近來名模成了一種商品,和代言產品、媒體構成一個堅不可破的三角關係,帶動了一個又一個好話題、好生意。名模經濟已行之有年的日本,從早期的松菜菜子、藤原紀香、中期的米倉涼子到近期的伊東美,無一不是模特兒出身,培養一定支持度後,轉而進入演藝圈,多方位發展。
而日本最近跟台灣林志玲一樣爆紅到成為社會現象的,是日本媒體和廣大粉絲暱稱為「Ebi Chan」的原友里。Chan這個字是日文裡對可愛女性的暱稱,Ebi則是原友里名字第一個字的日語發音。如果你問日本現在二十到三十歲的女生,她們最想要當的人是誰,可能十個有八個會說她們想要成為Ebi Chan。日本媒體所公布的當紅話題人物排名中,Ebi Chan的名次甚至和小泉首相相當。
從支持者的回應看來,Ebi Chan已經與「幸福的形狀」劃上等號,只要是她穿過的衣服、拿過的包包、代言的產品,無一不在全日本造成搶購。原友里代表的是可愛、有氣質的大小姐風範,蕾絲、淺褐色用電棒燙過的頭髮、大而神秘的眼睛、洋溢幸福的笑容,都讓你想要和她談一場戀愛。
原友里和林志玲相似之處,不只在於兩人都是身材好的美女,還有更深的社會心理層次意涵。在「傳統女性意識」逐漸稀薄的台灣和日本社會,她們帶我們回到純真年代,找回溫和善良、可愛有禮的完美女性典範,所以在台灣林志玲熱不衰;而日本過度競爭而疲憊的時尚產業,則有甜美無害的Ebi Chan,靠著販賣「女人的幸福感」開啟潮流。
原友里今年二十六歲,出身於宮崎縣一個小康家庭。儘管二○○二年底才開始平面模特兒生涯,卻在二○○五年底靠著她所專屬的雜誌《Can Cam》,建立廣泛的知名度,如今她不但是《Can Cam》的當家名模,她的身影更每每出現在資生堂的廣告和多部日劇中。就連台北捷運車站,都可以看到她穿著比基尼的防曬乳廣告。
而一手打造原友里的雜誌《Can Cam》,對許多關注日本女性時尚的讀者可能不陌生,日本女大學生和年輕OL(辦公室女郎)都視《Can Cam》為時尚寶典。《Can Cam》創刊於一九八二年,取名為「I can campus」(在校園熱門的女生),目標讀者為十八到二十五歲的年輕女性。
日本女性時尚雜誌市場向來由《JJ》獨占鰲頭,《JJ》的風格是比較性感的、一○九辣妹風的(一○九是澀谷一家服飾百貨公司的名字,為日本新新人類流行服飾的大本營),而《Can Cam》則訴求有氣質小姐的可愛風。兩本雜誌都擅長以經營專屬模特兒建立雜誌風格,也都和時尚品牌建立夥伴關係,如《JJ》雜誌和Cecil Macbee(一○九風當紅女子品牌),以及日本當紅OL品牌如Indivi等新產品企劃,據說都有《Can Cam》記者著力的身影。
《Can Cam》發行量本來一直居於《JJ》之後,但在二○○一年總編輯大西就任後,《Can Cam》從三十二萬本一路成長到六十萬本,而《JJ》發行量卻從四十七萬本掉到今年的二十六萬本。加上即將新發刊的《姊姊Can Cam》(目標二十五到三十歲,已從大學畢業的舊《Can Cam》讀者),合併發行量已經成長到八十萬本,這個龐大出版量背後所隱含的,不只是近年甜美女孩風戰勝一○九辣妹風的流行趨勢,更為《Can Cam》主導商業市場的影響力,做了最好的「民意背書」。
很多日本女生是依照自己心愛的模特兒為範本購物,只要模特兒一穿,產品等於有了票房保證。「儘管我們事前做的市場調查告訴我們藍色洋裝會大賣,但如果Ebi Chan穿在身上的是白色,那藍色一定乏人問津,」長期和《Can Cam》雜誌合作的品牌「Pride glide」商品課長谷口,曾向日本媒體這樣表示。
《Can Cam》的秘密武器除了原友里,更有其他十位專屬模特兒,《Can Cam》把每個模特兒當成各別品牌經營,和不同的廠商建立合縱連橫的關係,綜合起來,「Can Cam」這個名詞就是一個超級品牌。
《Can Cam》開始主導新品牌的創立,結合設計師和記者所長,再把產品和模特兒結合,消費者透過認同模特兒,也認同新品牌。《Can Cam》更跨足出版界,經營商品郵購和網路電視台,利用綿密的商業網路和成功的粉絲俱樂部經營手法,全面進攻最敢消費的OL荷包。
日本經營名模經濟的手法實在令人佩服,不論Ebi Chan是否超越偶像的符號意義,也不論《Can Cam》是否達成大西總編輯「做個像巨人般的雜誌」經營目標,我卻已經開始研究原友里的流行秘密。嗯,如果把頭髮捲成這樣,也許我也可以像她一樣可愛……


生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。
但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。
延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型
解鎖 Agentic AI,企業邁向多任務智慧代理
「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。
企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。
延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!
吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。
破除「一次到位」迷思,從驗證到落地的三大關鍵階段
許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。
他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:
1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。
2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。
3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。
建立模型優化根基,打造高品質的黃金資料集
吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。
同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。
從小規模應用起步,漸進擴展至核心業務
吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。
也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。
AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。