推動、以及克服組織變革的阻力。規劃階段需要有效地向高層溝通專案的價值和計畫。

#32

★★★

規劃變革管理溝通

應對變革

針對 AI 導入可能帶來的流程或工作變化，規劃如何向受影響的員工進行溝通。提前說明變革的原因、目的、預期影響以及提供的支持（如培訓），有助於降低疑慮和阻力，提高員工的接受度和參與度。

#33

★★★

規劃與敏捷方法的結合

彈性規劃

若採用敏捷開發，規劃階段不需要制定過於僵化的細節，而是建立高層次的產品藍圖 (Product Roadmap) 和初始的產品待辦清單 (Product Backlog)。細節規劃將在每個迭代衝刺 (Sprint) 中進行。

#34

★★★

使用者驗收測試 (UAT) 規劃

用戶確認

規劃階段需預先規劃使用者驗收測試的範圍、標準、參與人員和流程。UAT 是確保最終交付的系統符合使用者實際需求的關鍵環節。

#35

★★★

設計數據標註策略

數據處理

如果需要標註數據，需規劃標註的指南、品質控制流程、選擇標註工具、以及是內部標註還是外包。標註品質直接影響模型性能。

#36

★★★

技能提升與培訓規劃

人才發展 (K20)

評估團隊現有技能與專案需求的差距後，規劃相應的技能提升或培訓計畫，包括對開發人員、維運人員甚至最終使用者的培訓。

#37

★★

規劃任務估算方法

時間估算

選擇合適的任務時間估算方法，如專家判斷、類比估算、三點估算法 (PERT) 等，以提高時程規劃的準確性。

#38

★★★

模型偏見的風險管理

公平性考量 (K10, K12)

規劃階段應識別潛在的模型偏見風險（來自數據或演算法），並規劃相應的檢測和減緩措施，如使用公平性指標評估、採用去偏見演算法、確保訓練數據的多樣性。

#39

★★

計畫書的版本控制

文件管理

導入計畫書是動態文件，可能隨專案進展而更新。建立版本控制機制，確保所有利害關係人都能查閱最新的計畫版本。

#40

★★★

利害關係人期望管理

溝通策略 (S06)

透過持續、透明的溝通，管理不同利害關係人對 AI 導入專案的期望。避免過度承諾，及時同步專案進展、挑戰與風險。

#41

★★

專案的假設 (Assumptions) 與限制 (Constraints)

規劃前提

在規劃時，需要明確列出專案所依賴的假設條件（例如，假設某數據源可用且品質穩定）以及專案面臨的限制因素（例如，預算上限、時程壓力、法規限制）。

#42

★★

技術方案的備選方案

應變設計

在設計主要技術方案時，考慮準備備選方案或替代技術，以應對主要方案遇到技術瓶頸或不可行時的情況。

#43

★★

知識產權 (IP) 規劃

產權歸屬

若涉及模型開發或使用第三方工具/數據，需在規劃階段釐清相關的知識產權歸屬、授權和使用限制，避免後續法律糾紛。

#44

★★★

敏捷開發中的衝刺規劃 (Sprint Planning)

迭代規劃 (K14)

若採用 Scrum 方法，每個衝刺 (Sprint) 開始前會進行衝刺規劃會議，團隊從產品待辦清單中選擇本次衝刺要完成的工作項，並分解為具體任務，制定衝刺目標和計畫。

#45

★★

風險登錄表 (Risk Register)

風險記錄

用於記錄和追蹤已識別風險的詳細資訊，包括風險描述、影響、機率、負責人、應對措施、狀態等。是風險管理計畫的重要附件。

#46

★★★

計畫書的審批流程

獲得批准

規劃完成後，導入計畫書需要經過相關決策者（如專案指導委員會、高層主管）的審查和批准，才能正式啟動專案執行。

#47

★★

專案啟動會議 (Project Kick-off Meeting)

啟動儀式

在計畫獲得批准後，通常會召開專案啟動會議，向所有專案成員和關鍵利害關係人正式介紹專案目標、範疇、時程、計畫、角色職責等，建立共識，凝聚團隊。

#48

★★★

區分專案目標與產品目標

目標層次

專案目標關注在特定時間、預算內完成既定範疇的工作。而產品目標則關注 AI 系統本身所要達到的長期業務價值或使用者效益。規劃時需同時考慮兩者。

#49

★★★

設計模型評估流程

效果驗證

規劃如何系統性地評估開發出的 AI 模型性能。包括劃分訓練集、驗證集、測試集，選擇評估指標，執行評估實驗，分析結果等步驟。

#50

★★★

第三方服務/API的整合規劃

外部依賴

如果方案涉及使用第三方 AI 服務 (如 OpenAI API) 或數據源，需規劃如何進行整合、管理 API 金鑰、處理可能的服務中斷或變更、以及相關的成本和授權。

#51

★★

規劃部署策略

上線方式

初步規劃 AI 系統的部署方式，例如是一次性全面上線（Big Bang）、分階段部署（Phased Rollout）還是灰度發布（Canary Release）？部署策略影響風險和用戶體驗。

#52

★★

退出策略 (Exit Strategy) 考量

終止規劃

雖然不希望發生，但規劃階段有時也需考慮專案可能失敗或中止的退出策略，例如如何處理已投入的資源、如何將影響降到最低。

#53

★★

利用專案管理軟體

輔助工具 (S12)

使用專案管理軟體（如 Jira, Asana, Microsoft Project）來協助制定 WBS、規劃時程、分配任務、追蹤進度、管理資源和溝通，提高規劃和管理的效率。

#54

★★

規劃知識移轉 (Knowledge Transfer)

經驗傳承

規劃如何在專案過程中及結束後，將專案的知識、經驗和文件有效地移轉給維運團隊或組織內其他相關人員，確保知識的沉澱和複用。

#55

★★

規劃的可執行性

務實考量

制定導入規劃時，最重要的原則之一是確保計畫的可執行性。目標、時程、資源分配都應基於現實情況，避免過於理想化或脫離實際。

#56

★★★

A/B 測試規劃

效果比較

如果導入 AI 是為了優化某個指標（如點擊率、轉換率），規劃時可以設計 A/B 測試方案，將引入 AI 的版本與未引入的版本進行對比，以量化評估 AI 導入的實際效果。

#57

★★

規劃數據生命週期管理

數據管理

規劃數據從收集、儲存、處理、使用到最終銷毀的整個生命週期管理策略，確保符合法規要求和內部政策。

#58

★★

規劃模型版本控制

模型管理

AI 模型會不斷迭代更新，規劃如何管理不同版本的模型、訓練數據和相關程式碼，確保結果的可重現性和追溯性。

#59

★

保險作為風險轉移手段

風險轉移

對於某些難以控制的潛在風險（例如因 AI 決策錯誤導致的巨大損失），可以評估購買相關保險（如網路安全險、責任險）的可行性，作為風險轉移策略的一部分。

#60

★★

規劃後的持續優化

學習與改進

導入規劃不僅是專案開始前的活動，也應包含對專案執行和結果的評估回饋機制，將經驗教訓用於優化未來的 AI 導入規劃與執行。

iPAS AI應用規劃師 考試重點

iPAS AI應用規劃師考試重點