應用案例

從技術門檻到智慧轉型：Finetune Expert 協助企業打造專屬語言模型 面對生成式 AI 快速普及，許多企業希望導入大型語言模型（LLM）強化知識管理與營運效率，卻常受限於缺乏技術背景與資安疑慮，無法順利落地應用。 1. 無需程式碼即可快速微調模型: Finetune Expert 提供直覺式無程式碼介面，即使非技術背景同仁也能依產業知識與應用需求，自行調整模型，使其更貼近企業的專業內容與回應需求，加速打造專屬模型。 2. 安全部署，守護資料主權: 支援地端與雲端雙模式部署，協助企業在私有環境完成模型訓練與推論，滿足法規與資安要求，確保敏感資料安全，同時兼顧生成式 AI 的彈性與效率。 3. 理解專業術語與內部脈絡: 企業可匯入 SOP、知識文件與技術手冊作為訓練資料，Finetune Expert 協助模型理解內部常用術語、流程與脈絡，應用於客服或內部知識問答時能即時提供精準回覆，提升互動體驗。 4. 多元應用，加速智慧化營運: 除了知識問答，Finetune Expert 可應用於報告摘要、文件翻譯、法規查詢、客戶回應生成等場景，協助不同部門實現流程自動化，提升資訊流通與決策效率。 Finetune Expert 落地生成式 AI 的實戰利器 :Finetune Expert 協助企業以自身知識打造專屬模型，真正將生成式 AI 融入日常營運，從強化知識管理、優化流程到守護資料安全，穩健推動企業智慧化轉型。

SkyREC 與零售品牌交流的經驗中，發現普遍有三大管理問題：第一，巡店時間長，效率不彰。第二，會員制比例不高，無法有效掌握線下顧客資訊。第三，缺乏數據分析團隊，幫助品牌檢視數據、優化決策。 藉由 SkyREC 全方位管理平台，幫助品牌同步掌握質化及量化數據。首先，運用影像辨識，洞察購物旅程 3 大環節，掌握顧客從店外、店內互動至結帳前的行為表現。接著，結合「雲端分析報表」及「Video Focus」挖掘實際影響交易表現的原因，藉以對症下藥。 某知名連鎖電器品牌，推出全新電棒捲並設立門市髮捲體驗區。透過制定員工服務 SOP ，藉此提升顧客體驗度及購買意願。 活動開始後，品牌區主管首先檢視「髮捲區顧客停留率」（停留人次及停留時間），找出停留時間普遍低於 3 分鐘的店舖（因為品牌規定的髮捲體驗 SOP 至少需超過 3 分鐘。）數據發現 A 門市雖位於一級商圈，但停留率不到一分鐘。接著，運用 Video focus 快速查看門市人員服務品質後，發現當顧客接近時，店員卻沒有上前幫助體驗，導致顧客可能不清楚使用方式。以往這些資訊需透過巡店、店舖訪問、銷售資料，才能掌握店舖營運狀態。 而藉由 SkyREC 全方位管理平台，區主管即可輕鬆獲得數據及店舖互動短片，快速了解門市營運並直接對症下藥，節省超過 900% 管理時間。

透過提高生產現況回饋的即時性，減少不良產品產出之機會並降低假警報，進而優化生產管制上下限； 在設備上安裝控制器, 負責收集資料並回傳至伺服器, 以利遠端監控執行異常維修預測，當預測可能有異常時，即時通知現場人員處置除了定期維修保養外，還可以預防異常維修的情況，則對於產線生產調度增加靈活與彈性，降低待工風險，並能提供排產即時參考與產線平衡管理

【蛛思CHOOSE】專注於將無法透過人工處理的海量網路新聞與社群輿情，藉由人工智慧整合分析的互動式圖表呈現，搭配探索行為的介面設計，協助使用者在有限的時間完成網路輿情資料收集、輿情風向趨勢觀測、對手輿情佈局比較、潛在輿情悶燒預判等活動。藉由藍星球資訊所開發的網路輿情偵測自動化模組、透事中文探勘分析系列模組、互動式圖表操作設計模組等三類模組的創新整合，使本服務能為廣告代理商、媒體代理商、公關代理商、品牌顧問、各企業與組織的公共關係部門或媒體事務組、政治幕僚，提供提案談資輿情資訊、活動企劃發想脈絡、網路行銷曝光監測、公關形象輿情回饋及輿情危機警示預判，一次解決資料蒐集、彙整、分析的工作流程。

如何避免用藥疏失是值得探討的一個重要課題在一般的用藥疏失事件中，配藥錯誤主要的因素，而造成配藥錯誤的主要原因，是由於藥名或包裝類似造成。慧誠智醫透過“AI機器學習技術”利用智慧視覺的辨識技術，對放入與取出的藥劑及劑量與數量進行確認，智慧藥櫃可減少人為錯誤導致拿錯藥品及數量等問題，避免醫療糾紛，以達到安全用藥的目標。

94bot 智慧客服可以處理大多數的常見問題回覆及個人資訊查詢，讓寶貴的人力去處理複雜的客服事件，以大幅提升客服的服務效率及降低人員異動的影響。和企業的資料庫如 CRM/ERP 介接後，更可以提供個人化的回覆，提高機器人服務的深度及廣度。大千智慧的解決方案，採用自主研發基於機器學習的 NLP 引擎，非坊間常用的關鍵字比對技術或是呼叫第三方的雲端 API來解析語意，因此，可以提供高準度及高客製化的方案。只要會寫中文句子，即可建置及優化機器人，不需用寫程式或標註多重的意圖，大大降低導入的門檻及上線後的維護成本。平台的後台可以同時處理來自官網、APP、Line@和FB Messenger 的文字對話作業，客服人員可以一鍵切換機器人或真人模式，達到一對多的服務效率。分群推播及自動貼標的功能，能讓您在經營客戶關係上，無往不利。

現今各產業皆導入自動化與資訊化技術以便提升產線效率、增加產能與效益，而工業物聯網亦是近期火熱的議題之一。由於工業物聯網環境擁有大量且多樣的聯網機械設備與機台。因此也面臨了盤根錯節的管理機制與資安議題，如何有效偵測甚至預測設備異常情形將是一大挑戰。所以，三甲科技便與製造業者共同執行一人工智慧研究專案，以機台內海量的系統稽核數據紀錄為樣本，經過彙整、正規化、分析、訓練等一系列處理流程，建立所屬的運算模型，爾後反覆校正其準確性，藉由不斷地調整使之趨於安定。接著，我們客製化系統協助業者導入偵測機制，結合文字探勘技術從滿山滿谷的數據中查找出特異的物件，也就是異常的製造單元。另一方面，針對員工操縱設備時的互動影像，加以分析、辨識，發掘違規狀況並加以警省，降低異常操作所衍生的風險。最後，我們藉由人工智慧分析判斷細微的設備異樣與操作習慣，使權責人能盡早察覺以提前應對，降低風險衝擊，進而提升運作穩定性。

利用多國語音辨識與智慧點餐，協助餐飲業者接待外國觀光客，使用本國語言點餐。協助商家以AI功能自動將商品名稱、商品描述、商品加值等內容翻譯成多國語言，提供海外旅客無阻礙的在系統上直接選購，支援英文、日文、韓文、法文為基礎語言，協助店家提供海外消費者優質消費體驗。

生產製造公司83％的資訊長認為，設備維護以及總體資產分析最佳化為提升企業競爭力之最主要途徑。「機台故障預診斷」是一套人工智慧（AI）與機器學習的系統，分析機台所產生的製程資料，進行即時監看、預測並以視覺化資料呈現，讓產線管理者可以掌握設備的健康狀態。

InsAI.FS AI財報智慧辨識系統，以AI協助辨識財務報表，取代傳統的財務報表登打作業。在金融相關產業當中，常需要將財務報表輸入到會計系統或徵授信系統，但財務報表的判讀與識別需要相對專業的金融知識，往往有經驗的同仁才能夠快速完成。傳統的光學字元辨識（OCR，Optical Character Recognition） 雖然能夠將PDF辨識成文字檔案，但在後續可用性卻偏低，若要在其他系統使用這些資料，仍然需要將檔案整理之後才能使用；且若遇到檔案解析度過低或歪斜、髒污…等問題，就會影響到辨識準確度。而『InsAI.FS AI財報智慧辨識系統』將OCR加入AI的元素，即使PDF的影像品質不佳，也能夠成功辨識，準確率超過90%，AI讀懂財報後，資料會進入到系統，並將金額進行加總覆核，並於系統中標示出可能辨識失敗的地方，使用者不需重頭登打財報，僅需核實系統標示的地方即可，確認無誤後，即可透過API的方式將資料串接到後續徵授信…等資訊系統當中，粗估約可減少80%登打的時間。

AI避障功能特色在晶片成本增加US$1的狀況下，換成RGB sensor以及DeepMentor收集的dataset後，運用微型化大型AI Model並保有精確度，能精準計算距離及物件辨識，大幅降低False Alarm。 亦保有銜接Tof的架構，擴充性可利用其拉類型Sensor fusion，閃避其他的障礙物。

依據國外NGSS課綱以及國內新課綱所列出的科技領域學習階段指標，收斂相對應的學習力指標，規劃出五個學習階段：幼兒啟蒙、結構與動力、基礎程式、機器人發展及高階AI應用，並發展其適合的教學內容。 此學習方案是基於國際知名的兩大機器人賽事 (WRO & FIRST)，目標透過競賽與國際人才進行交流，進而激勵學生在科技領域方面的途徑不斷拓展，發展團隊合作與競賽並存的理念。 教具為有效整合IT+OT應用，達到教學之目的，開發了兩套AI機器人套件組。入門機器人包含自動控制、電機、機械工程、STEM 科普等相關機器人教育之機器人微控制器與學習基礎套件；進階機器人則搭配攝像機、樹莓派、無線搖桿，可實作多功能變化的 AI 機器手臂、AI 自動駕駛車等。並發展多種實務課程，如將生產流水線搬到課堂上學習，實踐產業學習的環境。 教案及課程部分，入門鎖定國高中生，與翰林出版社合作開發初階AI教材「出發吧!自走車! 」，推廣至全台國中；進階套組則針對高中以上至產業人士，開設AI進階機器人研習課程。

隨著電子元件微型化，對檢測設備準確度之要求越來越高，然而現今檢測設備大多仍採取傳統影像處理技術來檢測瑕疵，無法滿足高準確度之需求，為了避免漏檢瑕疵，業者被迫將檢測機台靈敏度調高，其副作用就是造成了大量假瑕疵的產生，使得產線仍須耗費大量人力做二次篩檢，不僅耗費成本，且影響產品品質及生產速度。國內檢測設備業者聯策科技以AI深度學習技術進行真假瑕疵之判定，可協助PCB業者減少一半以上之假瑕疵，促進產線自動化，且以軟帶硬提升設備10倍之價值。

以one-class learning之學習架構，導入AOI (Automated optical inspection)檢測瑕疵智慧化發展，在自動化條件下提升產品檢測辨識率，以減少人力工作負重量，包含兩部份工作，一、建立以Autoencoder與self-organizing maps為基礎之瑕疵檢測技術，並完成廠商提供實際AOI機台資料之瑕疵檢測技術測試；二、完成廠商現場機台系統整合與資料介接，將影像資料透過AOI系統之接口導入部署分析技術之邊緣運算裝置，再將分析結果傳回AOI系統中，於介面上顯示瑕疵區域。主要利用python撰寫建立影像辨識軟體，其同時具備了影像前處理功能，例如：高斯慮波(Gaussian Filtering)、均值模糊(Averaging Blur)、中值模糊(Median Blur)、雙邊濾波(Bilateral Filter)且包含分析功能與可提供數據可視化及存儲之後處理功能。使用本分析軟體可直接將原始照片進行進階分析，由預前訓練模型直接辨識產品的相片是否有無缺陷，可調控參數設定靈敏度以及協助執行品管。

現階段產品應用，進行球員、移動軌跡、執行戰術、得分與否進行辨識，將蒐集的數據整合進儀表板，提供教練團進行訓練規劃。遠期產品規劃，使用於正式比賽，即時串流影像與辨識，與賽評或實況進行搭配，與觀眾進行互動。