統一2.75億入股萬達寵物！羅智先曾砍掉寵物事業止血，為何回頭？|數位時代 BusinessNext

羅智先4年第5度出手！曾砍掉寵物事業止血，統一為何回頭砸2.75億入股萬達寵物？

繼家樂福、foodomo、雅虎及網家，統一又出手入股近年第5家企業：萬達寵物。

統一為何對萬達有興趣？

原因一：貓狗超越新生兒數量，萬達握有鄰里寵物「戶口名薄」

其實早在2009年，統一就曾與日本AHB集團合資在台拓展「Pet Plus寵物達人」連鎖寵物用品通路，並由統一持股合資公司7成股權。但在歷經連3年虧損後，2012年羅智先決定止血收攤，寵物達人也成為羅智先當年全面接管統一集團後，大刀砍掉七家流通次集團事業體之一。

如今選擇在寵物事業上捲土重來，一個大環境因素自然是，2023年後國內貓狗登記數早已超過新生兒數量，寵物已是各家零售業者不可錯過的商機。再者萬達寵物手握的數據，可能也是最吸引統一決定入股的關鍵。

萬達寵物是首家導入CRM系統、建立自動補貨系統，堪稱國內最數位化的寵物通路。萬達寵物執行長李俊廣日前就曾透露，旗下的寵物公園光在展店選址方面，就會從電子發票消費熱點、農業部寵物晶片註冊資料以及與台大合作的田調等多方面搜查數據，找出寵物飼養密集度高的住宅商圈。

再加上有了門店的CRM以及行銷自動化（marketing automation）系統，能追蹤、分析消費者的購買品項、飼養狀況，萬達寵物可說是一手掌握了鄰里間各家寵物的戶口名簿。而這份數據，自然成為目前積極在多間大型店導入寵物專區的7Eleven，眼裡的黃金。

原因二：掌握末端消費趨勢，搶食「寵物食品」新藍海

而另一個統一搶進萬達寵物的原因，恐怕還包括在寵物食品市場上的競爭。近年國內食品大廠除了統一，還有大成，皆紛紛搶進寵物食品市場，原因除了寵物食品是高毛利商品外，對國內業者也是成長快速的新藍海。

7月4日大成才宣布要斥資20億元投資全能營養生技工廠、萬能生醫GMP動物疫苗廠以及毛能寵物（gomo）等寵物相關事業，有意全面升級在寵物食品、營養品方面的佈局。而統一也持續提升旗下自有寵食品牌「寶多福」的製程技術。預料此次與萬達寵物的投資合作，應更能幫助統一掌握末端消費趨勢，回頭協助上游開發更貼近消費者需求的商品。

配送頻繁壓垮店員，盼靠統一解套物流難題

回到萬達寵物本身，藉由統一出任策略性投資人，最立即的好處是解決物流配送問題。李俊廣指出，寵物公園因品項繁多，每店每月至少要收300次從各家廠商發的貨，「一天多達10次配送，現場店員光收貨就占掉大半心力，很難好好服務客人。」

目前萬達寵物積極打造自有倉儲，以及與主要供應商進行共配，好提升門店的物流配送效率，萬達寵物董事長陳樂維也表示：「此次引資，我們希望借助統一集團在零售領域的豐富經驗，全面強化萬達在總倉建置、物流配送、門市營運系統效能等多項關鍵環節，並在會員服務等面向展開深度合作。展望未來，我們也將攜手拓展鄰近亞洲市場，統一集團在國際市場的寶貴成功經驗，將成為萬達寵物快速邁向海外的重要推力與合作夥伴。」

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。