【MMDays】用寫程式改善政府效能，台灣辦得到嗎？|數位時代 BusinessNext

在美國求學時，我曾經在美國國慶日的時候，到 San Jose 看國慶煙火。附近居民扶老攜幼，拿著板凳把公園擠得水洩不通，美國國慶煙火不分地點，大家都愛看，很多人也順便從家裡帶來準備好的食物就地野餐，或是到旁邊的園遊會攤子，買一些食物就這樣吃了起來。然而，最令我印象深刻的，不是漂亮的煙火，而是散場後讓我感到驚訝的一個景象：一個黑人家庭，屁股大到坐飛機時需要買兩個機位的黑人媽媽，大聲喝令旁邊跑來跑去嬉鬧的小孩子，要他們把周圍的垃圾收拾好、撿起來丟到垃圾桶，然後我就看著這個黑人家庭，一路撿垃圾、一路走回家，他們撿的大部分垃圾都不是他們自己製造的。而他們走回去的那條路，被他們撿得乾乾淨淨，不需要其他人再打掃。

這才是教育。

我曾經開玩笑地跟身邊的朋友提出一個隨便想到的 idea：想要系統化的評量人民的公德心，應該可以看一個簡單的指標：「下水道蓋子旁邊的煙頭數量。」每年做個抽樣統計一下就知道了，然後我還取了個名字叫「煙頭指標」。不過講歸講，其實也只是揶揄一下那些亂丟垃圾的人。

會想起這個故事，是因為前幾天我在 TEDxTaipei 上面看到一個很棒的演講： Jennifer Pahlka：如何用程式打造更好的政府？

這是一段不過短短 12 分鐘的演講，內容是說 Jennifer Pahlka 發起的一項計畫「 Code for America 」，這個計畫每年邀請一些科技人士及才華洋溢的設計師，請他們休假一年，這段休息期間去他們最痛恨的「政府」做事，讓他們在政府部門開發應用程式，探索一些改善社會、改善政府效能的可能性。

演講中舉出一個例子：去年 2 月波士頓大雪，把消防栓都埋住了，當地政府對此毫無作為，眼睜睜看著一支支消防栓被大雪掩蓋。所幸，此時 Code for America 正好有一個團隊在波士頓政府做事，於是開發了一個 app，讓使用這個 app 的人可以去「認養消防栓」，認養的意思是說：如果你的消防栓被雪埋住了，你願意去把它挖出來，你甚至於可以為你的消防栓取個名字。這個 app 非常容易撰寫，上線後也如星火燎原般地擴散。遠在夏威夷的一個政府 IT 部門員工注意到了這個 app，立刻把同樣的 idea 應用在當地的「海嘯警報器」上面，讓當地的人去認養和維護海嘯警報器，確保居民的安全。西雅圖政府也如法炮製，利用同樣的 idea 讓當地居民去清理堵塞的排水孔。

一個小小的 app，竟然發揮了這麼大的效用。

Code for America 因此是一個很棒的行動計畫，這群人想要透過網路、透過 app、透過鍵盤，改善自己的國家和政府，而且他們已經有成功的故事。台灣也有有志之士，發起了類似的 Code for Tomorrow 計畫。不過比較令人憂心的地方在於，我發現到，這個行動計畫成功的重點不在政府，而是在於人民的素質，所以我想到了文章開頭的故事。內心疑惑著：「台灣人究竟願不願意以這樣的方式來維護自己的公共環境？然後改善政府效能？如果台灣人平常連維護公共環境的公德心都沒有，類似的行動計畫是否死路一條？」

到「 Google 搜尋滿地垃圾」，就馬上可以發現台灣人的公德心還有很大的進步空間：演唱會、燈會、跨年晚會 … 每次留下來的都是堆成山的垃圾。

美國人看到自己的國家快爛了，會開始反省，如何改善自己的社會、以及改善自己的政府。台灣人看到自己的國家快爛了，會趕快想辦法去當外國人。

這就是最根本的差異：人民對於自己的國家沒有向心力，凡事先以自私自利為出發點，導致環境的破壞、利益團體的惡鬥、以及癱瘓的政府。

當美國已經想到以「軟體」結合「公德心」來改善自己的社會和國家時，台灣剛好兩個都比較缺乏。所以我認為台灣要迎頭趕上這波「用軟體和網路改變政府」的熱潮，還有很長的一段路要走。台灣的軟體產業不發達，軟體從業人員的薪資比起硬體廠商的薪資差了不少，能夠發揮的舞台也很有限，這也連帶造成這些軟體從業人員得先考慮找到工作、填飽肚子，而不是先考慮參與 Code for America 這種富有理想性的行動計畫，很遺憾，馬斯洛的需求理論在這裡同樣適用。但是我依舊衷心地希望 Code for Tomorrow 能夠像 Code for America，在社會中發揮一些正向的力量，雖然沒有公德心的人，腦子不可能一天就被清洗乾淨，但是身為與網路一起長大的世代的一份子，我還是相信「軟體」和「網路」終將扮演改善我們社會的重要角色，雖然台灣起步很晚，但是並不絕望。

也希望台灣政府能深切瞭解到，「軟體」和「網路」正以不可思議的方式和力量在改變整個世界，軟體與硬體不同，不但變換無窮，對於社會造成的效應也有許多不可預測的特性，而相信以台灣人的創意，如果有一個良好的軟體產業和網路環境，絕對可以用非常快速和低成本的方式，發展出一些令人意想不到、但是卻讓我們社會更好的強大力量，如果政府能增加投入在軟體產業和網路環境的資源，把對於傳統電子產業的關愛，移轉一些些到軟體產業上，不僅產業可以轉型升級，連帶著社會也可以獲得改變，甚至於最後也回過頭來改善了政府的效能。

我們絕對需要一股這樣「軟性的力量」，來改善社會。

出自 Mr./Ms. Days (MMDays)

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。