2025 臺灣AI大賞 | 智齡科技 Jubo Health 用AI重新定義健康照護|數位時代 BusinessNext

「我們不只是長照科技公司，我們希望能輔助護理產業更有效率，持續AI轉型。」智齡科技創辦人康仕仲說。 這句話背後，有一個從傳統AI到大語言模型、從學術研究到商業落地的完整轉型故事。康仕仲出身於醫療世家，擁有史丹佛大學機器人與人工智慧領域的博士學位，回國後在臺大做了多年的醫療科技研究，過程中意識到高齡社會將為臺灣的照護環境帶來極大挑戰，因而和核心的研究團隊一同從臺大衍伸創立智齡科技。

在臺灣快速步入超高齡社會的當下，長照產業正面臨前所未有的挑戰。在醫療現場，護理人員除了要處理繁重的臨床照護事務外，每天平均還需要花費71分鐘，才能將照顧紀錄整理成與家屬的聯絡事項。如同許多高度專業的產業，各國的護理照護現場，也同時面臨迫切的人才需求，極需建立有效的系統來緩解營運醫院與管理病房的壓力。

從分群演算法到大語言模型：技術演進的關鍵轉折

回顧智齡科技的人工智慧發展歷程，康仕仲將其分為三個重要階段。最初，他們從最基本的分群AI開始，「護理師每天都會收集許多血壓、血氧或是呼吸次數等生命徵象的數據，但今天量進來的數字跟過去比較，要如何判斷是否有異常？要如何分群？是個不容易的問題。」這個看似簡單的SVM分群方法，卻解決了護理現場的真實問題。基於數據，設定警示機制提醒護理師，目前約七成的警示會進入後續處理，證明AI確實能輔助識別異常狀況。

2015年由Google開發的預訓練語言模型BERT出現後，智齡科技導入人工智慧的進程進入第二階段，開始著手處理非結構化的文字資料。過去護理師撰寫每日護理紀錄時，會先選擇當天要關注的護理焦點，例如「體溫升高」，然後在護理紀錄中描述針對此情況的處理方式。「當時我們試著導入BERT理解語意，接著推測接下來要做的事情。」這個突破讓系統能從護理師的文字紀錄中，預測護理師下一步可能的作為，大幅提升工作效率。

同一時期，他們也導入卷積神經網路技術，用來辨識傷口的影像。護理師在每天觀察患者傷口時，同步拍攝受傷部位做紀錄，系統就能自動識別傷口的大小、嚴重程度、顏色等資訊，「護理師只要拍照，就可以修改，不需要費時多次量測，對於長期紀錄身上多處傷口效率更高。」康仕仲強調，這些日常照護的資料也同時能夠回饋到系統中，持續改善模型。

但人工智慧模型的變化實在太快了，回顧2022年夏天，當時智齡科技嘗試用最新的大語言模型，參與護理師執照考試，「成績大約是80幾分，已經超過護理師及格標準。」隨著GPT-4發布，通用模型的進步速度超乎預期，康仕仲果斷做出重大決策：「我看到結果就決定要轉向。通用模型進步得實在太快，當下就意識到自我訓練模型這個路線需要耗費大量時間與資本，短時間是很難趕上的。」

「我把原來的AI團隊解散，打散到各個部門。因為護理的領域，需要的知識和用詞有一定的限制範疇，在大語言模型的時代，我們更需要回歸到護理現場的需求。」康仕仲說。

大語言模型落地：從71分鐘到10分鐘的效率革命

在掌握大語言模型的能力後，智齡科技迅速推出多項實用功能。其中最受護理師歡迎的是照顧紀錄摘要和輔助家屬溝通的功能。「根據我們的觀察，護理師每天平均要花71 分鐘，才能把照顧紀錄轉成家屬溝通紀錄，現在用AI生成就有極大的優勢，不到10分鐘就可以做完。」

更貼心的是，系統現在還會提供兩種溝通風格供選擇，「一個是溫暖型的，一個是簡潔型的。」康仕仲觀察到，外科型護理師偏好科學簡潔，內科型護理師比較溫暖，「每一位護理師都可以依照自己喜歡的風格，讓自己的工作更加順暢。」

技術架構方面，智齡科技建立了一套對接不同AI模型的系統，「現在我們可以把資料庫對接不同的大語言模型，隨時可以依照需求更換模型。」再者，臨床環境會產生很多涉及敏感的個人資料，需要將敏感資料轉換成代碼處理，「如何配合臨床運作，管理醫療服務過程中產生的資料將會是重點，未來資料治理比選擇AI模型更重要。」康仕仲特別強調。他認為，從服務一千人到服務一千萬人次的資料處理能力，「那需要長期積累的工程能力，以及對資料和領域知識的深入了解。」

創業故事：從學者到創業家的華麗轉身

具有結構技師資格的康仕仲，創業動機源於對基礎建設的熱忱。「我是土木訓練出來的，對基礎建設比較有興趣。重點不是最終出水的水龍頭，重點是水龍頭後面的水庫、水管、自來水廠。」這個基礎建設思維，讓他選擇了相對冷門，但具有重要社會價值的長照賽道。

「我們選的賽道相對冷門，所以目前幾乎沒遇到類似的競爭者。」康仕仲分析，即便像是北美最大的長照軟體平台PointClickCare (PCC) 也並非AI原生公司，因此和我們保持合作關係，他們雖然擁有超過 27,000 家客戶，佔有將近七成市場，但尚未和我們一樣做到照護的最後一哩路。」

智齡科技團隊大約百人，現在幾乎所有部門在日常營運中都已經陸續導入AI。「例如我們的團隊已經很習慣在ChatGPT協助下，撰寫文案。」康仕仲積極推動全公司AI化，鼓勵團隊使用AI工具，「我們試著讓一部分編寫程式的工作讓AI參與，程式設計師和專案經理的工作，逐漸轉為教導人工智慧正確的規格需求，並確認輸出的結果是否正確。」

拓展北美市場：在臺灣市場驗證後再打入國際舞台

康仕仲說，智齡科技的商業模式可以用臺灣的「夜市文化」的快速創新來比喻。康仕仲觀察到，「臺灣的客戶很願意嘗鮮，即便還未打磨至完整，就算產品只有完成八成，實際上臨床就願意陸續導入。」這種願意嘗試新事物的文化，是臺灣能夠快速驗證AI產品的優勢。

他特別推崇臺灣的「隱形冠軍」模式，「臺灣蠻多這種隱形冠軍，找到相對冷門但有價值的賽道。」相較於矽谷專注主流市場，臺灣公司更適合深耕利基領域，「這是臺灣企業更適合做的事情，也是臺灣的優勢，高度活力與多元。」

相比之下，北美市場更為保守，「美國的醫療市場由各據山頭的集團拿下，好在照護這個領域的核心知識架構差異並不大。」康仕仲選擇在臺灣打磨產品，比較成熟了再打進北美市場推廣就會較快。銷售策略採用三管齊下：參加展覽後續追蹤、與學會合作推薦、以及陌生開發。「美國有成熟的銷售體系，我們現在決定不再聘用銷售業務，而是與專門做陌生開發的公司合作。」

目前智齡科技已獲得國發基金、緯創、嘉新集團等企業的資金挹注，並服務已超過500 間長照及日照機構、50,000 名以上的高齡者。在北美主則主要提供較基礎的數位產品，「每個長照機構都可以對接我們的系統，解決他們的需求。」最新產品是失智症照顧系統，「照護失智症患者，一天要做很多次觀察，每次都有12個數字要填，我們把它導入iPad加推車的系統中使用。」在日本市場，智齡科技則與福岡的合作夥伴建立策略聯盟。

國際市場產品布局：對話式護理系統與陪伴型居家照護AI

在算力和演算法策略上，康仕仲有這和其他領域不盡相同的觀點，「我們要追求的是如何以小算力也能運作的演算法。」他認為在醫療領域，AI不需要太過複雜，「護理師的工作已經非常成熟，都有一定的規格，所需要的輔助能力，使用 20B 和甚至 8B 的模型，可能就已經相當足夠。」

產品策略方面，智齡科技正在開發兩個重要方向：一是對話式介面，「未來的護理系統界面，會越來越類似ChatGPT，直接對接我們的資料後台。」護理師可以以對話的方式生成表單，不再需要複雜的圖形介面操作。二是陪伴型AI，「這一類的AI，早上起床後會跟長輩聊天，提醒你吃藥、量血壓。」這項服務瞄準居家照護市場，「其他家人回來可以直接問AI長輩今天的狀況，做出總結。」

最後，康仕仲用一個生動的比喻總結智齡科技的定位： 「人工智慧只是蛋糕上面的櫻桃，真要讓蛋糕做起來更可口，後面還是要有很穩健的系統和領域知識支撐。」 在這個AI驅動的新時代，智齡科技正以臺灣的創新活力，為全球長照產業提供溫暖而實用的科技解決方案。

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。

「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。

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。

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。

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。

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。