應用案例

無人機是利用程式控制操縱的飛行器，作為「天空中移動的第三隻眼」，為交通領域的安全監管和應急處理帶來了很大的便利，因此臺北市政府利用無人機機動特性快速蒐集市內欲監測位置之影像數據，再透過AI技術分析車流狀況、紅綠燈、人口蓋等路面設施之現況，期望藉由無人機定點以及巡檢航拍的功能達到迅速座標化、數據化、3D模組視覺化等目標，以提升交通局交工處對於事件處理之效率和後續資訊歸檔之完整性。

UGuard AI是數聯資安根據U-SOC資安監控中心服務超過180個客戶、監控1400台以上資安設備、持續營運超過10年的在地經驗所孕育出來的資安管理解決方案。它擁有資安監控中心必備的事件收集、分析、儲存與監控功能，並具有客製化流程引擎與主機人員的入口網站。它可以串連各種資安設備、主機系統的資安訊息，產生資安的整體概況並提供即時警報，讓企業不再是被駭客打著跑，而是主動監控、鎖定、處理並遏止資安案件的發生。整合業界最強的巨量資料引擎領導者Splunk作為主要的處理核心，大幅改善傳統SIEM(資安事件管理)方案的處理效能及反應速度，並且融入數聯資安長期在SOC資安維運服務上的專業經驗所彙集之新世代SIEM知能資安整合平台。

1.透過人臉辨識持續監控管制者是否為其本人進行量測，以及其心率狀態是否高於個人的常值。 2.生理資訊檢測：員工及會員於居家期間內的特定抽查時間，進行生理資訊檢測 後，上傳該隔離者的生理資訊量測結果。

台灣黃頁（web66.com.tw）為全台最大B2B/B2B2C詢價媒合平台，專注企業買賣雙方媒合超過16年，累積12萬企業會員、7大站群聯盟、Google收錄超過310萬頁，詢價買家到訪率達59%。透過叢集式SEO與高品質網站導流機制，有效將公域流量轉化為詢價留言。平台自主研發AI模型，導入機器學習、雲端運算與歷史資料分析，結合關鍵字語義擴充、變數匹配演算法與AWS高效分散運算，智慧比對買家詢價與賣家供應，實現貨比三家、精準媒合。更進一步提供市場趨勢、網路商機、關鍵字策略、競業分析、新品開發與企業價值鏈等整合服務，協助企業掌握商機、提升接單，創造多贏。

在企業數位化轉型的過程中，知識中台已成為提升企業競爭力與營運效率的核心技術。透過LLM（大型語言模型）技術，知識中台能夠進行語意判斷，理解使用者需求，並透過智能互動引導目標，完成各類任務，確保企業內部知識的有效運用與流通。

相較於過去單用於行銷、閒聊的娛樂型Chatbot，新一代交談式機器人更著重服務能力，可提供7/24不間斷服務水準、有效降低成本、人員流動風險，且文字、語音對話方式簡單上手，易推廣至全年齡層。 SysTalk.ai團隊致力於開發台灣在地的自然語言理解(NLU)演算法，透過NLU、FAQ、Flow三大產品模組建立雙腦一流程服務，搭配AI大腦訓練師調教，專門打造聰明、人性化的交談式服務。 SysTalk.ai兼具雙腦對話引擎，NLU查詢腦透過意圖、實體判斷正確回應User服務需求，輕量級FAQ諮詢腦支援階層式問答，負責低耗快速處理通用問答。FlowCreator流程嚮導可設計多輪對話、多輪轉多輪仿真人彈性對話，並內建多種串接節點與具http協定API設計可輕鬆介接社群管道(App, Line, Messenger, Skype, Web, …)、整合平台(call center, HR system)，建立完整服務應對真實情境。

客服，作在現代企業運營中，人工智慧助理（AI助理）已成為提升效率與決策能力的重要工具。隨著數據驅動的時代來臨，企業內部管理與溝通方式正快速演變，AI助理能夠幫助企業簡化工作流程、提升決策品質、促進團隊協作，使企業在市場競爭中保持領先地位。為企業與顧客之間重要的橋樑，其核心價值在於建立並維護良好的顧客關係，進而提升顧客滿意度與忠誠度。然而，傳統的人工客服在面對日益龐大的諮詢量、重複性的問題以及24小時無間斷的服務需求時，往往顯得力不從心。此時，AI客服機器人的出現，正為客服領域帶來嶄新的解決方案。

於Covid-19疫情期間建置LINE官方智慧客服「新竹市居家照護關懷中心」，提供照護、隔離、檢疫者相關資訊，達成遠距關懷的目標。

(一). 計畫緣起 A. 廠方面臨問題： 1.製程日益精密、客戶要求全檢、量測產能已達上限 2.製程不穩定無法進行有效控制 3.首批需要投Dummy片驗證，需耗時半天 4.Layer量測難度大(破壞性檢驗)，無法全檢。 B. 執行步驟： 執行與整合步驟為： Step1. 建立AVM系統：完成100%全檢目標 Step2. 整合SPC系統：將AVM預測結果整合廠內SPC系統 Step3. 整合Alarm系統：將AVM預測結果依廠內Alarm 原則整合廠內Alarm系統 Step4. 整合Scheduler系統：建立智慧化抽檢機制 Step5. 整合當站製程：進行Feedback Control Step6. 整合後站製程：進行Feedforward Control 。 其中，Step4. 整合Scheduler系統：建立智慧化抽檢機制，需考量9項實務整合因素如下： 1.抽樣比例 2.機台穩定性 3.機台資料異常 4.AVM 模型狀態 5.預測精度水準 6.量測異常 7.產線排程穩定性 8.狀態改變: 調機或清機等。

一般市面上的機械手臂通常只能執行單一物件的取放，在少量多樣或產品變異性高的產線中，不容易實現自動化的需求。本案透過AI演算法和3D成像技術來揀選未知物品，即使它們被緊密的包裝在一起，仍然能夠辨識出個別包裹，系統也能計算出最佳的揀選點，規畫路徑引導手臂避免碰撞。

1. 彙整專案資料：收集訪談語音檔、會議語音檔以及相關的訪談文件，為後續的資料處理和分析提供基礎。 2. 語音檔轉成文字資料庫：利用先進的語音辨識技術，將收集到的語音檔轉換為文字形式，建立結構化的文字資料庫，為資料分析和處理提供基礎。 3. 建立向量資料庫：根據客戶資料和訪談資料，建立向量資料庫，實現資料的高效檢索和分類。 4. AI自動分類：運用人工智慧技術，對專案需求和訪談要點進行自動分類，幫助企業快速了解專案的重點和需求。 5. 會議記錄及需求文件生成：AI自動生成會議記錄、專案需求文件和專案提案文件，確保文件的準確性和一致性。

客服，作為企業與顧客之間重要的橋樑，其核心價值在於建立並維護良好的顧客關係，進而提升顧客滿意度與忠誠度。然而，傳統的人工客服在面對日益龐大的諮詢量、重複性的問題以及24小時無間斷的服務需求時，往往顯得力不從心。此時，AI客服機器人的出現，正為客服領域帶來嶄新的解決方案。

為提升市民查詢市政資訊的便利性與智能化程度，建置一套智能客服系統，透過語意理解技術與自動化知識庫管理，讓市民可自然語言查詢市政資訊，系統可即時回應並持續優化服務品質。

本研究目的在透過一個智慧型的對話式人機介面，以聊天機器人的型式提供投資者評估投資新聞內容的可信度。在技術創新方面，本年度之研究利用語意分析之技術，對於金融商品(股票)所提供的相關資訊的品質，進行信息內容之解析與評價，研究包括新聞內容本身(新聞、 雜誌、研究報告)進行解析,辨別單一新聞消息中：(1) 媒體來源(可能是投顧、媒體、記者)、(2) 關聯金融商品標的、(3) 多空看法(內容對商品未來走勢是否表態)、(4) 對應投資期程(短線、中線、長線)等等。透過語意分析技術擷析過往該媒體來源所發佈之新聞內容，並針對新聞內容預測之結果進行回測，計算出該新聞內容提供者所預測之情報準確度產生一檢驗結果，最後由評價產出系統整合產生一評價資訊，並儲存於系統平台以對話式人機互動方式供使用者查詢。藉此，提供投資人查詢各理財新聞提供者過往的準確度，以作為使用者投資理財之參考依據。本研究之目標在幫助投資人對於新聞內容有一參考指標以加深投資者進行投資決策時之幫助 。

智慧製造+產業AI化的升級已在國人心中醞釀已久，期待一套敏捷且彈性的智能報工系統，為工廠帶來數位化與智能化提升。 3K環境以及八國聯軍設備往往是機械製造業數位化與智能化最大的挑戰，加上廠內同時存在工業1.0-4.0的混動生產情形，報工作業往往需要高度人力介入，因此敏智能報工系統應運而生。 敏捷智能報工系統具備AI即時多報工模式、機聯網、高移動性移動裝置、即時監控生產效益等特點，將第一手現場數據回傳戰情中心，讓Data晉身Information，協助企業做好完善廠區、稼動率或異常等管理。 此外搭配深度學習與視覺辨識服務，有效協助身處3K現場作業人員進行工件辨識計數或不良品辨識，大幅降低人力與重複教育訓練的成本。 零次方科技團隊由人工智慧、軟體工程、工業工程、用戶體驗等專家組成，為製造業不同需求提供高專業度顧問分析服務與客製化服務。目前系統已在台中工業區製造業實際導入與上線使用。