借鏡英國ODI，台灣開放資料該怎麼做？|數位時代 BusinessNext

相較於英國，台灣開放資料的起步較晚。而當開放資料成為政府政策「拚經濟」的一環，如何讓一個個創新應用變成具有經濟規模的產業，英國開放資料研究所一路走來的經驗足以借鏡。

英國政府5年投資1千萬英鎊（約5億元台幣），成立開放資料研究所（Open Data Institute，ODI），專門培育開放資料新創團隊，發掘開放資料的商業潛力，2012年至今已孵化20個開放資料新創團隊，協助超過12個團隊獲得140萬英鎊營收。ODI做育成輔導、媒合創投資源，也培育資料科學人才，但ODI育成團隊並未占股份，也不以營利為目的。反觀台灣工業局過去兩年舉辦各種開放資料交流、應用競賽，欲以輔導產業的方式推動開放資料的應用。但是推動應用跟新產業的培育還是有一段距離，台灣能否參照英國開放資料研究所的育成模式，培育開放資料新創公司，必須抽絲剝繭地釐清幾個重要問題。

ODI 網站

問題一：以拚經濟推動開放資料

ODI研究部主管希斯（Tom Heath）說：「創造應用和產業是不同的！」開放資料的價值在於新型態應用，或是讓政府服務更方便，不必然跟商業模式相關。

ODI育成的新創團隊、公部門採購案資訊分析平台Spend Network創辦人馬吉爾（Ian Makgill）指出，政府常常覺得釋出資料，馬上就會有新創公司或應用，但要把資料變成一個應用是需要時間的，「我們等了18個月，甚至花錢跟政府買資料，才變成產品，但我們清理後的資料可以幫政府省下幾億元英鎊。」

「目前ODI的三大模式包括：育成、顧問諮詢、媒合創投資金，是台灣開放資料最缺乏的一環。」台灣開放資料計畫發起人張維志說。舉辦開放資料競賽並無益處，因為參賽團隊大多是技術很強的學生或已有現成產品的公司，競賽的目的是鼓勵創新，並非把補助給不斷重複參賽的公司，台灣真正需要的是在競賽之後，協助學生團隊找到商業價值。

根據2013年麥肯錫報告，開放資料全球每年至少可產生3.2兆美元的經濟價值。長遠來看，開放資料的確有經濟價值，但經濟發展不應該是政府開放資料的第一目的，政府是開放資料的最大受益者。先有開放文化，改善政府效率、公眾參與、強化透明治理，最後才是經濟價值。

問題二：開放資料質量不足

「台灣開放資料不夠多，資料也不夠明確。」開放資料聯盟會長彭啟明進一步舉例說明，FlightAware整合全世界飛機航班的開放資料，可讓使用者查看班機是否延誤，因為其他國家的民航資料完全開放，新創業者很容易串連全球，就會有新事業產生。反觀台灣開放資料的應用還侷限在台灣的YouBike，而國外的應用早就可選紐約或倫敦的腳踏車。

如果可以找出以開放資料商轉的公司，的確有機會變成產業，例如美國就有近500家開放資料公司。不過，台灣政府開放資料不只在質和量不夠多，開放資料也有諸多限制，以至於市場上多為YouBike、交通時刻表、實價登錄等應用。

問題三：無法形成商業循環

相較於英國的應用環境，彭啟明認為，台灣不見得適合引進ODI模式。例如ODI培育的新創公司，主要的客戶大多是政府，政府也願意嘗試新工具和服務，台灣政府通常是最後被迫改變的買主。

「所有的商業模式必須建構在足夠的經濟行為上，台灣政府財政困難，所以無法建立商業循環。」開放知識基金會台灣負責人徐子涵說。在英國，光是清理資料就有專門的公司在做，因為他們覺得清理資料是有商業價值的。另外，ODI的新創團隊是真的在做生意，而非做標案，但台灣系統整合服務商大多接政府的標案、辦活動、做開放資料入口或示範案。

再者，台灣受限「政府採購法」，往往以低標者得標。g0v零時政府共同發起人高嘉良說，英國政府早在5年前就推出數位服務採購市集CloudStore，政府機關有需求可直接採購新創公司的數位服務。

以台灣的情況來看，彭啟明認為，開放資料商業化的難度很高，因為會用資料的人大多是工程師背景，但是會寫程式跟應用、創意是兩碼子事。為了解決這個問題，英國ODI積極營造人才培訓和交流環境，讓有創意但不會寫程式的人，可以到ODI去學習，或者透過合作把創意實作出來。

精誠資訊Etu負責人蔣居裕則認為，開放資料新創公司跟所有資料導向的創業一樣，最終都要回到商業本質來定義目標群眾。運用開放資料來開發應用，有高達90％∼99％比例的人目的並非賺錢，大多是為了照顧特定族群「溫暖人心」的服務，不見得最後一定要走向創業。

比起英美的發展，台灣雖然還有許多問題待解，但在亞洲國家中已相對開放。希斯認為，「台灣可做為亞洲開放資料的示範場域！」然而要先有開放的文化才會帶來產值，彭啟明一再強調：「政府應盡可能開放資料，別讓年輕人辛苦挖煤礦，反而要鼓勵年輕人以亞洲開放資料為基礎，用世界的煤炒出有特色的菜。」

ODI新創團隊商業模式

1.Spend Network
創業內容：公開採購案資訊分析
商業模式：進階資料收費

2.Mastodon C
創業內容：分析英國所有藥品資料
商業模式：資料分析顧問服務

3.Resurgence
創業內容：為氣候變遷和災害做都市風險管理
商業模式：策略報告、顧問服務

4.OpenCorporates
創業內容：跨國公司關係圖
商業模式：商用授權費

5.Shoothill
創業內容：將洪水統計資訊或地理資料轉成動態呈現的軟體
商業模式：線上繪製地圖及視覺化解決方案

整理：郭芝榕

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。

借鏡英國ODI，台灣開放資料該怎麼做？