創造未來的7大科技領航者|數位時代 BusinessNext

跟上趨勢，否則就被邊緣化

那麼，在這個轉折點上，一些指標性的公司，又是如何從變革中，創造更好的未來？在科技領域，可以看到不斷蛻變的脫穎而出者，引領著企業走向嶄新的未來，他們不僅創造了自己的未來，也帶動了新的科技趨勢發展。從NVIDIA創辦人暨執行長黃仁勳的人工智慧布局、Facebook創辦人馬克．佐克伯（Mark Zuckerberg）的新形態媒體定位、微軟執行長薩提亞．納德拉（Satya Nadella）的雲端轉型和Dyson創辦人詹姆斯．戴森（James Dyson）的電動車願景，都可以看到這種不斷自我革新的力量。

國際研究暨顧問機構Gartner大中華區資深合夥人龔培元認為，智慧（Intelligent）、數位（Digital）和網格（Mesh）三大技術都將在明年更加成熟，企業領導者和資訊長應該把技術放入2018年和2019年的企業策略規畫中，否則無法跟上趨勢的企業，會在激烈競爭中被邊緣化，甚至某些職位的適任性，到了2019年會被取代。

龔培元表示，2018年人工智慧將無孔不入地影響到各個層面，包含數位轉型帶來的便利、自動化的邊際效益及用戶體驗，進而達到人工智慧與技術結合的網格的邊際效益。

面對2018，全球市場研究機構TrendForce也做出預測，認為自動駕駛、智慧手機的生物辨識應用會有明顯進展，而汽車也將會成為人工智慧、機器學習等技術最主要的應用領域。未來，臉部辨識技術將不只是用來支援行動支付，也將延伸到AR等其他應用。特別是在今年，蘋果iPhone X採用臉部辨識取代指紋辨識，預計將會讓這個應用快速普及。有了指標性大廠加入，非蘋果陣營也蠢蠢欲動，估計生物辨識技術也會在智慧手機市場掀起波瀾。

此外，5G行動通訊技術的應用發展也值得期待。TrendForce指出，2018年物聯網時代會更加重網路負荷，下世代Wi-Fi技術將改善此情況。而藍牙透過網格技術加持，也將拓展到工業物聯網領域。估計到了2022年底，全球5G用戶數將到達5億。

金融泡沫和逆全球化仍須關注

不過，目前科技產業的繁花勝景也並非沒有隱憂。雖然在科技股推動下，美國股市不斷創歷史新高。但也有不少分析師指出，現今美股的繁盛狀態，讓人不得不聯想起1999年科技泡沫崩盤前的景象。另一方面，在2018年，以美國為首的逆全球化思潮還會繼續發展，此外，全球主要國家也出現退出量化寬鬆貨幣政策的信號，資本緊縮的狀況下，可能會導致金融風險。由於個別國家的變動也會為全球經濟帶來影響，因此整體的不穩定性仍然持續存在。

而在大環境變動之際，或許我們應該多加參考創新者的決策智慧，看看科技領航者面對挑戰時的思維模式，並且加以內化和應用。新的一年即將來臨，此時此刻，更該稍微停下腳步，好好思考。

生成式 AI 席捲各行各業，但企業導入後「開局精彩、落地失敗」的情況卻屢見不鮮。由於技術與業務脫節、導入週期冗長、人員無法操作等問題，許多專案難以發揮預期效益。2019 年成立的 Data-DI Solutions 看見這樣的斷層，提出「No Code AI + AI Landing」雙軸策略，專注解決企業在導入過程中的落地困境，協助中大型企業以可控成本與快速周期完成導入，帶動實際營運成長。

AI Landing，陪跑企業落地應用

「AI 不是萬能，要能發揮效益，企業必須先有系統化的資料與數位化流程。」Data-DI 解決方案顧問包威棣指出，許多企業導入生成式 AI 時，往往高估技術能力，卻忽略自身基礎建設與後續驗證的重要。AI 若要優化效率，前提是企業先具備穩定的資料與流程架構，否則就像在沙地上蓋屋，難以長久。

Data-DI 的解法，是以「AI Landing 陪跑計畫」協助企業跨越導入瓶頸。顧問團隊從需求定義、流程設計到上線驗證全程參與，協助釐清問題、建立可驗證的導入路徑。透過系統化的四步驟流程，企業可在五週內完成導入，並逐步培養內部使用習慣與評估機制。

包威棣以汽車集團的案例說明，Data-DI 透過 16 小時工作坊，讓員工實際參與 AI Agent 的設計與測試，最終使流程時間縮短三成。「當員工親眼看到效率被釋放，信任與採用意願自然就會提升。」他說。

創立六年來，Data-DI 以顧問式導入模式深耕企業市場，創下 90% 續約率與 120% 續費率，反映其服務在導入成效與信任關係上已獲市場驗證。

AltaBots.ai，實現 No Code 的 AI 應用

若說 AI Landing 解決的是導入成功率的問題，那麼 No Code AI 則打開了使用門檻。包威棣指出，過去 AI 專案常由工程師主導，但技術懂架構、不懂業務；業務懂需求，卻難以轉化為程式語言。「AI 要真正落地，就必須讓最懂現場的人能自己動手。」

因此，Data-DI 推出企業級 No Code AI Agent 平台 AltaBots.ai，即使非技術背景的人也能在拖拉介面中建立 AI 應用。該平台內建超過百種模板，涵蓋客服、行銷、營運與數據分析等場景，並支援主流大型語言模型串接與負載平衡，也協助企業控制 LLM token 成本。

包威棣強調，No Code 的價值不僅是節省開發時間，更在於「讓 AI 民主化」。業務人員最熟悉顧客與流程，當他們能自行建立並驗證 AI 應用，技術就不再是難以摸索的黑盒子，而能持續被優化與調整。Data-DI 也因此打造企業級 AI Workspace，讓團隊能共享應用、協作優化，使 AI 從個別專案進化為組織文化的一部分。

Alta.DI，從客服到行銷的整合式 AI 引擎

Data-DI 的另一核心產品 Alta.DI，則將 AI 能力延伸到顧客服務與行銷前線。平台整合 LINE、Facebook、Instagram及網頁對話框等多通路訊息，協助企業處理大量客戶互動。系統採用 RAG（Retrieval-Augmented Generation）技術與 AI 反問機制，能理解語意並即時優化回覆，避免錯誤生成或資訊不一致。平均來看，AI 可處理高達八成重複問題，搭配 AI Copilot 工作台進行自動派單與知識優化，整體客服效率可提升約五成。

包威棣舉例，旅遊業者在旺季期間客服需求暴增，AI 能即時回覆行程、簽證或退改政策等常見問題，真人客服則可專注於客訴或特殊情境處理。日本社交平台客戶的例子更為明顯，過去近半人力都用於回覆重複問題，導入系統後有八成以上由 AI 自動應答，客服人員得以轉向更具價值的溝通。

與傳統 Chatbot 不同，Alta.DI 不是依賴關鍵字或預設選項，主要靠理解自然語言與上下文意圖；另外，也有 AI 標籤功能，例如偵測到詢價行為時，AI 能自動加註標籤並轉交真人客服報價，讓轉接更即時、更精準。

「企業要做 AI 轉型，首先要讓決策者有信心。」包威棣強調，這些案例也顯示，AI 導入必須與企業策略連結；當企業看見實際成果，不僅決策者會更有信心，也才有機會進一步培養組織內部的使用習慣。

他觀察，2024 年後企業對 AI 的信任度明顯提升，越來越多公司願意編列預算，嘗試讓 AI 與營運流程深度結合。因此，Data-DI 也鼓勵企業採取「小步快跑」策略，從具體場景驗證成效，再逐步擴大應用。

展望未來，他也以「整合」與「習慣」兩個關鍵字描述企業級 AI 的方向。整合，意味著 AI 不再是外掛工具，而要嵌入既有工作流程；習慣，則代表使用者的信任逐步養成。「當員工真的習慣使用 AI，產出自然會更好。AI 和人的關係也將從輔助變成共學。」