生成式AI進駐東京地下鐵！遺失物查詢免「反覆確認」，準確率7成即可上工|數位時代 BusinessNext

東京地下鐵（Tokyo Metro）全線 180 站、平均每天超過 650 萬人搭乘，這樣一個龐大的鐵路系統，每天要處理的相當多的乘客疑問，包含問路、遺失物諮詢等，是個不小的人力負擔。為此，東京地下鐵近期決定在站內導入生成式 AI，協助處理大小事。生成式 AI 如何提升乘客體驗？

8 萬件遺失物諮詢，成龐大人力負擔

在導入生成式 AI 之前，東京地下鐵並非完全沒有嘗試其他數位轉型。東京地下鐵市場行銷部長川上幸一說：「東京地下鐵每年收到約 25 萬件乘客的訊息，其中 15 萬件是透過電話，10 萬是經由電子郵件。」為了減輕客服人員龐大訊息量的負擔，東京地下鐵有引入線上聊天機器人，但僅靠聊天機器人就能完成的諮詢，每年僅有 1.2 萬件左右。

川上形容，「它就像抓不準穴道的按摩師，經常給出與乘客需求不符的常見問題回答。」未能成功解決消費者痛點，只是浪費彼此的時間，「如果導入生成式 AI，讓回覆查詢時間縮短，並給出有效答案，能提升顧客體驗價值。對客服人員來也更有成就感，形成正向循環。」

在電子郵件收到的查詢中，大約有 80%，也就是約 8 萬件與遺失物有關。每經手一個案件，服務人員都得回信與旅客確認「什麼時候遺失？」、「在哪一站或哪裡遺失？」、「它是什麼顏色？」、「裡面裝了什麼東西？」等，先多次來回與乘客確認遺失物特徵，找尋後再回覆結果，並約定領取時間、地點等，一系列的書信往返耗時費力，川上也期盼生成式 AI 能解決這個問題。

用 70% 準確度，快速解決顧客問題

在建構生成式 AI 的過程，東京地下鐵採取的是 RAG 技術。它能從事先登錄的公司內部文件資訊等生成相應的回答，而員工後續新增、更新內部文件資訊時，系統也會自動進行內部文件資訊的結構化處理。這能幫助員工更有效率地執行文件的新登錄和更新作業，並確保文件資訊維持在最新版，讓更新不會成為絆腳石。

在遺失物處理上，東京地下鐵透過生成式 AI 構建了一個能夠根據遺失物的特徵，以對話形式輸入所需資訊的聊天機器人。如此，必要的資訊可以一次性收集到位，避免反覆溝通。除此之外，東京地下鐵也讓生成式 AI 支援「顧客服務中心」的電子郵件回覆。AI 會理解電子郵件的內容，並搜尋回覆所需的資訊以及生成回覆方案。把原本由手動進行的一系列工作全部自動化，員工只要最後確認並送出即可，大幅提升工作效率。

東京地下鐵訓練生成式 AI 方法，是當客服收到使用者的詢問時，會將應對流程分為 3 種類別，對於每一類流程，設定生成式 AI 必須達到的水準，但基本標準就是 70％精確度，川上說明：「我們認知到，由於生成式 AI 的特性，要達成 100％的精確度相當困難。」因此東京地下鐵將精準度目標設定在 70%，只要能達到 70％以上的準確度，即開始進行實用化。

對於生成式 AI 提供的回覆，東京地下鐵在回覆給旅客前，會同步讓客服人員參考資訊做第一層判斷，回覆中也會附上「請自行確認」的提示，提醒旅客 AI 回答還是可能出錯。東京地下鐵企業價值創造部長青木洋二表示：「生成式 AI 確實有可能會生成錯誤的資訊。但即使不完全正確，如能讓旅客更快速獲得相關提示資訊，對顧客來說幫助更大。」

台北、桃園、高雄捷運也都開始使用 AI 技術

無獨有偶，JR 東日本近期也嘗試在內部系統上導入生成式 AI，不只讓 AI 學習鐵道相關法規，還會跨部門統一整合員工與組織中，原本由個別掌握的業務知識與經驗。

這樣一來，即使是新社員或較無經驗的員工，也能快速從 AI 獲得與資深員工給出相當的建議，加快客服速度並提升品質。此外，AI 還能在教學上，示範設備及車輛維護、施工時的注意事項及過去發生的案例，提高作業安全性。當部門出現跨領域的疑問時，也能夠由 AI 提供適當的解答，而不需詢問其他領域的員工，節省工作時間。

台北捷運目前也有設置 AI 智慧客服，每月超過 10 萬人次使用，其中設有「一般事件通報」功能，當民眾在車站或列車上需即時協助時，可透過智慧客服告知北捷客服中心及行控中心，舉例來說，當車廂內有旅客打翻飲料時，只需在對話框輸入「有人打翻飲料」，就能觸發對話，引導通報者點選路線別、輸入車廂編號，並快速通報清潔人員處理。

日前捷運中山站也在測試 AI 站務員「小捷」，它能與旅客進行對話，回答捷運或該站相關問題，還擁有人物動畫與語音，並支援中、英、日、韓 4 國語言，讓國內外旅客都能輕鬆與它對談。

桃園捷運則在旅客數較少的 A20 興南站，導入虛擬智慧站務人員「霏霏」，能查詢時刻表、票價、路網圖、交通轉乘、周邊景點、天氣資訊、車站資訊、乘車須知等，達到精簡人力的目的；高雄捷運生態園區 9 月時則在測試全新機器人，除能自行移動外，還設有大型螢幕看板於站內穿梭，能回覆旅客包含常見 QA、周邊景點等問題，未來主要用於站內白天迎賓、夜間巡檢的工作。

AI 技術日趨成熟的同時，因為日本的地鐵、私鐵存在相互直通運行的情況，如果乘客不慎遺失了錢包等物品，可能需要向多家公司查詢。為了解決這種不便，東京地下鐵未來的目標，是打造一個能各公司統一回答的模型。青木說願景是：「如果聊天機器人的功能持續提升，未來或許不再需要每個鐵道公司都設立自己的客服中心。」對旅客和鐵道公司來說，呈現雙贏局面。

延伸閱讀：仁寶AI上線了！自研模型搭配視覺辨識「幫筆電產線Debug」，下一步還想做AI助理
 14歲少年之死，讓Character.AI變箭靶！陪伴AI如何擄獲2000萬人？暈船AI是特例嗎？

資料來源：ITmedia、Tokyo Metro、臺北市政府、桃園捷運

本文授權轉載自：未來商務

AI 與數據正快速落地至各行各業，從製造、金融、電信、醫療到零售，應用速度不斷加快。但在每年交易規模至少新台幣 1900 億元的商用地產領域，卻長期受到數據破碎且不透明的限制，只能仰賴人力蒐集資訊，再憑直覺和經驗去解讀資訊、做出決策，使 AI 潛在價值難以真正發揮。為回應產業轉型的核心痛點，方睿科技首度舉辦「商用地產生態系年會 2026 Raise Day」，以開放式平台為核心，串聯專業地產服務商、空間相關企業服務商、產業專業人士等多元角色，勾勒出 B2B 企業服務生態系的全貌，希望能透過科技促進數據流動，為商用地產企業協作模式開啟新的可能性。

方睿科技雙軌策略，讓 AI 成為商用地產的決策引擎

方睿科技創辦人暨執行長吳健宇指出，在 AI 時代，人應該專注於「最有價值」的工作；然而在商用地產業中，專業人士卻有約 70% 的時間耗費在資料蒐集與整理上，真正用於判斷與決策的時間僅約 10%。方睿科技希望翻轉這樣的時間分配，讓人力從低價值的資料處理中解放，將更多心力投入在判斷、溝通與決策等創造價值的商業活動。

為此，方睿科技提出兩條實踐路徑。第一條是建構出具備完整性、易用性與進化性的商用地產智慧平台，運用 AI 技術，將過去產業中破碎、非結構化的資料，重塑為可被運算、可驗證的標準化數據，並結合圖表與互動式介面，讓使用者能夠快速得到完整市場資訊，實現「用戶即專家」的目標。

第二條則是推動生態系聯盟，將不動產視為企業服務的核心載體，串聯設計、家具、搬遷、清潔等多元服務夥伴，使空間不再只是靜態標的，而是承載案例、服務與數據回饋的生態系節點。透過生態系夥伴累積的實務資料與服務紀錄，平台得以發展「資料即推薦」模式，推動商用地產從單點交易，邁向可擴張的 B2B 服務網絡。

獨創「資料飛輪」機制，實現用戶即專家目標

在 AI 模型日益普及的當下，真正的競爭關鍵已不在模型本身，而是能否有效率地收集資料、提高資料品質，並將其與實際決策流程緊密結合。為此，方睿科技獨家設計出一個由「資料收集、資料精煉、專家把關、決策反饋」組成的資料飛輪，回應商用地產長期面臨的資料破碎與決策效率低落問題，成為方睿科技實踐願景的第一條路徑。

方睿科技技術長郭彥良進一步說明，資料飛輪機制的運作架構。首先在資料收集階段，必須系統性蒐集公開資料、內部檔案與報告，並透過 AI 協作將圖片等非結構化資訊轉換為可用的結構化數據。接著進入資料精煉，透過資料清洗與實體對齊，將原始資訊從單純的可閱讀升級為可比較、可推論的決策依據。第三步專家把關，則引入不動產專家進行校正與產業判讀，補上模型難以理解的規則與慣例，確保關鍵數據的正確性。最後的決策反饋階段，藉由收集使用者提問與行為，檢視現有資料是否足夠精準，再回到專家校正與補齊流程，使整個系統能隨使用頻率提升而持續進化。

在資料飛輪的運作基礎上，方睿科技正積極研發商用地產智慧平台 PickPeak。郭彥良表示，PickPeak 並非單純的物件搜尋工具，而是結合深度資料與 AI 的決策輔助平台。使用者可透過自然語言互動，提出人數、預算、區位、產業屬性等多重條件，再由系統動態生成可比較、可驗證的選址方案，真正將 AI 從「回答問題的工具」，轉化為「陪伴決策的數位專家」。

創新 Data to win 模式，讓 AI 深入商用地產各階段決策流程

不過，單靠數據整合與 AI 應用仍不足以支撐產業全面升級，因此，方睿科技提出的第二條路就是，推動產業生態系聯盟，整合商用地產市場上不同角色的數據，讓 AI 能夠真正成為商用地產決策時的智慧引擎。

方睿科技不動產知識創新中心總監曾凡綱指出，目前在企業、房東或物業主與各類服務供應商之間，缺乏有效的整合機制，導致企業在選址與空間規劃過程中，難以快速找到真正合適的服務與解決方案，形成明顯的產業斷點。

為解決這些斷點，方睿科技提出「Data to win」模式，以資料取代傳統「Pay to win（付費買廣告）」思維，讓真正具備經驗與實績的服務夥伴，在適當的決策節點被看見。

曾凡綱說明，在廣告投放效益越來越低的情況下，企業服務商面臨的問題已不只是「如何曝光」，而是「如何在對的地方被看見」，這將是未來的市場勝出指標；而 Data to win 正好可以協助企業服務商建立此能力，方睿科技將生態系夥伴所擁有的案例、服務紀錄與產業知識等資料，經過去識別化與結構化處理後，再嵌入企業決策流程中，讓推薦不再來自廣告投放，而是真實、可被驗證的使用經驗，透過這樣的機制，不僅提升企業決策的準確度，也能同步放大生態系夥伴在合作中的實質價值。

舉例來說，方睿科技整合辦公傢俱夥伴 Backbone 班朋實業長期累積的辦公室規劃案例與平面圖資料，讓企業在選址階段，就能同步評估空間規劃方案，加速決策流程。又如，整合出行服務夥伴 USPACE 悠勢科技的服務資料，並呈現在地圖上，協助企業評估辦公據點的交通便利性，優化員工日常通勤與出行體驗。此外，平台也可整合大樓的 ESG 認證、公共設施與服務層資訊，協助企業快速篩選符合需求的辦公大樓，提升進駐媒合效率。

「Raise Day 只是這場變革的起點。」吳健宇強調，方睿科技已經透過投資與合夥模式，將布局延伸至專業地產服務與空間經營領域，至今旗下已有商用不動產仲介、顧問與估價等專業服務的宇豐睿星，以及聚焦商用地產代銷市場的希睿創新置業。透過直接參與第一線實務運作，方睿得以更深入理解產業真實痛點，讓科技不只是工具，而能真正回應實際決策與服務需求。

此外，方睿科技未來也將持續擴大「商用地產 x 企業服務生態系」聯盟，目前包括 Backbone、USPACE、IKEA For Business、潔客幫等企業服務夥伴已率先加入；接下來，方睿科技將邀請更多擁有關鍵數據與專業能力的企業服務商加入，讓數據在安全、可控的前提下流動，進一步釋放商用地產在選址、營運與企業服務等全生命週期中的結構性價值，為產業轉型啟動下一個關鍵階段。

右起方睿科技共同創辦人暨營運長陳致瑋、USPACE悠勢科技共同創辦人暨執行長宋捷仁、Backbone班朋實業創辦人暨執行長廖家葳，透過企業服務生態系合作共同為產業啟動下一個關鍵階段。

圖／數位時代

方睿科技官網： https://www.funraise.com.tw

生成式AI進駐東京地下鐵！遺失物查詢免「反覆確認」，準確率7成即可上工