餐飲外送營業額成長近三倍！一張圖看疫情峰期台灣宅生活服務大爆發|數位時代 BusinessNext

餐飲外送營業額成長近三倍！一張圖看疫情峰期台灣宅生活服務大爆發

在邊境封鎖、社交管制等疫情對策下，觀光旅遊、餐飲服務等相對穩健的產業反而成為疫情下重災區，同時也讓某些產業有了新的發展機會。

2020上半年TOP 20成長產業：網路購物、數位內容、在宅生活服務全面迎來高成長

疫情下台灣流通生活產業中收穫最豐厚的業別無疑是電子商務全生態圈：做為產業火車頭的電子購物業2020H1營業額年增17.45%；協助零售與品牌業者進行數位行銷與廣告投放的媒體代理及買賣業，產業規模同期成長20.86%；同屬於非店面零售的單層直銷業，因受益於近年成功轉向網路營銷，營業額年增22.77%；此外，支援電商物流最後一哩路的宅配快遞業、以及切入生鮮日用品宅配的餐飲外送平台，在疫情帶來的無接觸商機下，營業額同期分別成長43.30%及293.78%，驚人的漲幅推升相關業別成為疫情下最耀眼的明星。

另一項大放異彩的產業族群，是以數位內容為核心的在宅生活服務業別。 例如因為在宅時間大幅拉長所增加的娛樂需求，拉動數位書籍出版、電子遊樂器及套裝軟體零售、遊戲軟體出版等關聯產業大幅成長。居家辦公及在宅學習的需求增溫，也促進了外語補習班（數位）以及商業、資訊及專業管理教育訓練的成長，並間接拉動電腦及週邊設備零售業。

值得一提的是，2020H1唯一進榜的休閒服務業別，為已持續5年均以雙位數成長的健身中心(健身房)產業，而進口家具與登山露營用品等專賣零售業2020上半年銷售額亦分別年增14.16%與13.76%，可以看出疫情下越來越多民眾拉高在健康生活與家庭休閒方面的資源投入，帶動關聯產業別同步成長。此外，受惠於疫情帶來的民生物資搶購潮，2020H1台灣超市與量販業別營業額亦分別年增14.98%及10.93%，為綜合零售通路中成長率最高的兩項次產業別。

2020上半年TOP 20衰退產業：觀光、交通、3密型實體服務遭受直接衝擊

2020上半年在邊境封鎖、社交管制等疫情對策下，觀光旅遊、餐飲服務及大眾交通運輸等長期以來被視為成長穩健的產業別，反而成為疫情下重災區。 例如首當其衝的旅行業，2020H1營業額跌幅高達62.84%，以旅客跨境運輸為主的航空運輸業，2020上半年營收衰退幅度亦高達46.29%。此外，具有密閉、密集、密切接觸特徵的 「3密型實體服務業」營業規模同樣陷入嚴重衰退。 例如同時受到社交距離與總量管制措施影響的電影院，2020H1營收規模銳減61.92%。

進一步觀察2020H1產業衰退排名可以看到，旅行業、展演空間經營、航空運輸(客運)、觀光旅館、工商展覽籌辦、遊覽車客運、免稅店以及遊樂園等觀光生態圈全面衰退；以實體空間為主要服務場域的餐飲業、以及具備三密特徵的休閒服務業亦普遍重挫，例如電影院、配有侍者的酒吧/茶室/視唱中心、夜店、外燴(辦桌)承辦以及有娛樂節目的餐廳等，2020H1均陷入19%-62%不等的衰退幅度。

由於當前疫情狀態較2020上半年更為嚴峻，警戒等級與管制範圍仍在持續升高擴大，預估在民眾消費及生活型態全面恢復前，上述產業所受影響將可能進一步蔓延至周邊產業，更需業者謹慎以對。

【資料註記】

資料來源為各企業發布及各主管機關Open Data平台資訊，經程式彙整及計算後詳實呈現。若後經發布單位修改調整，則以發布單位更新資訊為準。

為避免成長率失真及排名代表性不足，排名資料剔除產業規模過低之產業別，部分關聯性極高之產業別則合計為同一業別。

調查數據涵蓋在台灣進行公司登記之全部企業數量，不包含在台灣提供服務但未進行公司登記之跨境公司。

資料來源：未來流通研究所

責任編輯：郭昱彣

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。