[AI洞見]AI產業化還是產業AI化？我對於AI應用的看法|數位時代 BusinessNext

AI的研究已有50多年，近年在大量資料與機器運算關鍵技術突破等因素下，AI在應用上有極大的進展，其中最熱門的應用有無人車、AI醫療、AI金融與AI農業。

AI的突破，最有名戰役堪屬AlphaZero，下棋下到天下無敵，事實上，AI也可以用來玩video遊戲呢! （筆者30年前用一台PC接攝影機對著另一台PC控制它的鍵盤，玩Tetris，也算做過AI吧?!）。

AI的應用包羅萬象，例如：科學家用AI找其他太陽系行星，警察用來判斷嫌疑犯有沒有說謊，用臉部辯識為門禁把關，作家用AI幫忙寫哈利波特續集大綱，AI還可以寫現代詩集，作曲，編電影短片的劇本，維基百科用AI輔助編輯，AI報導體育新聞，AI作即時翻譯。

對於一般人的日常生活，AI也有許多用途，例如: 購物網站很久以前就用AI推薦產品了（最新的AI還可以對於同一個推薦商品，依據不同的客戶，用不同的推薦圖案），客服機器人（Chatbot），求職網站使用AI做職業配對，會計師事務所用AI大量閱讀合約，節省稽核人員的時間。在選舉期間，AI也被運用來預測某一地區政黨投票的傾向，AI的應用真是到了演化史上「寒武紀大爆發」的年代。

活下來的AI公司

有一部電影的名言，「生命總會找到出路」，可是事實上，地球從有生命以來，99%的物種都消失了，現今的AI新創公司很多有可能會消失，就像2000年的網路泡沫。

可是，就如同地球上的生物，絕種的雖然很多，存活下來的物種卻是越來越聰明，其中最聰明的物種──人類──主宰了整個地球，由此讓我們聯想會不會將來AI存活下來的新創公司，將主宰了整個產業？

這是有可能的，但是機率很低，因為像Google跟Facebook這類的Internet巨人一定不會讓這種事情發生，不但如此，他們正在大量網羅世界上頂尖的AI工程師，讓自己再次走在新科技的浪頭上。

現在AI的新創，跟2000年的新創所面臨的產業與環境的挑戰確有其相似與相異之處，相同的是沒有獲利但是估值很高，但不同的是當今的產業巨人，已經在做很多AI新創公司的事情（甚至我們可以說是模仿）。可以確定的是，當年的Internet幾乎影響了所有產業，現今的AI應該也很有可能。

+AI比較可以找到「獲利」的應用

所以什麼樣的AI新創會留下來? 什麼樣的AI應用會變成殺手級應用？很簡單，可以獲利的應用，可以「持續」獲利的應用，就能存活下來。

本夢比是一時的，夢醒了，還是要付帳單啊？目前號稱AI的新創公司大部分都還在燒錢的階段，沒人知道何時會獲利，甚至開始獲利以後，可以維持多久的獲利？

這種以AI新創為主，找到應用然後公司開始成長，我們稱之為AI+，也就是AI產業化，相對應的就是+AI，也就是「產業AI化」，筆者認為+AI是比較可以找到「獲利」的應用。

譬如筆者所在的公司趨勢科技，全球最大的資安公司之一，就很快的把AI的想法跟技術，應用到公司的產品跟經營。我們利用機器學習來找垃圾郵件，辨別惡意檔案，網路異常流量分析，甚至，我們用機器學習來加強我們對客服的經驗，預測客戶流失的機率等等，這種+AI的模式（把新科技導入公司），對於台灣產業是比較可行的方式。

把機器學習導入公司某個產品或營運，不用開工廠做生產線，即使失敗了影響也不大，就算剛開始的成果不如預期，加入更多的數據，仍有很高的機會把成果提升。這種開發成本不高，成果可以持續改善的專案，對於台灣的企業應該是最佳的AI應用方式。

至於怎麼樣可以在公司內部找到可以AI化的產品或應用呢？

建議先參考別人已經在做的事情，譬如客戶流失預測、產品推薦預測、銷售目標預測、產品瑕疵預測、線上客服經驗提升，若是想做一點跟別人不一樣的，可以看看公司內部的營運有沒有已經有很多數位化的歷史資料，簡單用一下公有雲上的機器學習模型做個簡單的預測，配合原來流程，再與既有資料相互驗證，就知道有沒有幫助了。

由於很多資料科學家跟工程師正努力把機器學習門檻降低，在加上Internet上面也有很多範例，一般企業應該是有機會獲得AI的能力做到+AI的。

我們就不要做AI+了？

AI+需要投入大量的技術研發，加上何時獲利的未知，所以是不是我們就不要做AI+了？

筆者認為要做可以，但是要挑著做；譬如無人車，投入成本高，法律規範多，回收期未定，國外大公司以經建立技術門檻，很難跟他們競爭。又譬如臉部辨識（或影像辨識），國際上很多這樣的比賽，中國隊伍總是有著非常亮眼的成績，在加上他們資料量大，辨識率一定比別人好。

「AI醫療」跟「AI金融產品預測」應該是台灣最有機會的領域

筆者認為「AI醫療」跟「AI金融產品預測」應該是我們台灣最有機會進入的產業領域，因為我們有全世界最好的健保系統，有大量的資料，一個等者科學家去挖掘的大金礦，一旦有成果，對大眾健康，社會成本等等，有著巨大而正面的影響。

至於「AI金融產品預測」，很多資料也都公開，即使沒公開的也買得到，如果我們可以做出「金融商品神預測」，那得到的利潤將將是十分可觀的。這兩個方向有幾個共通點: 市場超大，可以容納較多廠商；利潤超大，可以持續進步跟擴張；賣到全世界，不用擔心台灣市場太小；投入成本相對小，我們可以跟目前的產業巨人競爭。

結語

過去台灣有很多優秀的AI人才被國外其他公司重用，如果台灣本身就可以有產業讓他們在地發光發熱多好！期許不管是AI+或者+AI，台灣能夠在這次AI的浪潮上，再攀高峰，再造奇蹟。

《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。）

在 AI 快速進入企業營運核心的時代，數據不再只是被動的分析素材，而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據，例如會員資料、交易紀錄以及線上與線下行為數據，但因這些數據分散於不同系統，缺乏統一的身分識別機制以及明確的元數據（Metadata）定義，導致難以整合與分析，同時，也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰，Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務，如 Audience Center 與 AI Agent 等解決方案，並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程，從資料清理到 AI-Ready 再到落地應用，讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化，大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎，以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設？

Vpon 威朋數據科學經理廖宜楷指出，在 AI 驅動的時代，數據的品質決定模型價值。其中四個關鍵分別是：建構標準化的數據採集與處理管線，透過統一的工程規範，確保所有進入系統的數據在格式、維度與質量上具備高度一致性；其次是定義語義清晰的元數據（Metadata）體系，確保數據能夠被 AI 理解與使用，從而產出具備可靠性的產出結果；再來是打破企業內部的「數據孤島」，透過完整整合線上（Web/App）行為與線下（POS/CRM）會員資訊，建構全方位的會員數據輪廓，精準捕捉消費者的跨通路行為軌跡。最後，數據的價值隨時間遞減，AI 的決策品質取決於數據的「新鮮度」，因此，數據的持續更新與自動化維護，不僅能讓企業在動態市場中保持敏銳，還可進一步深化會員輪廓分析的即時性。

舉例來說，在 Vpon 團隊的協助下，台灣百貨零售龍頭透過整合 Web 與 App 行為資料，並將線上與線下數據集中於數據中台進行分析，將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應，並基於此高效率基礎，進一步開發不同業務主題的預測與分群模型，提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實：Audience Center 如何賦能企業實現「數據即戰力」？

有了堅實的數據底座後，下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出，在變化快速的零售與數位行銷市場中，速度就是競爭力。然而，仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去，當行銷或業務人員需要數據支持時，通常得花費繁複的內部流程申請需求、討論需求，才會進到後續的資料清理、建模與分析，最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程，不僅拖慢了決策效率，更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程，將數據處理轉化為數據服務，透過直覺的介面與背後扎實的數據基礎支撐，讓非技術人員不用編寫程式碼，即可自行組合維度，大幅縮短從需求到執行的距離，將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入，不僅有助於提升效率，更賦予企業快速試錯與精準捕獲趨勢的能力，讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

以 AI Agent 重塑數據使用方式，讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度，更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示，在數位轉型的過程中，許多企業面臨的挑戰不僅是數據整合，更包括如何讓不同部門的人員都能更即時協作與應用數據，有鑑於此，Vpon 推出四種 AI Agent 協助企業分析與應用數據，極大化第三方數據成效：

第一，以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表，即時掌握市場動態，加速決策下達與決策品質。

第二，透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限，可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三，藉由 Audience Agent 將客戶分群方式從規則導向（Rule-based）轉變為關聯導向，以關聯分析擴大受眾範圍，協助品牌找出更多潛在客群。

第四，推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因，釐清受眾喜歡的素材跟不喜歡的素材，藉此優化廣告投放內容，持續提升轉換率。

陳文謙表示：「透過 AI Agent 的輔助，品牌不僅能更快完成數據分析，也能將分析結果直接轉化為行銷策略與創意建議，降低跨部門溝通成本，讓數據真正參與決策流程。」

鏈結數據生態夥伴，以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率，Vpon 也持續拓展數據生態圈，協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示，跨境行銷過去多仰賴經驗與市場直覺，但透過數據整合與 AI 分析，品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明，透過雙方的獨家合作，企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源，深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型，以及不同客群的價格敏感度與回購行為等，將行銷決策從過往的經驗判斷轉變為精準的數據洞察，成為品牌出海的重要工具。

簡言之，對零售品牌而言，跨境數據是理解海外旅客真實樣貌的一大利器，也能進一步優化廣告投放、內容策略與商品布局，讓品牌在拓展國際市場時，可以更有效率地接觸潛在客群，放大行銷效益。