AI國家戰略新登場！新加坡發表亞洲第一個AI工程師認證框架|數位時代 BusinessNext

新國家AI戰略！新加坡發表亞洲第一個AI工程師認證框架

新加坡明年1月將針對物流、醫療、教育和房地產使用AI技術及規範政策，並針對AI工程師設立國家級的認證框架，對於AI倫理和治理的觀念領先全亞洲。

新加坡選定5大AI國家發展項目，以海關邊境安全為例

此外，新加坡智慧國家計劃中的AI技術應用，則規劃到2025年，新加坡所有移民檢查站的安全檢查都將以指紋、臉部和虹膜辨識實現全自動通關，這是新加坡智慧國家計劃中，應用AI技術的一部分。新加坡副總理王瑞杰（Heng Swee Keat）於上（11）月13日宣布新的新加坡國家AI戰略，其中也提到一部分便是將AI應用於海關安全，列為這也是五個重要國家AI項目之一。

王瑞杰在新加坡FinTech和創新與技術週上表示：「各國將需要與時俱進，利用技術來解決共同的挑戰和國家優先事項。」智慧國家和數位政府辦公室表示，除了海關安全外，宣布的其他四個AI項目為是物流、醫療、教育和房地產管理。而選擇這五個項目的原因是，是因為預期它們可以很快地發揮效果，並產生較顯著很高的社會和經濟利益。

例如，在海關使用AI將為旅客提供更快、無縫的過境體驗，方便旅客辦理出入境檢查。此過程還將減少人為失誤，並使在櫃檯工作的移民官員能夠專注於其他更高價值的工作，像是例如關注可能需要更嚴格審查的旅客。例如，而目前已有案例可以看出其效用，據報導，新加坡樟宜機場4號航站的全自動系統，就使用了AI臉部識別技術，捕獲不同車站的乘客的照片，估計從而節省了多達20％的人力和效率。

不只是海關邊境安全，還有醫療、房產管理、教育和物流4個國家重點計畫

此外，在醫療領域，到2022年，根據新加坡醫療與AI計畫，整個新加坡也計畫2022年前於全國將部署名為Selena+ 的AI系統，以幫助更快、更準確地檢測包括糖尿病等在內的眼部睛疾病。針對醫療項目，王瑞杰說：「AI有巨大的潛力可用於預測、發現和管理慢性病。」，因為許多老年人可能不清楚自己的病情。另外，人工智慧可以用來分析臨床和基因數據、醫學圖像和健康行為，從而更好地評估個別患者的風險狀況，為了更好地進行預防和病例管理。

對於房地產管理，人工智慧可以幫助預測房屋問題，進而從而可以更好地優化房屋維護工作，例如使用AI分析數據來預測幫助預測建築物中的下一次電梯故障時間，以提前做維修、保養工作。

在教育方面，可以利用AI可用來自動執行某些英語作業的評分程序，老師這樣教師就可以騰出時間專注於其他任務上。

除了5大國家AI重點項目之外，AI戰略也要建立整體AI的生態系統

AI整體的生態系統包括：建立三方協作關係（官方、社群和產業）、資料架構、漸進式可被信任的環境、國際合作和人才與教育課程。舉例來說，新加坡的AI的人才與教育課程規劃，先以設定政策優先順序，再來幫助建立AI人才庫。

並在面臨AI人才需求持續成長，以及產業無法量化評估AI技能等問題時，新加坡將於2020年初推出首個針對AI工程師的認證框架，以幫助滿足雇主判斷持續成長對獲得具能力驗證的在地人才需求。在宣佈新加坡的工程師認證框架後，工程師將可透過認證以證明他們具有在實際情境環境中執行擴展AI項目的技能和能力。

##AI工程師分級認證
要獲得第一級AI認證工程師的資格，申請人必須具有至少一年與AI相關的工作經驗，並部署了至少一個價值500,000美元（約新台幣1,526萬元）的AI項目。至於第二級和第三級的申請人，則他們必須進一步證明有能力，管理整個組織中的AI工程團隊和多款個AI應用。

這些公告表明新加坡對AI的重視，根據新加坡研究、創新和企業2020計劃，將針對數位技術（包括AI）投入超過1.5億新幣（約台幣33.5億元）。為了在這裡培養AI人才，到2025年新加坡還計劃培訓25,000名專業人員進行基本AI編碼和應用的培訓。

微軟全球國家技術長家艾伯特（Andreas Ebert）並稱讚新加坡說：「國家AI戰略（National AI Strategy）的制定展現出新加坡已經是AI倫理和治理方面的全球性思想領袖，新加坡採取全面、包容的方法來加速國家快速適應科技技術，來增強國家能力。」新加坡的政策制定決斷力與計畫的執行能力，值得台灣借鏡。

資料來源：

責任編輯：江可萱

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。