誠品、GoShare、蝦皮都是客戶！短網址新創PicSee宣佈獲3,000萬元Pre-A輪募資|數位時代 BusinessNext

誠品、GoShare、蝦皮都是客戶！短網址新創PicSee宣佈獲3,000萬元Pre-A輪募資

短網址服務PicSee宣布獲得新台幣3,000萬的Pre-A輪募資，而他們並沒有滿足於單純的短網址服務，未來將朝更深度的MarTech領域前進。

助企業品牌建短網址，蝦皮、淘寶台灣、台新、誠品都買單

短網址是行銷人不可或缺的工具，廣泛地應用於社群、數位廣告中，用來追蹤成效、改善排版。而PicSee甫推出一年內，就被周杰倫、黃明志、蔡阿嘎、這群人等知名創作者使用，也漸漸有企業客戶找上門。

PicSee共同創辦人暨執行長魏取向表示，企業用戶使用短網址服務的最大原因之一，就是資安問題：「這幾年網路詐騙猖獗，當顧客在簡訊或mail中收到一般的短網址很怕受騙，形成企業使用短網址服務的痛點。」

PicSee協助企業品牌用自己的網域建立短網址，各產業龍頭也紛紛買單。如蝦皮購物用sho.pe作為短網址、淘寶台灣用tbao.tw、台新銀行用tsbk.tw 、第一銀行用firstbk.tw 都是PicSee的企業客戶。

建立企業的品牌短網址只是PicSee的第一步，PicSee另一位共同創辦人暨技術長吳振和分析：「傳統的分析工具只能知道顧客在網站中做了什麼，但PicSee打造的數據平台告訴行銷人他的粉絲也是誰的粉絲、會看什麼新聞、什麼網紅、什麼商品，甚至用數據找到與什麼品牌聯名會有不錯的效果。」

Hive Ventures的投資人李彥樞則說道：「PicSee雖然處於pre-revenue（尚未獲利）狀態，但同時擁有網紅與品牌數據，是網路時代數據被Google、Facebook壟斷的切入口，PicSee可以協助企業打開原本被社群大頭封鎖的數據黑箱，將行銷數據還給真正產出內容的作者。」

匯聚台灣優秀人才，到東南亞打群架

雖然目前新冠狀病毒（COVID-19，俗稱武漢肺炎）衝擊全球經濟，國內不少企業也受到影響。但因為在家工作、居家防疫的風潮影響，反而帶起更多網路使用量。

PicSee使用者以線上創作者、數位媒體、電商及品牌服務為主，也在疫情中抓住機會。吳振和說：「不只電商會把握宅經濟商機，也有很多實體店面正在轉型或加強網路行銷，希望透過網路接觸到不同客戶，直接將原本需要現場採購的商品轉向網路銷售。」

以2020年來說，PicSee網站台灣的使用量相較於年初成長超過60%。這樣的成長不僅反映在收到的數據，前來洽談的企業客戶也大幅增加。PicSee在今年初取消實體的業務，加強部署網路行銷團隊，讓所有的商務流程都可以在網路上完成。

PicSee也希望複製台灣的經驗，打造純雲端SaaS的服務模式拓展到全世界。過去2年，PicSee把在台灣推廣市場的成功經驗複製到東南亞，使越南、泰國的使用量都超過台灣。

魏取向說：「這次資金挹注，我們希望擴編開發與行銷團隊，加深企業端的數據分析，並在台灣市場打磨產品。」在數位市場中，速度是關鍵，PicSee希望能有更多的好手加入，並透過與台灣MarTech新創組成台灣戰隊，一起把台灣的軟實力推向東南亞7億人口的市場。

責任編輯：陳映璇

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。