聊天機器人與聲控機器人不是救國良藥
聊天機器人與聲控機器人不是救國良藥

聊天機器人(Chatbot)和聲控機器人(Voicebot)潮流大興,台灣方面自然也隨風起舞。

而這類機器人(Bot)的應用也被廣為報導,如Facebook的聊天機器人數量大增;語言學習平台Duolingo推出聊天機器人;而這些機器人相關公司與新創團隊也不斷擴增版圖。同時,大公司如亞馬遜、Facebook和Google也都與創投聯手,開始推出以聊天機器人為主題的創業加速計畫,如這個、這個與這個。當然,台灣也有不少新創團隊開始議論是否應該趁早切入聊天和聲控機器人領域,也有許多開發者已經動手開發產品。

但是,聊天和聲控機器人真的會翻轉科技業經濟嗎?讓我們一起看下去。

Bot不是一種產業

Bot究竟會不會顛覆現在的App經濟呢?

答案是:言之過早。

首先,在討論Bot時,太多評論者犯了兩大謬誤:

第一謬誤就是將Bot與人工智慧搭上線。 事實上,不管是聊天機器人還是聲控機器人,所謂的Bot都只是一個接收訊息(輸入、輸出)的介面罷了,並不代表其真的運用了什麼足以掛齒的「人工智慧」技術。比如說,計算機聊天機器人、縮短網址機器人和翻譯機器人,都只是將一些稀鬆平常的API透過簡訊的形式呈現,跟人工智慧通常是兩條平行線,沒什麼必要地交集。

第二謬誤就是把Bot本身當作一種產業別來討論,過度神化Bot的價值。 Bot本身就好像是一台載具,這載具並沒有天生的社會和經濟價值,必須要為某種產業服務,才有商業上的意義。

重點來了,科技業其實沒有所謂的「Bot」公司,金融科技依然是金融科技、教育科技依然是教育科技、醫療科技依然是醫療科技,聊天機器人本身並沒有價值,新創公司也不會因為為自己打上「Bot」的標籤馬上就可以無中生有。

同時,聊天機器人疑雲尚未明朗,但是其警訊大部分科技人卻選擇充耳不聞:當許多美國知名創投與加速計畫都專注於產業化,積極與各種民生與傳統產業接軌的同時,亞馬遜和Google卻出手闊綽,合作協辦不少「專注於技術規格,卻沒有具體產業別與商業模式」的聲控機器人新創培育計畫。

在許多科技新創人眼裡,或許會以為為了新的技術規格和通訊介面,大手筆輔助相關新創公司是一件好棒棒的事情。

但事實而言?教育用聊天機器人、醫療用聲控機器人、金融用聊天機器人等新創公司之間除了都有「機器人」的介面以外,商業模式和營運模式都完全不同,把這些公司全部塞到同樣一家加速計畫中其實一點意義也沒有。

這顯示目前整體趨勢而言,聊天和聲控機器人還是相當茫然,而且在短期內恐怕不會得到紓解。

Bot在B2C與B2B的商機盲點

若要討論聊天與聲控機器人的產業應用,我們可以先從B2C(消費者用)與B2B(企業用)兩塊去探討。而不諱言,在兩大市場中,Bot前景的阻力仍多過助力。

先看看B2C。

B2C的Bot概念,一般都是透過Facebook、Twitter、LINE、WeChat、簡訊等訊息平台,以及Alexa、Google Home等聲控平台來與消費者互動。經過一番造神運動,許多人相信這些訊息和聲控平台將會取代現有的手機App,讓人只要用自然語言就可以完成現在呼叫Uber、簡易計算機、查看天氣、訂外賣等工作,一切都會更便利。

有夢是很美沒錯,但不要與現實脫節。B2C聊天與聲控機器人光從作用上就可以看到以下商業上的障礙:

首先,這些機器人所使用的通訊平台,原本就薄利多銷(甚至無利多銷)。 使用者對於付費的意願較低,先天市場條件就不理想。即便是Alexa、Google Home等家用聲控平台,其利潤也是來自於電子商務,而非軟體應用。

第二,聊天與聲控機器人的通訊平台本身設下了不小的商業化限制。 如Facebook對於聊天機器人在置入性行銷上的應用仍有諸多限制;而Alexa與Google Home上的聲控機器人必須透過其平台上的Skills商店才能上架。美其名是「商店」,但Skills商店上發行的Bots都是免費的。

除此之外,若要在金流和資訊上有更高的自由度,Bots仍需使用者在第三方開發者平台上先註冊(例如Nest的Alexa Skill就要求使用者必須要先上Nest網站上註冊才能夠使用Skill),因此不論在上架流程還是商業化過程上,聊天與聲控機器人都面臨極大的阻力。

最後, 聊天與聲控機器人最大的致命傷仍在於其介面。 雖然說自然語言是人類最自然的溝通方式,但大部分的溝通仍仰賴多維度(平面以上)互動,以及多媒體與文字的相輔相成。

目前許多聊天機器人的功能只能說是App的部分功能(如Amazon Alexa的購物功能只是Amazon Shopping App的一小部分),而當大部分的App本身都是免費下載並採用升級付款制度時,功能更蹩腳的聊天機器人,幾乎不可能突然突破各種網路服務平台的商業化困境、創造新產值。

再來,討論到B2B聊天機器人時,其面臨的商業化困境雖然沒有B2C嚴重,但是卻也面臨許多難題:許多B2B的產品對象都是高階使用者(Power User),大多數的B2B軟體不會使用自然語言,反而還會使用更多的圖表、試算表等量化分析工具來輔助提升工作效率。

由此可見,許多現在的聊天機器人新創,不管是金融科技的銀行餘額查詢和投資管理機器人,還是協助管理備忘錄和行事曆的機器人,很快地都將受限於其自然語言的溝通介面,並不適合高效率和高複雜度的企業工作環境。

在B2B環境中使用聊天機器人,只能說是輔助,而難以成為核心。

Bot的成敗關鍵不在Bot,而是在服務

聊天與聲控機器人至今輿論最大的盲點在於其過度專注於「機器人」,卻藐視了「服務」的核心。

說穿了,今天要學習語言,Duolingo的聊天機器人核心仍然是Duolingo;要叫車,其服務核心仍然是Uber和Lyft;若是要線上訂餐,利基仍然是由Seamless Grubhub掌握;論及個人金融管理,前提仍然是銀行與金融機構擁有多元且成熟的服務平台。

整個聊天機器人和聲控機器人的版圖,只能說是網路服務經濟的另一面向出口,而非什麼新產業的崛起。就好像過去的單機防毒軟體、單機繪圖軟體、單機通訊軟體,在2000年後紛紛被搬上雲端,而又在2010年後紛紛在App商店中上架。業務的模式和管道改變了,但是成功的前提還是要有服務的價值核心。

所以說,Bot不會是台灣新創環境的救星。

當大家看到Bot潮流不斷地跟風鼓譟時,請冷靜思考:台灣網路新創不論線上購物、線上訂餐、線上學習,還是線上通訊等領域,在亞洲都已經難以立足,更甭談到世界舞台競爭。服務的核心競爭力都已經疲軟,跟著做聊天機器人、聲控機器人,也改變不了現狀。

最終,聊天與聲控機器人的版圖,仍是世界級網路服務平台的舞台。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

關鍵字: #Chatbot
往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓