瞄準自由行旅客！台灣租車新創gogoout進軍馬來西亞觀光戰區|數位時代 BusinessNext

瞄準自由行旅客！台灣租車新創gogoout進軍馬來西亞觀光戰區

想成為「租車界 Airbnb」的台灣新創線上租車平台 gogoout 進軍馬來西亞，目前雙方僅在檳城合作，未來將逐步拓展至馬來西亞包含吉隆坡、馬六甲等重點觀光城市。

馬來西亞市場複雜，與當地企業合作是最佳解方

全世界的電商、平台服務都在搶進東南亞，有地利之便的台灣，自然也應該把這個 10 億人口級的戰區納入目標。

gogoout 成立兩年，目前全台合作店家分布於 14 個縣市，超過 80 種車款、1,000 台以上的車輛提供線上預約。本次與馬來西亞線上訂房與租車網路公司 MySuperVip 簽約，就是要利用其已經深入當地旅遊產業的資源網路，將服務擴展至重點觀光城市。

MySuperVIP 為提供租車、精品旅館、婚禮車輛等旅遊服務的平台。在其網站上，也首度將租車服務拓展到馬來西亞以外的國家——台灣，也就是本次與 gogoout 的合作案。此外，在面對大中華區的龐大遊客數量，網站上也可以看到簡體字的各種旅遊資訊。

gogoout 技術長盧敬和進一步表示， 馬來西亞市場具備多元種族與地域分明的特性，台灣新創要單打獨鬥並不容易，與在地企業結盟將會是切入馬來西亞市場的最好戰略 。

gogoout 的共同創辦人吳政勳表示，雖然目前雙方僅在檳城合作，未來會逐步擴及吉隆坡、馬六甲等城市與重點觀光島嶼，更期待雙方平台互導流量與更多的自由行旅客交流。

馬來西亞國際觀光人口一年達 2,500 萬人是台灣的兩倍。gogoout 預計本次合作案將帶來一倍以上的營收成長，2019 年的營業預估將達新台幣 1 億元。

立志成為租車界的 Airbnb

儘管才成立兩年，gogoout 自詡成為「租車界的 Airbnb」。

在 gogoout 平台上，消費者僅需點選地點、日期、人數就能找到符合條件的租車行。如果對於車輛細節、廠牌、性能有特別的需求，也有進一步的搜尋條件能找到心中的理想車輛。除了汽車租賃之外，gogoout 也提供機車租借服務。

共同創辦人吳政勳過去在美國留學，相較於美國興盛的汽車短租風氣，他發覺台灣租車資訊混雜、品質參差不齊，因而創立 gogoout，以快速、簡單、透明為核心的租車平台。

除了持續拓展國內服務之外，gogoout 也積極布局東南亞市場，讓台灣觀光客可以安心在不熟悉的國度旅行，並透過雙向的關係建立，打造共同成長的旅遊生態圈。

AI 智慧代理人時代來臨！三大導入階段， AI 落地企業不卡關

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」。

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。