AI 服務應用

觀光為臺灣重要的經濟之一，臺灣各景點每年的觀光人口從20~100萬人不等，透過人流的數據，於景點拍照打卡進行 AI 影像分析，分析各地區景點人流、年齡層、性別與情緒…資訊，提供景點及有關單位以利後續商業決策及應用，促進台灣的觀光經濟發展。此專案可延伸性應用於COVID19防範，如：2019年4月份全台11處景點警示新聞，可透過此系統提供民眾資訊，及群發告警，避免群眾群聚感染的風險。

海洋公民科學家於107年建立了垂釣回報功能，公民科學係指由專家學者進行規劃，並提供一般民眾參與研究案中的部分資訊，公民參與不僅可提供海洋保育署更多的海洋資訊，亦可推動學術普及。110年導入AI魚種辨識服務，民眾上傳魚種照片後，系統會自動提供三種相似魚種以提高資料回報的準確性。為使公民科學家能更深入瞭解魚種特性、學名、俗名以及習性等資訊，介接「臺灣魚種資料庫」以提升公民科學家對於魚種的知識與認識，讓使用者更便利的進行填報。直至113年7月共有4004位垂釣公民科學家累積35,017次垂釣回報，112年度進一步增加垂釣資料的蒐集欄位，改善填報系統的便利性，針對臺灣地區常見的魚種，新增84種魚種辨識種類，使填報魚獲的資料更加豐富。

在企業雲端治理與數據分析需求持續增加的趨勢下，卡洛地股份有限公司為知名建設集團導入CRP（Cloud Resource Planning）雲管平台，整合AI異常偵測與預算預測模型，實現跨雲資源的自動化監控與預測分析。平台具備AI驅動的費用監控、異常警示與自動化報告功能，協助企業精準掌握用量與支出，並藉由Transformer與Graph Attention Network等模型提升預測準確度與決策效率。

RPA 是企業流程自動化技術，使用稱為數位機器人或機器人的虛擬軟體機器人執行手動、耗時的工作或任務。運用 AI 技術增強 RPA，將業務流程自動化的可能性擴展到任何情境，例如讓認知機器人能夠思考並做出決策，同時在工作中學習，進而成為人類-數位勞動力的寶貴資源。RPA比起一般人力，可做到一週七天不休息的特性(7x24h)。企業可以在非上班時間，同步接收客戶訂單的信件，且將初版資料整理完成，並輸入到系統中。接著來到上班時間，員工可以直接進行檢查與微調，進一步提高訂單處理的效率。透過自動化的訂單處理流程不僅節省人力資源，還大大降低錯誤和遺漏的風險，從而提升客戶滿意度。

我們的AI對話式商務整合平台，從客戶端至客服端，為您串連所有的工作流程，包含相關系統整合串接，讓工作流程快速和提高效率，不單以最新的AI智能客服當第一線，更以IA人機協作方式，輔助客服人員快速了解客戶需求和維繫良善的顧客關係管理。 而我們設計的聊天機器人平台，採取最新的人工智慧Deep Learning 深度學習技術架構，可交互式問答多輪對話能力，自動學習問題類別，進而找到答案，大幅降低人力建置成本，並達到高準確率和廣知識涵蓋率。並在整合文字、語音與對答能力的同時，更能透過自然語意理解(NLP)及人臉、語音辨識，以文字客服、實體廣告機，3D智能機器人與客戶輕鬆互動對話交談，讓使用者在對話的過程當中，更能快速了解產品資訊、產品應用和其功能特色，更進一步結合真人銷售。 我們可以將所有顧客軌跡進行數據整合，不論客戶拜訪網站、APP、LINE、FB等社群媒體，以及客服中心(Contact Center) 包含真人服務包含電話、文字客服等，皆可將客戶資料統一歸戶，以利後續消費者行為分析。在這幾年中已成功導入銀行業、政府單位、電商業、交通服務、物流業各大產業，提供智慧服務、智慧交通、智慧政府、智慧物流等AI技術應用。

【睿思商業智慧與決策輔助服務】透過AI知識管理與智慧對話機器人，協助企業整合營運數據與流程知識，實現即時查詢與決策支援。 【AIKM 】建構結構化知識地圖，【 CROSSBOT】提供自然語言介面並串接LINE等平台與內部系統，強化決策效率與組織應變力。【適用場景】 ■ 1.支援營運資料匯整並產出報表　■ 2.員工SOP即時查找　■ 3.客服即時回應等多元應用

AI即時監理系統，整合關聯性多面向資料，並以自動化人工智慧機器學習方式進行風險核判。系統可定期更新各因子係數、權重進行風險核判，進一步應用於即時風險偵測，將資料分析至建模，皆以自動化形式進行，節省人力及導入時間，其中包含定期更新資料集、特徵因子篩選、產製優先監控清單並依風險程度進行警示之服務。本系統已實證成功導入公民營機構，有效執行風險監理預警，可大量節省傳統人工監理稽核時間並提早預應，最高可降低成本達73%，以數據分析輔助驅動現有單位決策機制，達到監理最大效能。

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。

自動化分揀倉儲決策AI系統結合大數據與智動化科技，研發以預測、快速反應為基礎之AI倉儲軟硬體解決方案，AI in Edge 架構結合揀貨路徑規劃技術、儲位配置技術需求預測與庫存調度技術，整合物流貨品標識影像處理系統、國產化自動化分揀系統設備建置智慧物流Total Solution。智慧科技精準預測、最適儲位規劃、最佳揀貨排程，解決電商倉儲品項上萬、出貨急迫、人力時間不足，導致企業營運受阻問題及仰賴國外昂貴系統之困境。工研院服科中心採用 Variation Auto encoder 之無監督學習模型，結合「事前資源調度」與「人工智慧指揮引導」發展漸進式動態儲位配置調整技術，以遞迴式類神經網路、線性回歸模型、EIQ分析、深度學習、邊緣運算建立倉儲決策AI支援系統 ，協助解決EC物流中心缺工、爆倉等現象 ; AI in Edge 架構優化進貨、入儲及揀貨效率及空間利用，節省EC物流中心30%工時、50%人員移動距離與12%成本，自動化分揀系統與包裹辨識系統，快速滿足B2B、B2C等多型態出貨需求，目前已成功導入宅配物流業、EC物流中心、連鎖型超商…等國內相關業者。

南山人壽智能客服，包含固定式問答及交談式多輪問答流程，以「使用者觀點」設計互動式對話流程,結合人工智慧自然語言處理技術進行自動化應答(人機交談)，並採用 Design Thinking 設計思考的手法來了解南山人壽服務場景的客戶需求和痛點，提供貼近使用者使用場景的業務功能，打造完整的對話式壽險業務問答流程。

Shoplus 是 iKala 在東南亞及台灣為品牌主及零售商打造的 AI 社群電商銷售工具，運用 iKala 獨家開發的 AI 語意及圖像偵測技術，協助品牌主及零售商，快速整合臉書及 IG 等社群銷售通道。透過 AI 商務機器人、訂單管理系統、及社群電商顧客管理系統，在銷售的過程中，運用 AI 傳遞人和人之間的溫度。憑藉卓越的 AI 技術實力也奪下多項 AI 應用大獎。2021 年回台落地，與全家獨家合作，推出 Shoplus 商店家，共同面向台灣市場。 三大特色： 1. AI 偵測直播留言，訂單不漏接：運用 NLP 技術協助賣家在直播銷售的同時，自動偵測具有購買意願的留言，並立即寄送 Messenger 訊息通知消費者，快速引導完成訂單。 2. 智能對話機器人引導訂單成立，購物好簡單：消費者在社群影片下方留言後，便能即時收到 Messenger 訊息，在對話中完成訂單，讓直播選購、社群消費、及訂單確認一氣呵成，體驗無縫接軌的社群電商消費流程。 3. 整合式管理後台，管理好方便：結合商品添增、訂單資訊、客戶管理及營運報表的整合式後台，讓商家一覽銷售與庫存的全貌。整合全家店到店取貨物流服務，透過整合式管理後台，便能清楚掌握包裹寄送及貨款入帳狀態。

透過Gen AI智能客服與各式搭配的產品模組，包含智能辨識、預測推薦、拍貼、小遊戲、智能DM、促銷活動與數據整合等，迸出數位轉型新體驗!

森林生態系統為動植物提供重要的生存環境，並生產可再生資源，所以說森林是全球碳和能量平衡的重要組成部分，森林結構的量測是資源評估和林產資源經營的基礎，政府和環境組織出於經濟、規劃和保護目的，必須調查森林資訊以掌握森林資源的數量，為積極推動林業及林產工業發展，活絡我國林業與木材產業鏈、振興區域經濟、提升在地就業，並因應國內過去積極造林之人工林已逐漸達輪伐期之可收穫利用階段，人工林積極疏伐將會是目前的主要作業之一 因此進行林地調查以及木材採取搬運等作業勢必增加各林區管理處人員之工作量，使用機器學習、深度學習技術等科技化輔助木材檢測作業，評估與分析可引進及改善國內林產業務林材測量作業之可行性。

(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。

大型人群聚集，未被合理控管，因而衍伸之公共危險可能性需被重視。依據內政部群聚管理條文顯示，室外每人活動空間為0.2787平方公尺為非自主推擠危害臨界值，活動空間為0.1857平方公尺為已達人群推擠壓力潛在危害。透過AI自動化即時計算大範圍人數，提供安全管理策略，為本產品之安全管理訴求重點。