銀髮產業興起，美國社企Aging 2.0來台找夥伴|數位時代 BusinessNext

根據經建會的報告，在兩年後，台灣的老年人口數將超過小孩人口，2017年台灣將正式進入高齡社會，而到了2020年，50歲以上人口占比將高達4成。台灣人口老化是危機，也是商機，隨著戰後嬰兒潮世代逐一退休，這群新興老人不僅消費力驚人，而且勇於擁抱新科技，相關銀髮產業也相繼應運而生。

在美國矽谷，就有這麼一家社會企業看準銀髮世代的需求和潛力，積極扶植與銀髮相關新創公司，提供產業鏈資源、媒合產業機會和擔任導師，就是希望能夠真正抓住老化2.0 （Aging 2.0）世代的需求，迎接未來即將湧現的7,500萬名退休嬰兒潮族群，這家公司就叫做Aging 2.0。

Aging 2.0不只希望鼓勵老人照護產業發展，更看重如何透過創新和科技的力量去改善老人的生活品質，而不只是提升老人的生活「量」。因此Aging 2.0透過在世界各地舉辦與老人照護相關的活動、媒合會，並且與學術機構和創投合作，希望吸引更多人投入老人照護產業，建立銀髮產業生態圈。

例如史丹佛大學的長壽中心就是Aging 2.0的合作夥伴之一，史丹佛校方希望藉由Aging 2.0接觸更多具有創新想法的團隊，共同解決高齡人士的生活問題。例如十月史丹佛長壽中心就舉辦了銀髮設計競賽，甄選全球優秀的設計作品，希望讓更多設計師和年輕學子投身銀髮相關產業，幫助老人。

而來自台灣的設計師姚彥慈正是第一屆銀髮設計競賽的首獎得主，她的作品靈感來自她患有失智症的外婆，親眼看到失智症患者進食的不便，她於是親手打造了符合失智症患者使用習慣的餐具，盤子和湯匙的弧度都經過特別設計，讓失智症患者不再吃東西吃得滿桌都是。

無獨有偶，Aging 2.0的創辦人Stephen Johnston當初也是因為體會到失智症患者的困難，才決定離開科技產業，從英國到矽谷創立Aging 2.0，希望藉由科技與創新的力量，解決高齡人士生活中的困境。Stephen Johnston表示：「我注意到，市面上少有產品或服務是可以解決失智症患者與其照護者（家人）的困難，這代表，就算失智症的治療和相關研究已經進行了幾十年，我們還是沒有太多進步。」

這次經驗後，讓Stephen Johnston從其商業、科技背景出發，反思此一產業領域亟需引進更多科技與創新來活化、並提升失智症患者和其照護者的生活品質，甚至可以延伸擴大為一個全面性、跨老年疾病的「銀髮族服務」產業鏈：「如果你全盤去思考，在老化過程中，身體可能經歷的不同變化，那你的洞察將可以同步應用到所有的疾病照護層面。」

Aging 2.0也於今年獲得Gernerator創投基金的資金挹注，該基金確保新創企業在創業初期時能得到資金上的奧援。Aging 2.0創辦人Stephen Johnston即將於11月中來台，與姚彥慈同台分享對銀髮產業的觀察，並挖掘台灣在地有潛力的銀髮新創團隊，提供資源援助，抓住銀浪商機。

enter image description here
（圖說：Aging 2.0創辦人Stephen Johnston曾任職Nokia, Vodafone等科技公司，但最後選擇
選擇銀髮照護產業創業。圖片來源：Flickr）

[活動推薦] Stephen Johnston來台演講
Stephen Johnston 將現身11月15日銀浪新創力國際週：Aging2.0 行動提案會，和姚彥慈的同台分享產業洞見與經驗，報名詳情請見連結：http://www.silverliningsglobal.com/tw/forum.html

1973 年，良興從台北光華商場一間 50 坪的電子零件行起家，半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過，伴隨規模擴張帶來的不只是成長，還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆，加上跨部門協作頻繁，行政耗損與知識傳承的缺口，成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧，從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營，作為 3C 零售業者，良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能，就是良興第五波轉型的核心命題。」

AI 自動化，從行政細節釋放組織戰力

轉型需要夥伴，而賴志達評估合作夥伴的標準很明確：技術能力是基本，產業知識（Domain Know-how）的深度是關鍵，回饋速度更是最終決定因素。2025 年的未來商務展上，良興選擇攜手 Data-DI，看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的，良興與 Data-DI 合作的第一個專案，就落在最耗費人力、卻最常被忽視的環節：會議記錄。「會議如果沒有產值、沒有效果，對企業很傷！」賴志達說，他每天參加許多會議，但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理，常出現人名誤植、決策遺漏、行動項目無人追蹤，讓會議效果大打折扣。

為了解決會議記錄的痛點，Data-DI 業務副總包威棣指出，在導入工具以前，團隊須先釐清三件事：場景是否具備落地價值、哪些流程節點適合 AI 介入，以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問，都決定 AI 能否精準落地。

確認方向後，良興與 Data-DI 成功導入 AI 會議記錄自動化系統，透過模糊比對技術校正語音辨識誤差，並將生成的雙版本報告直接回存至既有資料庫，不僅將行政人員從重複性作業中釋放，也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享，現在他去外部開會也會用這個工具，運用 AI 把錄音轉文字、再整理成簡報，很快就能完成，更令外部夥伴驚艷。「我認為這是很成功的案子！也提醒想做 AI 的老闆們，與其急著搞大架構，不如先從小工具讓公司嘗試 AI，建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後，良興接著切入更深層的營運核心：知識傳承。過去，頂尖銷售經驗長期鎖在少數資深員工身上，新人培訓耗時三個月，員工離職即帶走知識資本。與此同時，網路資訊發達，消費者進店前早已掌握基本規格，3C 通路門市人員要如何發揮更多價值？「我要門市的人不是死背規格，而是面對客人時，能用客人能理解的方式對話。」賴志達說。

為此，Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡，串接教材生成、審核上架、AI 銷售對練與成績回報，主管僅需在核心節點審核；員工透過手機語音對練，系統依口吻、專業度、回應力等維度自動評分。賴志達表示，目標是將新人培訓期縮短至一個月，讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而，要讓這套系統真正運作，得先解決兩個根本問題：資料從哪裡來？以及訓練如何更準確？

「以前大數據時代，講的是資料要大、全、細、實；現在 AI 要做到的是準（準確）、合（合乎場景）。」包威棣說。良興不同廠商提供的素材品質參差不齊，Data-DI 除了整合內部資料，也補充加入外部市場評測內容以填補空缺，再透過人員審核機制過濾雜訊，搭配 agent 架構的多層步驟與知識限定，確保系統能精準提煉對應品類的訓練素材。

賴志達則看得更遠：「這些教育訓練的內容，也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問，帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中，雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步，賴志達表示，公司各部門很早就建置 Power BI 報表，但數據豐富不等於決策清晰。「數據是土壤，如果沒有梳理，就沒有用了。」因此，他的下一個目標是活化數據資本、推動行銷自動流，以精實的人力持續驅動成長。

包威棣則從顧問視角歸納兩個觀察：AI 導入需要高層認同、由上而下推進，像賴志達這樣持續引領良興走在業界前端的決策者，就是不可或缺的推手；而單點工具的價值，終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構，人員訓練改變了知識傳承的方式。從點狀應用走向企業變革，這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後，對於仍在觀望AI應用的企業，他則建議：「未來 AI 導致的落差只會愈來愈大，人會變成超級工作者，企業會變成超級企業。開始做就對了，先做一個三個月的小任務，降低落差、再急起追上。」從痛點切入、小步快跑，讓組織在實作中累積對 AI 的理解與信任，這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊，請查詢網站：https://www.data-di.com/