[Meet創業之星] 家政O2O正熱，潔客幫會成為下一個Homejoy嗎？|數位時代 BusinessNext

美國在線家政鼻祖Homejoy將於7月底正式關閉，消息一出，在O2O產業投下一顆震撼彈，一時之間O2O新創人人自危，深怕自己就是下一個。但這並不代表家政媒合服務從此成為票房毒藥，因為就在Homejoy宣布關閉服務的消息一個禮拜後，市場上立即傳出Google已招聘部分Homejoy的技術團隊，準備推出自己的家政服務平台，在此同時亞馬遜也宣布擴張旗下的家政服務品牌Amazon Home Services至全美15個城市，顯見市場對O2O家政服務的興趣不減。

而在台灣，家政O2O服務熱潮則方興未艾，去年才興起的線上家政清潔媒合平台潔客幫，正是台灣新創乘著全球家政O2O浪潮興起的案例。潔客幫三名創辦人當中，陳衍光與黃貝蓉是連續創業家也是夫妻，他們笑說自己創業創上癮，兩人走在路上就不停冒出各式各樣的創業點子，他們在BBS創業版上看到交大研究生林文康在徵求潔客幫創業夥伴，三人見面之後一拍即合，一個月內創辦公司，兩個月就合力把潔客幫網站弄上線，行動力十足。

##20幾歲小夥子如何說服家政阿姨O2O？
做線上家政媒合服務，第一個碰到的問題就是如何跟打掃阿姨打交道，這三個20幾歲的年輕人，從來沒有過專業清潔服務經驗，一開始光是說服打掃阿姨加入潔客幫，就困難重重。「阿姨們都40、50歲，我們才20幾歲，他們幾乎都沒有遇過這麼年輕的來管他們，一開始花了很多功夫在學習如何跟阿姨們溝通。」林文康說，現在他們跟阿姨感情好到半夜還會接到阿姨打電話來跟他們抬槓閒聊。

除了跟阿姨搏感情，潔客幫也釋出利多吸引清潔阿姨加入潔客幫。例如潔客幫阿姨的時薪是250元，遠高於一般清潔公司的待遇，而且幫阿姨搞定報稅，讓阿姨更有保障，若阿姨的清潔服務深獲顧客肯定，潔客幫還會發獎金留住優秀的阿姨，避免他們跳槽或跳單。

##預約家政服務跟訂電影票一樣
解決了服務供給者的問題之後，下一個問題就是如何找到需求，並且媒合兩者。點入潔客幫的網站，會發現預約家政服務的流程非常像是線上訂購電影票，網頁上會列出符合使用者時間與所在地的服務提供者，也可以看到每個阿姨的長相基本資料與評價，使用者只要填入家中坪數大小以及想要加強清掃的區域，系統便會自動計算完成清潔所需的時間，而為了保障阿姨的權益，使用者必須詳填家中是否有飼養寵物，使用者也不得要求阿姨進行危險或重度勞動的工作。

目前潔客幫每月接單量約400多，主要客群分布在台北與新竹，線上阿姨有50名左右，由於供不應求，今年預計增加到100名，為此三名創辦人還特地去上家政服務課，自行培訓更多清掃阿姨因應市場需求。「我們一開始太保守了，怕找阿姨來結果沒生意，會對不起他們，所以徵人徵很少，沒想到現在供不應求。」黃貝蓉說。

##家政O2O兩大難題：客訴與跳單
而所有線上家政媒合平台都會遇到的問題，潔客幫幾乎也都遇到了：客訴與跳單。一開始潔客幫常因客人投訴阿姨打掃得不乾淨疲於奔命，後來他們發現客人的乾淨標準其實因人而異，重點在於事前溝通確認客戶的期待，滿足客戶的預期心理，現在潔客幫的客訴率控制在2％以內，回頭率約3成。

而潔客幫處理跳單問題的方式更是出人意表：「我們鼓勵阿姨們在外面自己接單啊。」陳衍光說。一開始他們也以為跳單問題會很嚴重，沒想到阿姨們由於年事已高，通常不會為了區區幾塊錢與潔客幫鬧翻。林文康表示，阿姨會跳單是因為基本的生理需求都無法被滿足，但潔客幫的時薪較高，工時也比傳統清潔公司彈性，阿姨甚至會主動打電話跟他說有客人要長期訂閱服務。

潔客幫預計今年擴點到台中，並且於9月推出App，雖然囿於阿姨們通常不擅於使用智慧型手機，因此潔客幫還無法做到根據地理位置即時媒合家政服務，但未來潔客幫也希望仿效Uber模式，用家政清掃服務打開通往消費者家的大門，提供更多元的O2O服務。

(圖說：潔客幫三名創辦人（由左至右）：林文康、黃貝蓉與陳衍光。照片來源：郭涵羚攝。）

【創業教我的事】

記得潔客幫剛起步不到三個月的時候，有前輩對我說「這行業不是你搞得定的，趁你年輕趕快放棄再換下一個題目吧」，那時候的確遇上一些困難，而我們團隊如果不創業其實也可以在外面有滿好的offer，當時候心裡也會想：「我一個80年出生的年輕人怎麼管這些經驗老道的阿姨們？」公司狀況入不敷出，錢也沒有多少可以燒，一個客訴就可以讓我們心情鬱卒一整天。但我確信我們團隊做的事情方向與目標是正確的，道路雖然崎嶇，但只要我們決心與執行力夠，總有一天我們都可以克服這些困難！

【創業快問快答】
Q1. 服務的創意來源，是因為發生什麼事情而有這樣的想法？
過往尋找居家清潔流程繁雜，報價資訊不一，同時看到國外有類似創業題材，因此發起。

Q2. 最主要的客戶群？
主要TA為25-45女性族群(約占70%)，中高收入族群，具網路購物經驗

Q3. 就目前市場狀況，您認為貴公司服務的競爭優勢為何？
1.品質保障─基於平台存在的價值，我們針對每筆服務皆採回饋評價制度，若有不滿意的情況，例如偷懶或是物件損壞，查證驗收後屬實消費者可以得到賠償。
2.家政專業─並不是所有媽媽拿起抹布拖把就可以在平台上接案，對於過去曾待過清潔公司/管家的服務人員應徵，我們有SOP篩選認證；對於無專業經驗的人員，我們有課程教學以及實戰演練提升專業能力。
3.網路技術─減少傳統仲介流程，提升配對效率，直接提供點對點的服務，網路技術雖不是家事服務的核心競爭力，但其提供更好的使用者體驗。

【團隊資訊】
公司名稱：潔客幫
創立時間：2014年9月
團隊人數：4
網址：www.jackercleaning.com

@@ACTIVITYID:405@@

當資料不能離開企業，運算就得靠近：AI 先改寫儲存架構

AI 帶來的第一個變化，不只是運算能力提高，而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊，QNAP 身為資料安全的守護者，長期發展的是地端網路儲存設備（NAS），並擴展至 25GbE、100GbE 高速網路交換器產品線，提供完整的儲存與高速網路基礎架構。威聯通科技（QNAP）總經理劉文義解釋，當資料因合規要求或敏感度不能上雲，就必須留在靠近使用者與應用的地方；運算需求一旦增加，承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資，金融與保險業受到合規與法規限制，部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言，問題並不是雲端好不好用，而是一開始就沒有把核心資料全面上雲的選項。

真正讓更多企業回頭計算的，則是長期成本。劉文義指出，資料上傳雲端可能免費，下載卻會按流量收費；當企業把一年、兩年、三年的費用加總回推，可能會發現，購買一台同等容量的 NAS，還能使用 7-10 年。資料規模愈大、存取愈頻繁，總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載；地端則較適合高頻存取、對延遲敏感，或不能離開企業邊界的資料。企業真正要回答的，是每一類資料與任務應該放在哪裡。

依 QNAP 觀察，客戶過去關心的是需要幾 TB、幾 PB，或備份速度有多快；現在更常問的是，機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起，把公司發展定調在 AI 與高速網路的融合，試圖讓 NAS 從資料保存的位置，進一步成為資料被調用的位置。

當資料量持續擴大，搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例，當照片累積到 10 萬、20 萬張，要找出其中幾張特定畫面，已不可能只靠人工翻找。此時，能理解內容、接受自然語言指令的 AI 工具，會從加分功能逐漸變成必要條件。

從資料治理到地端推論：AI NAS 如何進入企業工作流？

AI NAS 不是「多了 AI 功能的 NAS」，而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察，目前客戶大致分布在一條導入光譜上。人數最多的一群，仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關，卻決定後續系統能不能找到正確資料、辨識版本，並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成（RAG）知識庫。RAG 並不是重新訓練一個模型，而是在模型回答前，先從企業的 SOP、合約、法規或技術文件中取回相關內容，再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用，協助企業建立私有知識庫；而走在最前面的少數企業，則已經嘗試地端推論與 AI Agent。

模型的選擇權，QNAP 刻意留給客戶。知識庫背後採用哪一個模型，可由企業依需求決定，不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定（MCP）相關能力，讓管理者透過自然語言查詢狀態、調整設定，並讓 NAS 成為 AI Agent 可調用的資料節點。

不過，劉文義沒有把這條路說得太容易。他坦言，目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用，可能需要約 300 到 800 TOPS，甚至 1,000 TOPS，因此多數方案會以 NVIDIA 顯示卡補足算力；一張卡約需新台幣 10 萬至 12 萬元，一張算不完，就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍，並不是大部分中小企業都能接受。」除了硬體，使用者還需要 AI 應用的 Know-how、程式背景與開發資源，這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中，一類是採用含有 iGPU 與專屬 NPU 的處理器平台，以一百多 TOPS 的範圍，可順暢使用 AI 應用程式；另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡，處理更大的運算量。

同時 QNAP 也在軟體端也持續開發，目標是讓 NAS 裡的資料更有效率地被 AI 工具調用，讓資料成為有價值的知識。

從規格走到現場：能源公司如何導入私有 LLM？

本地 AI 實際落地部署會是什麼模樣？劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫，但很快遇到兩個瓶頸：一是員工查詢時明顯出現卡頓；二是專利、技術與合約都高度敏感，高層不願上傳至公有雲，擔心機密資料會有外洩的疑慮。

後來，該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX，搭配顯示卡與全快閃 SSD，在地端部署私有大型語言模型，把數十年來封存的靜態檔案交給 AI 調用，進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間，核心機密也能留在企業內部。

這個案例說明，若任務範圍明確，有些應用不必動用雲端大型模型，地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同，導入前仍需要概念驗證（POC）與技術人員評估。

而且，資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值，是讓資料邊界與控制權回到企業手上；相對地，安全責任也會更直接地回到企業。

哪些企業現在該做，哪些再等？先看重複性與三個條件

能不能導入地端 AI，不只由產業標籤決定，也要看工作是否重複，以及場景能不能被清楚定義。劉文義觀察，第一批走進來的，除了受法規限制的醫療、金融與保險業，也包括利用地端 AI 加速資料處理的科技業，以及會計、律師等有大量重複文書工作的專業服務業，因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有　10　台、20　台機器，每台處理與儲存資料的 Protocol 都不同，需要相對應的儲存裝置；生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料，AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多，或重複性動作越多的產業，越容易透過導入 AI 提高工作效率。」反過來說，較傳統、人力密集，或仍高度依賴人工判斷的製造業，短期內未必能快速導入地端 AI。

依 QNAP 提供的資料，企業也可用「高頻、大量、敏感」三個條件做第一輪判斷：資料是否被頻繁調用？規模是否大到雲端傳輸與長期費用開始變得明顯？內容是否涉及個資、法規、智慧財產或商業機密？三個條件愈集中，地端部署愈值得評估；三者都不成立時，使用雲端 API 往往更簡單，也可能更划算。

可以先等的企業，大致也有三種。第一，資料仍分散、版本混亂、權限不清，急著上 AI 只會把混亂放大，先完成集中與治理，效率就可能先提升。第二，找不到一個具體且反覆發生的業務痛點，只因為「別人都在做」而採購，設備很可能變成昂貴的展示品。第三，使用量仍小、需求偶發，現階段雲端的彈性反而更有優勢。

因此，POC 不應只驗證「模型答不答得出來」，還要回答三個問題：資料由誰負責，誰可以存取？導入後能節省多少查找時間、傳輸成本或人工作業？正式上線後，誰負責資料、模型與資安維運？只有當效益與責任都能被量化，才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房，動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太，其中歐洲占比將近一半，而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證，並滿足 GDPR、HIPAA 等資料保護與法規遵循需求；累積至今，已售出約數百萬台裝置，協助企業打造智慧、安全的儲存方案。

至於普及時間點，劉文義提出一個明確的價格與效能交會點：地端應用若要順暢運作，運算量可能至少要達到 300 至 600 TOPS，甚至 800 TOPS，同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

「AI NAS 不是多了 AI 功能，而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言，地端算力成本高昂，QNAP 透過「算力分級」與開放模型架構，助企業逐步建構私有 RAG 知識庫與 AI 團隊。

圖／數位時代

「預測約兩、三年後，應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點，就會是 AI 落地最蓬勃發展的時候。」在此之前，企業真正能先做的，不是搶著買最大的模型或最昂貴的顯示卡，而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色：原油再多，沒有整理、提煉與配送的過程，也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力，而是誰的資料先準備好被調用。模型會持續更換，但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備，而是在資料必須留在企業內時，讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日（五）舉行，現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控，並安排 Live Demo，適合 IT 管理者、系統整合商與企業決策者參加。

活動地點：新板希爾頓酒店｜如意 AB 廳

活動時間：09:20–16:00

地址：新北市板橋區民權路 88 號 2F

立即報名：https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查，填問券抽好禮，倒數計時：https://www.surveycake.com/s/q4abw