6個關鍵指標和5個成功案例，一次掌握聊天機器人熱潮！|數位時代 BusinessNext

國內指標性的電商momo在2016就喊出今年第一季就要推出聊天機器人，將電子商務層級提升到「電商服務戰」；國外知名品牌Uber、H&M、Sephora甚至是Burberry等眾家品牌，都已經使用聊天機器人（chatbot）技術，來提升更客製化的內容！

看到這裡，你以為這麼酷炫的技術和你沒有關係嗎？如果你是創業者或自己當老闆的人，可千萬不能錯過聊天機器人！聊天機器人早已逐漸被消費者習慣，根據eMarketer指出，2015年已有1.4億的人和聊天機器人互動，隨著這股熱潮，《Forbes》報導，越來越多品牌開始使用AI人工智慧，來嘗試和消費者互動以提升品牌好感度。

聊天機器人到底是什麼？帶來的效益為何？有哪些國外的聊天機器人案例值得我們學習呢？

聊天機器人到底是什麼？為什麼我們需要了解？

根據《The Guardian》報導，「聊天機器人指的是透過人工智慧的方式，電腦程式模擬和人類互動的對話，不管是一系列的自發性任務（self-initiated task）或是類似對話的體驗，透過人工智慧的優化，都可逐步改變人們和網路互動的方式。」

至於聊天機器人有何吸引力呢？Entrepreneur指出它的用途可以非常的廣（versatility），它可以提供多樣化的客戶服務、與客戶互動，並可在很多廣告和行銷的重要渠道（Top of the funnel）中扮演重要功能。

聊天機器人的效益為何？為何是未來的趨勢呢？

聊天機器人在科技上突破的能力、客製化和個體性等各種特性，讓聊天機器人的發展更趨完整，聊天機器人行銷（Chatbot marketing）無疑是下一個吸睛的重要熱潮！到底聊天機器人的效益為何呢？以下分別以「數據面」和「App發展現況」來談吧！

數據面現況

根據Pypestream和Scripted報導，正因為以下這幾個關鍵指標，讓聊天機器人前景看好：

2017年預計會有28.2兆則訊息會被發送，比起2012年的14.7兆可說是雙倍成長！
行動通訊（mobile message）開啟率有將近98％，比起22％的e-E-mail使用率來說可說是指數般的增長。
全球最常用的App中，通訊App（Messaging App）就佔了6個，可見訊息型App的優勢和高度使用率。
通訊App的留存率（Retention Rate）比起其他類型的App高出雙倍！通訊App在用戶的手機中如此活躍，更顯得聊天機器人的地位和功能性，可說是站在一個絕佳的位置發展。

APP發展現況

此外，就整體的App使用狀況來看，聊天機器人的前景更是看好。

1. 通訊App比起社交App活躍用戶高出許多

來自AdWeek.com的社媒專家托曼切克（Jim Tomanchek）指出，「前四大通訊App如Facebook的WhatsApp和Messenger、WeChat和Viber就佔了將近30億用戶。

此外，研究顯示用戶對於通訊App忠誠度高許多，至少通訊App是處於一個「總是使用中的狀態（always on）」，使用者平均一天使用通訊App九次，平均使用其他App五次；以下載App後一個月的留存率來看，通訊App為68％，比起其他App的38％簡直高出一倍。

2. User對於單一App的使用逐漸感到疲乏

根據《Recode》報導，App的熱潮可說是幾乎結束了。SensorTower的app tracing數據顯示，2016年5月前15個app publisher的平均下載率下滑了20％。另一篇Recode的報導指出，在2016年9月50％的美國智慧型手機用戶一個月下載不到一個App。

通訊App的機器人越來越熱門，對應的現狀是「其實消費者對於需要逐一下載不同公司的App『感到疲乏』」，《NYtimes》指出這個現象，「許多大品牌一直以來致力於推動自己的App，希望優化它的購物和客戶服務功能，然而部分消費者對於這種個別公司推出的App已經逐漸感到疲乏。」

此外，Forrester調查指出，大部分每天花超過四分之一使用手機App的美國用戶，只會聚焦在數個主要的社交和聊天App上。

整體而言，消費者對於行動裝置上的App使用趨勢越來越聚焦，而通訊App對於消費者而言是相對來說留存率高非常多的App，品牌要想找到和消費者互動、對話的最佳管道，聊天機器人絕對是一個效率和效益上而言，都非常重要的一環！

聊天機器人該怎麼運用？5個經典的聊天機器人案例分享

Uber

在Messenger中的Bot運用，Uber算是蠻早期就加入的品牌，讓你可以在對話中，點選地址就能叫Uber，使用者也可以透過和Uber Chatbot對話，來得知現在的叫車狀態！

Sephora

去年國外指標性的彩妝品牌Sephora，在熱門的通訊App Kik上開發了Sephora chatbot。透過與消費者進行簡單的問題，鼓勵消費者提供更多資訊，好讓聊天機器人可以對消費者提供「更客製化」的彩妝建議、產品推薦和評論，此外，Kik使用者可以在kik App中，即可購買聊天機器人推薦的產品，導購力和客服力都更加提升！

雖然Kik Chatbot的體驗，可能和消費者實際在Sephora店裡感受到的真人親切服務有些落差，但Sephora表示，Kik對於他們鎖定某些客群仍然是非常適合的！

「透過我們和Kik的合作，我們有更多機會和新的客群、既有的客群互動，特別是時常使用手機的Z世代、年輕的千禧世代，透過這樣有趣的方式來保持聯繫。」聊天機器人的體驗，一定會隨著整體的優化，結合人工智慧科技的進步越來越提升，這個案例則是將聊天機器人的領域，增加更多人性化的服務。

Digital Health領域的新興公司HealthTap，運用Facebook MessengerBot讓使用者和超過10萬個醫生接觸，進行初步詢問。其中，Bot可以透過暸解使用者的問題，找出使用者可能想詢問或已經問過的問題，將這些資料匯集起來，當使用者問到相關的問題，就可以提供答案，也有效過濾一些重複性的問題，降低醫生的負擔。

Burberry

看過運輸產業甚至醫療產業後，沒想到聊天機器人也開始在精品業發揮身手啦！

透過Messenger上的工具，你可以觀看購買商品、查詢分店地址等基礎的客服服務，也可以進一步點擊Live Chat選擇和真人客服對話！服務可說是奢侈品產業中相當重要的一環，聊天機器人的發展也逐步踏入這塊，接下來就看看市場反應囉！

Icelandair

Iceland Air採用Messenger Bot讓消費者可以透過幾個按鈕，就可以即刻處理訂票的各種需求，詳細的影片請見此！

結論

大家看了這麼多的聊天機器人有沒有蠢蠢欲動啊？趨勢不斷的往前邁進，透過許多的數據和調查顯示，聊天機器人已經不只是未來趨勢，幾乎已經是發生中的現在式囉！你對於聊天機器人有什麼看法呢？已經決定要開發一個來試試看了嗎？

編按：本文參考自數位時代; mobile marketer; Guardian; entrepreneur; forbes; pypestream ; scripted; CIO; mwpartners; Recode1,2; NYtimes; econsultancy

《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。）

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