[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。）

AI 與數據正快速落地至各行各業，從製造、金融、電信、醫療到零售，應用速度不斷加快。但在每年交易規模至少新台幣 1900 億元的商用地產領域，卻長期受到數據破碎且不透明的限制，只能仰賴人力蒐集資訊，再憑直覺和經驗去解讀資訊、做出決策，使 AI 潛在價值難以真正發揮。為回應產業轉型的核心痛點，方睿科技首度舉辦「商用地產生態系年會 2026 Raise Day」，以開放式平台為核心，串聯專業地產服務商、空間相關企業服務商、產業專業人士等多元角色，勾勒出 B2B 企業服務生態系的全貌，希望能透過科技促進數據流動，為商用地產企業協作模式開啟新的可能性。

方睿科技雙軌策略，讓 AI 成為商用地產的決策引擎

方睿科技創辦人暨執行長吳健宇指出，在 AI 時代，人應該專注於「最有價值」的工作；然而在商用地產業中，專業人士卻有約 70% 的時間耗費在資料蒐集與整理上，真正用於判斷與決策的時間僅約 10%。方睿科技希望翻轉這樣的時間分配，讓人力從低價值的資料處理中解放，將更多心力投入在判斷、溝通與決策等創造價值的商業活動。

為此，方睿科技提出兩條實踐路徑。第一條是建構出具備完整性、易用性與進化性的商用地產智慧平台，運用 AI 技術，將過去產業中破碎、非結構化的資料，重塑為可被運算、可驗證的標準化數據，並結合圖表與互動式介面，讓使用者能夠快速得到完整市場資訊，實現「用戶即專家」的目標。

第二條則是推動生態系聯盟，將不動產視為企業服務的核心載體，串聯設計、家具、搬遷、清潔等多元服務夥伴，使空間不再只是靜態標的，而是承載案例、服務與數據回饋的生態系節點。透過生態系夥伴累積的實務資料與服務紀錄，平台得以發展「資料即推薦」模式，推動商用地產從單點交易，邁向可擴張的 B2B 服務網絡。

獨創「資料飛輪」機制，實現用戶即專家目標

在 AI 模型日益普及的當下，真正的競爭關鍵已不在模型本身，而是能否有效率地收集資料、提高資料品質，並將其與實際決策流程緊密結合。為此，方睿科技獨家設計出一個由「資料收集、資料精煉、專家把關、決策反饋」組成的資料飛輪，回應商用地產長期面臨的資料破碎與決策效率低落問題，成為方睿科技實踐願景的第一條路徑。

方睿科技技術長郭彥良進一步說明，資料飛輪機制的運作架構。首先在資料收集階段，必須系統性蒐集公開資料、內部檔案與報告，並透過 AI 協作將圖片等非結構化資訊轉換為可用的結構化數據。接著進入資料精煉，透過資料清洗與實體對齊，將原始資訊從單純的可閱讀升級為可比較、可推論的決策依據。第三步專家把關，則引入不動產專家進行校正與產業判讀，補上模型難以理解的規則與慣例，確保關鍵數據的正確性。最後的決策反饋階段，藉由收集使用者提問與行為，檢視現有資料是否足夠精準，再回到專家校正與補齊流程，使整個系統能隨使用頻率提升而持續進化。

在資料飛輪的運作基礎上，方睿科技正積極研發商用地產智慧平台 PickPeak。郭彥良表示，PickPeak 並非單純的物件搜尋工具，而是結合深度資料與 AI 的決策輔助平台。使用者可透過自然語言互動，提出人數、預算、區位、產業屬性等多重條件，再由系統動態生成可比較、可驗證的選址方案，真正將 AI 從「回答問題的工具」，轉化為「陪伴決策的數位專家」。

創新 Data to win 模式，讓 AI 深入商用地產各階段決策流程

不過，單靠數據整合與 AI 應用仍不足以支撐產業全面升級，因此，方睿科技提出的第二條路就是，推動產業生態系聯盟，整合商用地產市場上不同角色的數據，讓 AI 能夠真正成為商用地產決策時的智慧引擎。

方睿科技不動產知識創新中心總監曾凡綱指出，目前在企業、房東或物業主與各類服務供應商之間，缺乏有效的整合機制，導致企業在選址與空間規劃過程中，難以快速找到真正合適的服務與解決方案，形成明顯的產業斷點。

為解決這些斷點，方睿科技提出「Data to win」模式，以資料取代傳統「Pay to win（付費買廣告）」思維，讓真正具備經驗與實績的服務夥伴，在適當的決策節點被看見。

曾凡綱說明，在廣告投放效益越來越低的情況下，企業服務商面臨的問題已不只是「如何曝光」，而是「如何在對的地方被看見」，這將是未來的市場勝出指標；而 Data to win 正好可以協助企業服務商建立此能力，方睿科技將生態系夥伴所擁有的案例、服務紀錄與產業知識等資料，經過去識別化與結構化處理後，再嵌入企業決策流程中，讓推薦不再來自廣告投放，而是真實、可被驗證的使用經驗，透過這樣的機制，不僅提升企業決策的準確度，也能同步放大生態系夥伴在合作中的實質價值。

舉例來說，方睿科技整合辦公傢俱夥伴 Backbone 班朋實業長期累積的辦公室規劃案例與平面圖資料，讓企業在選址階段，就能同步評估空間規劃方案，加速決策流程。又如，整合出行服務夥伴 USPACE 悠勢科技的服務資料，並呈現在地圖上，協助企業評估辦公據點的交通便利性，優化員工日常通勤與出行體驗。此外，平台也可整合大樓的 ESG 認證、公共設施與服務層資訊，協助企業快速篩選符合需求的辦公大樓，提升進駐媒合效率。

「Raise Day 只是這場變革的起點。」吳健宇強調，方睿科技已經透過投資與合夥模式，將布局延伸至專業地產服務與空間經營領域，至今旗下已有商用不動產仲介、顧問與估價等專業服務的宇豐睿星，以及聚焦商用地產代銷市場的希睿創新置業。透過直接參與第一線實務運作，方睿得以更深入理解產業真實痛點，讓科技不只是工具，而能真正回應實際決策與服務需求。

此外，方睿科技未來也將持續擴大「商用地產 x 企業服務生態系」聯盟，目前包括 Backbone、USPACE、IKEA For Business、潔客幫等企業服務夥伴已率先加入；接下來，方睿科技將邀請更多擁有關鍵數據與專業能力的企業服務商加入，讓數據在安全、可控的前提下流動，進一步釋放商用地產在選址、營運與企業服務等全生命週期中的結構性價值，為產業轉型啟動下一個關鍵階段。