新版LINE官方帳號將登場，開放三款全新API、改變計費模式|數位時代 BusinessNext

為了創造更好的個人化服務體驗，許多企業紛紛導入聊天機器人（ChatBot）技術，LINE為擴大商業應用，在2018年的LINE Taiwan TechPulse開發者大會上，透露將推出全新版本的「官方帳號」，開放不同的API（應用程式介面）供串接，讓企業能發送更加客製化的資訊給客戶。

此外，LINE也將開放台灣開發者將可以使用Clova的「聊天機器人引擎」，以及「NLU（自然語言辨識）API」來訓練與開發聊天機器人，最後LINE也預告將整合旗下服務的所有用戶數據，整合平台的行銷資源，更在地化深耕台灣市場。

「以量計費」新版官方帳號2019年登場

LINE@是許多企業品牌經營社群的重要管道之一，LINE平台新創事業暨產業開發部總監陳鴻嘉透露，2019年將推出「官方帳號2.0計畫」，跟過去最大的不同是不必再經過審核就能申請，且採用「以量計費」模式，用多少功能付多少錢，讓無論大企業、小企業都能有合理的使用成本。

為了要讓企業應用走向客製化，LINE工程師Yvonne Wang介紹了三個全新的API，首先是「Quick Reply API」，開發者可以幫用戶設想可能會用到的幾個回覆答案，透過快捷鍵的設計，讓用戶不需要打字輕輕一按就能一鍵回覆，這款API不僅讓用戶更便利，對開發者來說，也能省去做語意分析的麻煩。

ChatBot可以將人類從重複性極高的初階客服中解放，就能讓人力去處理需要複雜判斷的客服事件，讓「人」跟「機器」都能發揮最大的效用。

當ChatBot無法處理客服問題時，傳統的作法是會提供電話號碼，讓客戶自己播打轉接人類客服，過程需要不斷跳轉頁面使用起來並不便利。「Call API」的功能，可以做到直接在聊天室轉接網路語音通話，也就是透過LINE官方帳號直接打給人類客服接手，讓所有需求在同一個頁面中完成。

最後，為了不讓用戶被訊息轟炸，「Custom Audience」可以傳送客製化的訊息，以發送「分眾」訊息的方式，讓用戶只接收到自已真正需要的資訊，未來商家在投放廣告時也能更加精準。總監陳鴻嘉透露，新版的官方帳號預計2019年第二季就會在台灣推出。

海外唯一設有工程團隊的辦公室，LINE在地化深耕台灣市場

為了提升ChatBot滿意度，讓對話體驗更有「人味」便是一大關鍵，然而目前LINE Messaging API無法處理自然語言辨識，中小型企業若要自行開發也不太可能有資源跟時間。LINE平台新創事業暨產業開發部總監陳鴻嘉宣布，未來台灣開發者能使用Clova的「聊天機器人引擎」，以及「NLU（自然語言辨識）API」來訓練與開發聊天機器人，LINE透過開放技術給第三方，讓開發者不用自己做訓練模型，讓平台上商業用戶的對話的語意分析做到更精準。

會後的訪問中，陳鴻嘉不斷強調「全球化的布局，在地化團隊的重要性」，台灣LINE將跨大招募250位新血的規劃，「除了日、韓總部，台灣是海外唯一設有工程團隊的辦公室。」這一席話，能能看出LINE對台灣市場的重視。

LINE在今年陸續推出LINE購物、LINE Today、LINE Mobile、LINE Pay 一卡通帳戶、LINE旅遊等新服務，過去各項服務所蒐集到的用戶數據，都只能用在個別的服務中，例如LINE Today根據用戶點擊新聞的習慣，進一步個人化推薦內容，「未來整合行銷應該要跨團隊合作，」陳鴻嘉目前LINE上的用戶資料都存在日本，以後希望把台灣的資料留在台灣管理，打造一個屬於台灣的「資料倉儲」。

會後的訪問中，陳鴻嘉不斷強調「全球化的布局，在地化團隊的重要性」，台灣LINE將跨大招募250位新血的規劃，「除了日、韓總部，台灣是海外唯一設有工程團隊的辦公室。」

圖／攝影 / 蔡仁譯

陳鴻嘉談到，大量蒐集的用戶數據若經過梳理，對於用戶喜好的準確度可以高達70%~80%，對旗下各服務平台來說是一大珍貴資源。未來若各服務底下蒐集到的數據可以通用，在「個人化」體驗這塊LINE就能做的更到位。

不過應用龐大的用戶資料會不會有隱私疑慮呢？陳鴻嘉強調LINE所蒐集的資料是「用戶的使用數據」而非「個資」，且用戶的ID、生日等資料都會做去識別化處理，「我們的目標，只要做到能辨識是否是同一個用戶就可以。」

且這些資料若要在內部跨部門使用，都要先經過資安團隊審核，「會設下不同團隊之間的權限控管。」這類資料的應用，可以幫助未來商業帳號在發送訊息時，能更精準做到「分眾」，陳鴻嘉說：「過去發訊息都是群發，現在已經可以鎖定某一個群體，已經產生很大的成效了，全球慢慢走向精準行銷。」

生成式 AI 帶動企業數位轉型浪潮持續升溫，各界不再滿足單一任務型的 AI 應用，而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」（Agentic AI），在最少人為干預的情況下，自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾，而是需要對AI有正確認識，並制訂循序漸進的導入流程，才能真正發揮AI功效。在2025台灣人工智慧年會中，cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段，深入剖析企業如何從概念驗證（PoC）階段，逐步推進到實際上線（Production），並分享實務經驗與觀察。

延伸閱讀：生成式AI可以怎麼用？cacaFly現身說法，助企業應用GCP服務智慧轉型

解鎖 Agentic AI，企業邁向多任務智慧代理

「很多公司會問，One AI 要做什麼事？但實際上，若要讓 AI 回答公司內部政策或新法條的相關問題，僅靠基礎模型並不足夠。」吳振和指出，要讓 AI 真正成為能「做事」的智慧代理人，前提是它必須理解企業內部的脈絡與知識，並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符，這意味著系統必須具備持續爬取與解析最新資料的能力。為此，企業必須先截取與整理內容，再建構成專屬的知識庫（Knowledge Base），確保資料品質達到可用標準後，再透過檢索增強生成（Retrieval-Augmented Generation, RAG）技術，使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀：從資料清洗到 RAG，大型語言模型的必需品，做出專屬企業的 AI 知識庫！

吳振和強調，這是一個動態循環的過程：從資料蒐集、品質控管、知識庫建構到生成應用，每一環節都息息相關，任何一處鬆動都會影響最終產出的準確性與可信度。

破除「一次到位」迷思，從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望，因此常將 PoC 視為年度計畫的重點，希望能「一次到位」做出具體成果。但吳振和提醒，若缺乏清楚的系統工程思維，PoC 容易淪為「概念展示」，難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程，分為三個關鍵階段：

1.第一階段：可行性評估（Feasibility Study）
企業必須在投入資源前，先明確界定「最需要被 AI 解決的關鍵問題」是什麼，並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性，更要從商業目標出發，釐清導入 AI 的具體使用情境、預期成效與風險邊界，如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段：系統設計與驗證（Design & PoC）
在確定導入方向後，必須規劃清楚資料蒐集與整理流程，確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調，這個階段不能只追求展示效果，而應以「產品化思維」來構築 PoC，使其具備可擴充性、可維護性及安全性，才能為後續上線打下基礎。

3.第三階段：產品化與營運（Production & Operation）
當 PoC 驗證完成後，進入正式上線階段，挑戰也隨之而來。除了需要整合企業內部系統與流程，還必須建立持續監控與維運機制，確保模型表現隨時間演進不會劣化，並能快速回應法規變動或資料更新的需求。吳振和指出，這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

建立模型優化根基，打造高品質的黃金資料集

吳振和特別強調，要讓 Agentic 系統工程真正發揮效益，企業必須先建立一套高品質的「黃金資料集」（Golden Dataset），作為模型評估與優化根基。他指出，黃金資料集的價值在於能為模型選擇與前測提供客觀依據，讓團隊能針對不同任務挑選最適合的模型，避免導入初期就誤踩方向。

同時，黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點，進而快速回應「模型飄移」（Model Drift）的風險。吳振和說明，所謂模型飄移，指的是即使模型本身未經改版，效能也可能隨著環境與資料變動而突然下降，導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果，團隊才能即時察覺效能衰退，並進行迭代更新，確保系統長期穩定運作。

從小規模應用起步，漸進擴展至核心業務

吳振和分享，在實際輔導企業導入 AI 的經驗中，最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證（PoC）階段即可呈現完整的產品原型，然而實際情況顯示，若企業未能建立完善的資料架構與流程基礎設施，即使短期內展現亮眼成效，也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時，應採取漸進式策略，從小規模應用場景著手，逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節，而非獨立的一次性專案。

AI 的導入不僅是一場技術升級，更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局，才能確保 AI 能在企業內部真正「落地生根」，創造長期商業價值，成為真正的智慧代理人。

新版LINE官方帳號將登場，開放三款全新API、改變計費模式