工研院精進知識經濟競爭力|數位時代 BusinessNext

勇敢投入業界還未做、不敢做、或不會做的產業科技創新，正是工研院的目標及使命。歷經三年發展並於2008年正式上線運作的智慧資源規劃（Intelligent Resources Planning；IRP），為應用新資訊技術與產品創造更高研發價值的成果之一。

工研院技術移轉與服務中心專利加值組陳秋齡組長表示：「企業從事全球佈局及相關決策需要包括產業、產品、技術、市場以及相關廠商的完整動態資訊支援，而企業自主研發及減免巨額權利金、技術報酬金支付，並適度防範專利侵權訴訟風險與控制巨額法律費用，則需要完整的技術、智慧財產資訊支援。透過IRP平台，以簡易圖表將上述所需資訊作相互關係之具體展現，得以快速提供企業發展決策之需，改善目前常見巿場、產品及產業之間過於薄弱的資訊連結。」

工研院以三年為期，從無到有地打造IRP平台所需的方法論、基礎架構與應用功能。這個同時結合了知識管理與人工智慧的平台，區分為知識管理、資訊擷取、分析、協同工作入口網站、全文檢索等五大子系統，並於2008年正式上線運作，初期先提供給工研院院內同仁使用，後續將擴大成為提供給產業界的專業服務。

12 TB資料量及文字型資料庫的雙重挑戰

工研院現行的運作是研究人員通常專注在自己專業的技術上，由於缺乏整體產業資訊參考，致使開發的技術或元件，雖然專精卻缺乏整體觀點，無法為決策者提供強而有力的支援。

為了協助決策者掌握所有資訊，IRP所提供的資訊為特定產業上中下游全球廠商之專利分佈，即依產業產品的BOM展開其技術結構，並配以專利於其間之關係圖表；還有廠商間的專利侵權、專利授權、技術移轉、合投資、併購、合作開發、代工等等實用性動態訊息彙整；以及高度完整性的產業鏈、價值鏈及供應鏈資訊彙整。這些資料來源，係取自產業新聞、財務報表、專利等多面向之異質資料。

以低價電腦的研發為例，首先必須展開構成電腦的所有元件，逐一清查哪個元件是由哪些供應商生產，以及相關專利及智慧財產權的佈局，再從中找出技術關鍵點並查驗被開發／佈局情形，，最終才能排列組合出最佳的成本結構及供貨來源。

然而，建立完整資料藍圖的同時，另一個隨之而來的挑戰，就在於大量且成長快速的資料運用與管理上。根據專案小組的預估，IRP平台的資料量將於2008年底達到12 TB，上線後將成為院內最大的資料庫，線上同時使用人數規劃為250至400人。

除此之外，以資訊為主體的IRP平台，還是台灣首見的文字型資料庫應用模式，同時也是全球少見的應用實例。面臨嶄新的多重挑戰，工研院一方面選定Microsoft SQL Server 2005做為資料庫環境，一方面則在微軟原廠專業團隊的協助之下，進行了長達半年的概念驗證及先導測試工作。

以彈性、延展性與高效能的基礎架構奠基

在專案發展初期因經費的因素對於資料庫的選擇，工研院專案小組先以SQL Server 2000來進行開發，為因應未來巨量的資料處理以及大量使用者在系統運作效能上的考量，於2007年透過微軟顧問的協助下升級至SQL Server 2005資料庫平台上，後續更嘗試採用微軟最新的商業智慧報表工具Office PerformancePoint Server 2007，整合相關資訊進行動態分析，輔助商業決策的作業。

工研院資訊技術服務中心計畫經理徐紹馨表示：「由於這是提供給全院使用的大型資料庫，可以預見的是效能絕對會成為最大的瓶頸。SQL Server 2005則以更好的彈性及延展性來支援大量資料所需的整體架構。」

以資料倉儲的資料轉檔與整合程式為例，進行百萬筆文件資料的整理與搬移作業時，在SQL Server 2000上需時六分鐘，在SQL Server 2005上，採用最新的SSIS技術，僅需一分鐘內即可完成。同時SQL Server 2005提供給系統開發人員的SSMS（SQL Server Management Studio）功能也變得更為便捷好用，滑鼠點選即可開啟。

採用SQL Server 2005，對使用者而言，最直接感受的部分就是作業速度與資料存取成功率的提升。為了避免所有應用程式同時存取同一資料庫，形成軟硬體資源的搶奪效應，專案小組將資料庫環境一分為二，區隔為交易型及分析型資料庫，再加上資料庫版本的升級，原先在SQL Server 2000只達九成的資料存取成功率，在SQL Server 2005已提升至近乎100%。

除了軟體架構的升級，另一個改善效能的關鍵則在搭配的硬體平台上。專案小組針對既有平台的硬體效能瓶頸，進行嚴謹的分析，根據分析報告找出改善重點，並選擇配備Intel處理器的中高階伺服器、獨立的高效能磁碟等設備，一方面滿足效能的需求，另一方面也展現了最佳的成本效益比。

徐紹馨經理說明：「由於工研院涵蓋的產業類別很多，分析模式也必須更為多樣化，無法只以制式報表來滿足全院的需求。」針對不同且異質資料源的產業訊息、新聞報導、財務報表與專利等文件，建立資料倉儲系統，並透過Cube彙整分析資訊，採用Office PerformancePoint Server 2007提供的多維度分析報表工具，讓使用者根據自己所需的分析角度，隨選隨拉。

IRP平台上線之後，未來院內研發人員、研發及智財主管，以及產品開發人員都可能成為使用者。但專案小組的企圖心不僅止於此，長期來看，IRP平台將成為對外服務項目之一，具體展現知識經濟的效益及力量。

「代理式 AI 」（Agentic AI）的創新服務正在重新塑造企業對AI的想像：成為內部實際運行的數位員工，提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢：2025 年是 AI 邁向「代理式 AI」的起點，讓 AI 擁有決策自主權的技術轉型關鍵，2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮，企業如何加速落地成為關鍵，博弘雲端以雲端與數據整合實力，結合零售、金融等產業經驗，提出 AI 系統整合商定位，協助企業從規劃、導入到維運，降低試錯風險，成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路，企業該如何走對第一步？

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題、生成內容的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工，應用場景也從單一任務延伸至多代理協作（Multi-Agent）模式。

「儘管 AI 前景看好，但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出，到了 2028 年，高達 70% 的重複性工作將被 AI 取代，但同時也有約 40% 的生成式 AI 專案面臨失敗風險；關鍵原因在於，企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭，更涉及流程變革與人員適應。

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時加速 AI 落地。

圖／數位時代

正因如此，企業在導入 AI 時，其實需要外部專業夥伴的協助，而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力，涵蓋數據、雲端、應用開發、資安防禦與維運，可以一站式滿足企業需求，更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示，許多企業在導入 AI 時，往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵：HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論，並非紙上談兵，而是已在多個實際場域中驗證成效；鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程，正是其最具代表性的案例之一。陳亭竹說明，HAPPY GO 過去曾面臨AI 落地應用的考驗：會員資料散落在不同部門與系統中，無法整合成完整的會員輪廓，亦難以對會員進行精準貼標與分眾行銷。

為此，博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化，完成建置數據中台後，再依業務情境評估適合的 AI 模型，並且減少人工貼標的時間，逐步發展精準行銷、零售 MLOps（Machine Learning Operations，模型開發與維運管理）平台等 AI 應用。在穩固的數據基礎下，AI 應用成效也開始一一浮現：首先是 AI 市場調查應用，讓資料彙整與分析效率提升約 80%；透過 AI 個性化推薦機制，廣告點擊轉換率提升 50%。

左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例，許多企業往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

圖／數位時代

整合 Databricks 與雲端服務，打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中，博弘雲端發現，底層數據架構是真正影響 AI 落地速度的關鍵之一，因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台，作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架（Apache Spark）為核心，能同時整合結構化與非結構化資料，並支援分散式資料處理、機器學習與進階分析等多元工作負載，讓企業免於在多個平台間反覆搬移資料，省下大量重複開發與系統整合的時間，從而加速 AI 應用從概念驗證、使用者驗收測試（UAT），一路推進到正式上線（Production）的過程，還能確保資料治理策略的一致性，有助於降低資料外洩與合規風險；此對於金融等高度重視資安與法規遵循的產業而言，更顯關鍵。

陳亭竹認為，Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台，當需要啟動新型 AI 或 Agent 專案時，再切換至 Databricks 進行開發與部署，待服務趨於穩定後，再轉回雲端平台，不僅兼顧開發效率與成本控管，也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程，資訊安全與治理的重要性也隨之同步提升。對此，宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層，企業在導入 AI 應用初期，就應做好資料分級與建立資料治理政策（Policy），明確定義高風險與隱私資料的使用邊界，並規範 AI Agent「能看什麼、說什麼、做什麼」，防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層，當 AI Agent 角色升級為數位員工時，企業也須比照人員管理方式為其設定明確的職務角色與權限範圍，包括可存取的資料類型與可執行的操作行為，防止因權限過大，讓 AI 成為新的資安破口。

第三為技術應用層，除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外，還需導入專為生成式 AI 設計的防禦機制，對 AI 的輸入指令與輸出內容進行雙向管控，降低指令注入攻擊（Prompt Injection）或惡意內容傳遞的風險。

博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」，透過完善治理政策與角色權限，並設立專為生成式 AI 設計的防禦機制，降低 AI 安全隱私外洩的風險。

圖／數位時代

此外，博弘雲端也透過 MSSP 資安維運託管服務，從底層的 WAF、防火牆與入侵偵測，到針對 AI 模型特有弱點的持續掃描，提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞，更可以即時監控活動，快速辨識潛在威脅。不僅如此，也能因應法規對 AI 可解釋性與可稽核性的要求，保留完整操作與決策紀錄，協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向，」陳亭竹強調，面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時，加速 AI 落地。在這波變革浪潮中，博弘雲端不只是提供雲端服務技術的領航家，更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗，以及完善的資安維運託管服務，博弘雲端將持續協助企業把數據轉化為行動力，在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機，立即聯繫博弘雲端專業顧問