一通越洋電話催生AI產品!透過「問答」就可分析數據,不懂程式碼也能輕鬆上手
一通越洋電話催生AI產品!透過「問答」就可分析數據,不懂程式碼也能輕鬆上手

許多企業坐擁大量數據資料卻難以有效應用,最大的問題就是因為各種數據庫的格式不盡相同,彼此之間難以互通,需要擁有程式能力才能疏理這些數據。

而這正是新創易開科技(Canner)開發第二套產品Wren AI的原因。

wren ai
Wren AI讓使用者能夠透過問答方式,直接從資料庫的多種數據中得到答案。
圖/ wren ai

易開科技在2018年打造的第一項產品Canner Enterprise,解決了「一次調用多個數據」的難題,而新產品則往前一步透過AI解決「難以拿到數據」的挑戰,讓數據小白用問答的方式界能撈到數據,Wren AI推出至今不到半年已成功打入海外市場,有近6成使用者來自歐美。

易開科技共同創辦人兼執行長紀力榮透露,Wren AI的開發原本並不在易開科技的發展藍圖內,是經歷了現有產品推廣受阻、美國市場碰壁等重重考驗後才誕生的新產品。

一通越洋電話,讓易開科技催生AI數據分析新星

早在2018年,易開科技就開始協助企業解決數據轉換和整合的痛點,推出了企業級數據中台Canner Enterprise。這個產品能夠串接SQL、NoSQL 以及各種檔案格式,並藉由多層數據訪問的授權制度,建立一個虛擬數據平台,讓工程師可以更快拿到數據。

但易開科技發現,許多企業在導入產品後,仍然面臨技術門檻過高的困境。雖然Canner Enterprise解決資料調用問題,但使用者仍然需要懂得SQL語法或具備資料處理能力,才能有效率地使用數據。這也讓數據分析仍無法擺脫「專案經理提需求、工程師拿數據、專案經理再分析」的繁複步驟。

「我去年試了一整年,真的太難了。」紀力榮無奈地說,為了拓展海外市場,自己親自前往美國努力尋找突破口,然而事情並不如預期順利。由於Canner Enterprise主打大型企業客戶,所以企業內部的導入跟銷售週期都非常漫長,從一開始的接洽、各部門的內部審核再到採購部門審批,每個環節都需要大量的溝通和協調,平均需要6個月的時間才可能導入。

焦急之際,紀力榮在一場開源社群聚會中找到新解方。「當時我只有一個體會是,再不會AI就完蛋了。」紀力榮笑說,自己發現AI在國外已成為不可忽視的趨勢,當下便撥了通電話給共同創辦人及技術長張仲威。

而這通深夜的越洋電話,成為了易開科技的轉捩點。

「其實我們一開始也不知道要從哪邊下手,只有一個共識:就是動作一定要快。」張仲威說,開發過程中團隊面臨著兩難抉擇,要將AI功能整合到既有的產品中,還是要開發全新的產品?

他們仔細分析Canner Enterprise的現況和市場需求,發現這個產品雖然可以滿足既有客戶的需求,但仍然無法解決現有產品導入流程複雜、難以拓展海外市場的問題,也就是說,現有產品導入後仍有資料取得門檻高的狀況,這也成為Wren AI的開發契機與核心。

相較於Canner Enterprise服務大型企業,處理內部複雜的資料治理和結構問題,Wren AI則專為中小企業所設計,簡化了大量分散在不同平台資料的拿取流程。使用者只需透過「問答」就能快速找到需要的資料,即使不懂程式碼的一般使用者也能輕鬆上手。

wren ai
易開科技想要解決的痛點看似任何人都想得到,但其實要用一問一答的方式,Wren ai這個產品的核心,是讓所有數據小白都能輕鬆得到解答。
圖/ Wren AI官網

Wren AI:讓你用「問」的就能分析數據

其實要用一問一答的方式,讓大型語言模型從理解問題到拿出正確且完整的數據,並不是件容易的事情。

以目前AI的發展,每個人都可以打造出符合需求的AI助理,協助獲得基礎數據,但是如果要打造出通用性的AI助理,就需要理解不同部門、職權、階段的每個人使用數據的方式,例如對數據的定義、常串接的平台等。

為了讓大型語言模型更能理解複雜的數據架構,易開科技打造Wren Engine語意引擎,它就像是一個「翻譯機」,除了能夠轉譯10多種語言、不同格式的資料,讓大型語言模型更能理解複雜的數據,將不同的運作邏輯整合在同一個語意架構下,更能根據不同的任務目標,選擇最適合的工具。

截圖 2024-09-13 下午1.15.34.png
易開科技打造的Wren AI產品,得以輕鬆串接各種資料庫,讓使用者用問答方式得出商業策略。

舉例來說,今天行銷人員如果想知道這個月內的會員成長人數,只需在Wren AI平台上註冊一個帳號,選擇要連接的資料庫,例如HubSpot,就可以直接透過預設的問題,或是直接詢問查詢資料。

Wren AI收到指令後,會先分析問題,判斷需要哪些數據、從哪些資料庫中撈取,接著Wren Engine會根據不同任務階段選擇適合的大型語言模型:先使用擅長理解程式碼的OpenAI模型,分析上個月註冊用戶的行為數據,再使用Llama模型產出報表,降低成本和提升速度。不只省去以往手動撈取和整理數據的麻煩,更讓數據分析變得如同與真人對話般輕鬆直覺。

wren ai
Wren AI也會直接顯示得出結果的資料流程,讓演算法不再是黑盒子。
圖/ Wren AI官網

「未來AI Agent(AI代理)能更即時地取得資料,甚至能串接企業內部最新的數據,而非僅限於預先訓練好的網路資料,而是給出更符合當下狀況的分析和建議。」紀力榮說,這也是為什麼投入大量時間和資源研發Wren Engine的原因。

Wren AI剛上線就爆紅,「減法」是走進全球關鍵

Wren AI在今年4月上線,一開始為了測試市場水溫,團隊在GitHub釋出了開源版本,讓所有人能自行串接並用問答方式查詢SQL資料庫的數據見解,並積極與開源社群互動。

同時團隊也乘勝追擊,將在9月下旬推出付費訂閱雲端服務Wren AI Cloud,讓企業可以根據需求彈性選擇,整合了更多元的LLM模型選擇、能統一管理跟串接多個資料庫及權限控管功能。

wren ai
Wren AI為了避免幻覺,也會從資料庫中反問使用者的問題方向是否需要調整。
圖/ Wren AI官網

開源版本上線短短6個月就獲得3,000次下載、超過數千位使用者,更登上GitHub上Text-to-SQL類別前10大專案,使用者遍及股票市場分析、電商、人資管理、CRM等領域,其中有60%是來自歐美,打開了通往全球市場的大門。

「Wren AI就像是一個上游產品,可以快速地推廣到全球市場,而Canner Enterprise則像是下游產品,可以在Wren AI打開市場後,再進一步滿足客戶更複雜、更客製化的需求。」紀力榮強調,產品輕量化後更容易融入全球AI生態圈。

產品的輕重選擇,其實決定了新創公司的發展方向和速度。如果一開始就將產品設計得太過複雜,可能會導致難以快速推廣到海外市場。而易開科技的「減法策略」,其實也來自一次又一次的試錯和調整。團隊從市場需求出發,先做出一個夠好的產品快速測試市場反應,才得以掌握先機趁勢崛起。

出海,幾乎是所有台灣新創的目標,但許多新創在發展產品時,常常會過於專注在技術的精進,但忽略了市場的需求和全球化的佈局。然而AI技術發展日新月異,有時候除了技術實力,更需要敏銳的市場洞察力和靈活的策略思維,透過放下對完美產品的執著,保持敏捷和彈性,才能在競爭激烈的紅海中,開創出一片藍海。

創業快問快答

Q:最常被客戶或投資人問起的事情?您會如何回應?
A:我們經常被問到的一個問題是:「有這麼多大數據和AI新創公司,Canner的關鍵差異是什麼?」我們的回答是,Canner專注於幫助企業可以自行分析數據,我們透過AI讓技術小白也能輕鬆使用大數據,同時確保系統的安全性。

Q:要達到下一步目標,團隊目前缺乏的資源是?
A:我們團隊的下一個目標是找到協助拓展全球市場的人才,幫助我們在全球市場建立更強的影響力,並確保我們的產品能夠滿足多元的產業和不同地區的需求。

Q:創業,教會了你哪些事?簡單分享創業至今以來的心得感想?
A:創業以來,我學到的最大教訓之一就是「格局要大」,對台灣的新創來說更是如此。很多時候我們會陷在本地市場裡,但如果真的想要擴展規模、創造影響力,從一開始就要有國際視野。台灣有優秀的人才和技術,但要脫穎而出,我們必須跳脫本地限制,預見全球趨勢,打造能在國際上競爭的解決方案。大格局思維會推動我們持續創新,跟上全球科技產業的步伐。

Q:創業至今,做得最好的三件事為何?
A:

  1. 專注技術創新:我們打造了一個融合Data Fabric、Data Mesh和AI的先進平台,幫助企業打破數據孤島,利用先進的AI技術來做決策。我們不斷創新,讓我們在大數據和AI領域始終處於領先地位。
  2. 攻進大客戶市場:我們成功與多家大型企業合作並進行銷售,證明了我們的解決方案在大規模企業環境中的價值,驗證了我們技術在處理複雜數據和治理需求方面的能力,並且適用於多個產業。
  3. 開源與商業的策略平衡:我們採取了一個兼顧開源社群參與與商業化的強大策略,既能發展忠誠的使用者群體,又能透過企業解決方案獲得穩定收益,讓Canner成為既有影響力又能創造利潤的公司。

團隊資訊

公司名稱:易開科技股份有限公司
成立時間:2016年
產品名稱:Canner Enterprise、Wren AI
官方網站

往下滑看下一篇文章
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?
AI Ready成零售入場券!SHOPLINE年度大會:AI流量時代,品牌如何被看見?

AI 正快速改變消費者探索商品、接觸品牌的方式,也為零售業帶來新的成長機會。然而,當 AI 從個人使用工具逐步走向企業營運,台灣零售業的轉型腳步仍有落差。財團法人人工智慧科技基金會《2026 台灣產業 AI 化大調查》顯示,台灣零售業的 AI 應用仍存在明顯差距,資源有限的中小企業尤其面臨挑戰。對照全球已有 62% 的企業開始布局 AI Agent、近五成運用 AI 投入高價值決策,如何將 AI 從單點工具導入,真正成為零售成長的助力,已成為品牌必須面對的課題。

全方位零售整合專家 SHOPLINE 於 9 月舉辦「AI-Verse Day 2026」年度大會,以「Where AI Meets Commerce」為主軸,邀集零售與科技業者,從流量獲取、數據應用到會員經營,探討 AI 落地零售場景的實戰路徑。服務全球累計逾 70 萬品牌的 SHOPLINE,也在會中宣布邁向 AI in Retail,推出官方 MCP(Model Context Protocol),進一步串聯零售數據與 AI 應用,協助品牌掌握新興 AI 流量入口,為下一階段的智慧零售布局做好準備。

SHOPLINE 預告:零售下一個流量入口是 AI

2026 年上半年,SHOPLINE 客戶 GMV 年增 20%,是電商大盤成長率的 2.5 倍。「這代表我們與品牌客戶一起把生意做大!」SHOPLINE 台灣總經理葉力維指出,從全球市場來看,尤其是以北美為主的 SHOPLINE 客戶,來自 AI 渠道的流量 PV 較去年同期成長 15 倍,訂單量更成長 35 倍;相較之下,台灣 AI 渠道流量 PV 約成長 2 倍,顯示 AI 導流的商業潛力正逐步浮現,台灣品牌仍有很大的成長空間。

當品牌越做越複雜,從多通路走向全域經營、數據與規模擴大,如何確保資料品質、打通資訊孤島,並兼顧資安與治理,成為 AI 能否真正落地的關鍵。為此,SHOPLINE 提出四大 AI 佈局方向:首先,建立 AI Ready 數據基礎,整合分散的零售資訊,為 AI 應用做好準備;其次,深化 MCP 布局,讓品牌能依照自身需求,自主選擇並串接不同的 AI Agent;第三,成立 AI 轉型委員會,將 AI 導入內部工作流程,推動服務模式從執行任務進一步升級為洞察客戶需求、提供策略建議;最後,擴大 AI 夥伴生態系,開放第三方開發者串接垂直領域的 AI 應用,讓品牌能更靈活地組合所需工具。

#4 SHOPLINE
圖/ 數位時代

「過去十年,SHOPLINE 陪伴品牌走過每一次通路變革。每一次流量入口的改變,其實都代表著品牌經營方式的改變;而下一個入口,就是 AI。」葉力維表示,當 AI 開始影響消費者探索商品、發現品牌與完成購買的路徑,品牌不能只停留在導入單一工具,更需要提前整備數據、串接應用並建立治理能力。接下來,能否做好 AI Ready 的準備,將成為零售品牌掌握下一波成長機會的關鍵。

SHOPLINE 推官方 MCP,助攻品牌落實 Agent Ready

品牌該如何做好 AI Ready 的準備?SHOPLINE 產品副總賴哲文指出:「人、貨、場的接觸點沒有改變,改變的是誰做決定、誰做執行、誰做判斷。」

當 AI 逐步介入零售場景,消費者、員工與企業的角色也隨之改變:做決定的是消費者,當消費者問 AI「我該買哪個品牌」,品牌能否出現在答案裡是第一個挑戰;執行的是員工,員工則可將部分執行工作交由 AI 處理,將更多精力投入判斷與決策;做判斷的是企業,AI 能否提供可靠的洞察與建議,關鍵仍在於數據品質,以及能否有效運用既有數據資產。

要讓品牌被 AI 理解與推薦,品牌經營也必須從傳統 SEO,進一步走向 AIEO(AI Engine Optimization),讓商品與品牌資訊具備良好的結構與可讀性,才能提高被 AI 採用、推薦及導流的機會。對此,SHOPLINE 提出三層 AI Ready 架構:以「AI Ready Data」整合高品質、可供運算的零售數據;透過「AI Ready Commerce」讓商品資訊與交易流程能被 AI 理解和銜接;再以「AI Ready Agents」串接品牌自主選擇的 AI Agent,逐步將數據基礎延伸至實際應用。同時,SHOPLINE 也透過第一方數據歸因,改善消費者身分碎片化、數據時效性不足與成效歸因不清等問題,讓原始數據能進一步支援 AI 分析與決策。

#3 SHOPLINE
圖/ 數位時代

在工具應用上,SHOPLINE 推出官方 MCP,涵蓋流量轉換、數據分析、商品管理與會員經營等場景。品牌可在 Claude 中透過輸入零售 skills,搭配 MCP Tool 的後台相關能力,進一步產出數據洞察報表與執行建議,讓 AI 從資訊整理延伸至實際的零售工作流程。為兼顧應用效率與資料安全,SHOPLINE 也設下三道防護機制,包括涉及資料寫入時須經人工核准、個人資料須取得授權才能存取,以及依照角色與需求進行權限分級。

「Agent Ready 就是入場券。」賴哲文強調,當 AI Agent 開始參與消費者決策與企業營運,品牌不只要讓 AI 看得懂商品,更要讓數據能被安全地運用、讓不同工具能順利協作。

除了產品之外,SHOPLINE 也致力發展 AI 開放生態圈,邀請各領域夥伴分享引流、口碑、營運與顧客經營的應用方向。此次大會邀請數聚國際、Tagnology、BUNNYWORK、beBit TECH 微拓科技,以及女性高效身體保養品牌 HYPHY,攜手展示 AI 如何串聯流量獲取、行銷轉換到顧客經營等零售場景。

Justar 運用真實發票數據,提升廣告投放效率

廣告投放端同樣面臨轉變。「市場愈來愈大,轉換效益卻愈來愈低。」紅門互動及Justar 數聚國際執行長張元溢分析,投放效率下滑,源於成長結構改變:影響消費者的場域更分散,找人的方式從興趣推測走向真實行為,素材也無法一套打完全場。

對此,Justar 運用 AI 結合電子發票數據,以 AI 廣告投放平台結合全台規模領先的雲端發票消費資料庫,涵蓋超過 20 億筆雲端發票、700 萬名消費者及 3,200 萬項商品。其「AI 廣告受眾推薦引擎」可依商品特性生成受眾輪廓(Persona),比對發票資料庫、找出真實買家作為種子受眾,而非僅依賴瀏覽紀錄或興趣標籤,再由 AI 自動擴充相似受眾、生成並優化素材,並依成效動態調整投放策略與預算配置。

張元溢強調,從真實種子到規模化放大,重點在於找到更多相似的人。同時觸及也須走出社群,延伸至 RMN 聯播網、社區 App 廣告與戶外媒體。他以「三人成虎」形容,藉創作者短影音加上跨場域廣告加深印象,才能為品牌實現「線上找到人,線下讓他記住你」的成效。

#2 SHOPLINE
圖/ 數位時代

BUNNYWORK 推 AI 營運特助,主動預警缺貨與滯銷也發掘成長機會

除了行銷之外,AI 也開始深入零售業的日常營運,協助品牌從事後處理走向事前預測。BUNNYWORK 創辦人周于如指出,電商營運常面臨幾大痛點:商品售罄後客戶問了才發現缺貨、補貨數量仰賴 Excel 與個人經驗判斷,滯銷商品也往往要到季末才浮現。「營運方式不同,留下的利潤差很多。營收決定你做多大,營運才決定你能留下多少利潤。」

針對這些痛點,BUNNYWORK 推出定位為「會思考的電商 AI 特助」的解決方案,目標是讓電商營運進入「自動駕駛」。傳統 ERP 只負責被動紀錄營運數據,BUNNYWORK 則讓 AI 24 小時主動盯盤:根據銷售數據提前發出缺貨預警、產出補貨建議單,並每日掃描商品銷售速度,一旦偵測到滯銷風險,即透過 LINE 推播提醒品牌及早規劃促銷、加速庫存去化與資金回流。除了提前規避風險外,AI 也幫助電商看見潛在機會:偵測到爆款潛力的商品,提醒品牌提早加碼備貨、調整廣告資源,把握成長時機。

至於 AI 為什麼能提供可靠的營運建議?背後仍取決於數據基礎。周于如解釋,ERP 串聯商品、銷售與庫存等不同環節的數據,並即時同步多通路的商品與庫存資訊,讓 AI 掌握完整且即時的營運全貌,同時降低超賣風險。「唯有建立乾淨、即時的資料基礎,AI 才能進一步辨識缺貨與滯銷風險、並發掘銷售成長機會,協助品牌提前應對、做出更精準的決策。」目前品牌平均約 7 天即可完成導入。

#1 SHOPLINE
圖/ 數位時代

精兵團隊導入 AI,解決流程瓶頸再創高成長

從流量獲取到營運效率,AI 的價值最終仍須回到顧客經營與商業成效。大會壓軸的高峰沙龍回到會員經營。beBit TECH 商務長譚學凱指出,OmniSegment CDP(顧客數據平台)能整合分散的顧客資料,建立 360 度顧客輪廓,進一步支援跨渠道的精準經營;旗下導購型 AI Agent「AgentBit」,提供對話式分眾,讓使用者與 AI 對話就能快速打包推播受眾,不再需要手動設定篩選條件;商品興趣預測則以 AI 學習客戶的行為軌跡,自動將高相關商品推送給高潛力買家;AI 智慧分析更只需透過問答,即時分析品牌檔期成效與提供優化建議,並能一鍵調整現有顧客旅程。透過 CDP 與 AI 功能加乘,大幅提升行銷團隊協作效率,並支援逾 2,000 種 OMO 跨通路智慧推播,協助品牌更有效地觸及目標客群。

#0 SHOPLINE
圖/ 數位時代

HYPHY 品牌共同創辦人林又立分享,品牌長期透過 LINE 經營千人會員社群,希望在規模化經營的同時,仍保有一對一對談的親切感與即時回覆的能力。導入 AgentBit 後,團隊能透過 AI 對話快速完成受眾分群,並取得具體的行銷優化建議,降低操作門檻。以單檔活動為例,LINE 發送量僅為原先的 15%,點擊率卻提升 227%,EDM ROAS 更提升至原先的 3.3 倍,展現 AI 協助品牌提升溝通效率與行銷效益的潛力。

對於資源有限、希望嘗試 AI 的品牌,林又立也分享了務實的做法:「不要一開始練跑就想著今天要跑全馬,先踏出第一步,把目標定在到達下一個電線桿就夠了。」與其一開始就追求全面轉型,不如從具體的營運需求出發,逐步找到適合 AI 發揮的場景。

活動尾聲,葉力維也提醒,品牌導入 AI 前,應先盤點內部工作流程,找出真正影響效率與成效的瓶頸,再思考如何運用 AI 改善。「那就是你最該導入 AI 的地方。把 AI 放在流程上,才是關鍵。」與其為了導入 AI 而導入 AI,先解決實際問題,才能讓技術真正轉化為營運成果。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓