輸給AlphaGo的韓國棋王宣布退役，李世乭：「拿下第一名，我也不是冠軍。」|數位時代 BusinessNext

永無可能戰勝AI，李世乭萌生退意

然而，即使雖敗猶榮，依舊無法消弭他面對AI的挫敗感。11月19日，李世乭向韓國棋院遞交了退役申請，結束他24年的職業棋士生涯。根據《韓聯社》的訪談，他決定退役的原因，便是3年前與AlphaGo的一役中，感受到了AI在圍棋領域人類無法抗衡的強大。

「隨著AI進入圍棋世界，我理解到無論我再怎麼拚命拿下第一名，我也不是真正的冠軍。」李世乭說。

最初李世乭認為自己能大勝AlphaGo，然而一切並未如他所料，他壓倒性地輸給了AI，賽後他向對自己寄予厚望的民眾道歉，「我輸了，我很抱歉最後比賽以這樣的形式結束。」

當他被AlphaGo連下三城時，他感到非常低落，「坦白來說，比賽開始前我就嗅到了一絲落敗的可能性。Google的科學家們從一開始就表現得非常自信。」

雖然在比賽中落敗，世人對李世乭沒有一絲苛責，「當我連續輸給AlphaGo三場時，我很好奇人們在網路上的評價，但超乎預料地很少人批評我。」

「神之一手」奪全球讚賀，卻認為贏在系統錯誤

與AlphaGo的第四局比賽中，執白子的李世乭下出的第78手棋──這被譽為「神之一手」的一步棋，讓AlphaGo表現失常，進而逆轉局勢拿下比賽。這局棋為世人所稱頌。韓國棋手安永吉（An Younggil）聲稱，這場比賽是李世乭的最傑出的一局棋，一場足以流芳後世的經典對弈。

外界相信，這一局向全球揭示了人類勝過電腦的可能性，但李世乭認為，他能從AlphaGo手中拿下一勝，是因為AI在面對出乎預料棋步時的「缺陷」。

李世乭向《韓聯社》解釋，「我的白78手不是一個該直接對付的棋路。在絕藝（中國圍棋AI）中也有一樣的錯誤。即使讓人類兩子，絕藝也是位非常難以拿下的對手。但因為錯誤的原因，當它輸時會以非常奇怪的形式落敗。」

與AI對弈為棋士生涯畫下句點，李世乭：「我這次很可能也會輸。」

雖然與AlphaGo的對弈，是李世乭萌生退意的原因，作為棋士生涯的收尾，他計畫將與韓國IT公司NHN Entertainment的圍棋AI「HanDol」進行對弈。HanDol於2018年研發，出道短短1年已有擊敗韓國排名前五圍棋選手的出色戰績。

與HanDol的比賽中，第一場李世乭將被禮讓兩子，後續比賽是否會讓子則依據第一局的成績而定，「即使被讓兩子，我也不覺得自己能贏過HanDol。」

儘管對於能否獲勝沒有把握，屆臨退休的他對於勝負顯得相當坦然，「這陣子我甚至沒有關注圍棋界的新聞，我希望就像已經退休般，與HanDol輕鬆地下一局棋，當然我仍會全力以赴。」

對於李世乭退役的消息，DeepMind執行長德米斯．哈薩比斯（Demis Hassabis）聲稱，他在與AlphaGo的比賽中，展現出了真正的戰士精神，「我謹代表DeepMind AlphaGo團隊為李世乭的傳奇歲月致上敬意，並祝福他未來一切順利，我知道他將成為這一代最偉大的棋手之一。」

責任編輯：蕭閔云

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。

展望未來，Vpon 將持續擴展數據生態圈並優化產品服務，幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環，希望以數據夥伴的角色與品牌共同成長，打造互利共贏的數據生態。