AI 服務應用

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。

經由「美白日記」網站式服務平台提供之影像辨識技術的類膚色分析儀服務，可以自行在家追蹤美白成效，不僅避免使用成效不彰與財務浪費的疑慮，也能與賣家建立信任度，成為賣家服務的忠實顧客，且檢測後之數據回饋，將同時記錄至主機資料庫，廠商可以確定消費者過去到現在的美白差異，作為產品效果的依據，提升美容業消費者獲得更精準的治療與成效。

提供現場與非現場球迷沈浸式觀賽體驗 1. 可視化運動數據呈現 2. 互動式AR遊戲與服務 3. 一站式智慧助手提供導航、導購、導覽…等服務

您是否擔心通用型 AI 洩漏您的核心專業知識 ？ Lamp AIP (Lamp AI Platform) 是專為企業二次開發設計的 LLM + RAG 解決方案 ，我們提供離線 AI API 及程式庫 ，讓客戶能完全掌控專業、獨有的 AI 助理 (Agent) 主要流程 。 核心價值主張：資料安全與專屬性：我們的 RAG 系統嚴格限定 AI 只回答企業內部已索引的知識 ，確保您的專業知識不會洩漏給外部 AI 服務 ，從而保有競爭力 。 彈性模組化收費：平台高度模組化 ，客戶可依照需求選擇功能，不必一次購置所有功能，有效減少不必要的花費 。 教育領域應用範例： 客戶運用 Lamp AIP 打造「適性學習人工智慧分析系統」，應用 LLM 分析學生學習成效，自動生成加強學習計畫和建議 ，實現個人化教育循環 。

門市對客戶沒有溫度，不知客戶內心需求。門市人員考效及人效差，沒有主動提供客戶最佳活動。利用大數據分析，智能推播更有能力可以解決細緻的個人化服務與精準行銷。宏康智慧採用wifi結合台灣主流通訊軟體LINE，收集線上線下客戶活動軌跡 主動推薦客服有關客戶相關訊息與教學，幫助客服更易了解客戶以便提供適合產品方案，行銷/人事管理單位也能夠以此作對應評審該門市/客服的服務水平績效,以提升坪效與人效。同時也可以整宏康智慧發展的其他通路平台，服務可以整合APP、LINE、POS，應用於各種產業的服務與行銷應用。

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。

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。

1. 客戶資料管理與互動紀錄： – 收集和管理客戶資料：開發客戶資料管理系統，支持多渠道數據收集，包括表單填寫、CRM導入等。設置數據清理和標準化流程，確保客戶資料的完整性和一致性。 – 客戶資料的匯入和匯出管理：開發資料匯入匯出模塊，支持多種文件格式（如CSV、Excel等）。設置自動化流程，簡化資料匯入匯出操作，減少手動工作量。 2. AI客戶分析功能： – 利用AI判定客戶購買意向：開發AI分析模型，根據客戶行為數據判斷其購買意向，集成機器學習算法，不斷優化分析模型。 – 利用AI判定客戶等級：設計客戶等級評估標準，根據客戶行為和歷史數據進行分級，開發AI算法，自動判定客戶等級，並動態調整。 3. 智能業務輔助追蹤系統： – 定期聯繫系統建置：提供AI定期聯繫提醒，根據客戶等級和聯繫頻率自動生成聯繫提醒，設置自動化通知，通過電子郵件、短信等渠道提醒業務人員進行聯繫。 – AI跟進輔助系統：利用AI推測潛在客戶，開發AI潛在客戶挖掘模型，根據現有客戶數據挖掘潛在客戶，並動態調整模型，設置潛在客戶管理界面。 4. 跨境線上交易與協議系統： – 設置跨境線上擬約/議約功能：開發支持跨境協議的線上擬約系統，涵蓋多國法規和法律要求，集成數字簽名功能，確保協議的法律效力。 – 開發跨境線上電子簽約功能：設計並開發安全可靠的電子簽約系統，支 持多種電子簽名方式，集成身份驗證和簽名驗證功能，確保簽約過程的安全性。

漆料產業所謂的電腦配色,僅為從現有色中挑選在進行配色,若遇到新色實則無法調,皆仰賴師傅的經驗進行調配,因此遇到新色時皆要重頭調配,耗費了許多的人力與時間,且每個師傅因調色習慣不同,所配出來的結果一樣但成本卻差異很大。因此欲透過 AI 的導入,透過 AI 模型的訓練,讓 AI 可直接找出最接近的配方與最省成本之配方。AI 智慧辨色系統,系統可達到色彩分析,自動調配並依據成本進行排列,協助企業追求最佳化成本與利潤。

(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。

1. QBot 是一個智能交談機器人，可在企業的官網、APP、社群帳號裡回應客戶問題，扮演企業對外或內部溝通的窗口 2.可應用於線上客服系統，透過資料庫數據分析、AI 智能化辨識，協助回應之文字的互動機器人 ChatBot 3. 透過 AI 智能化 ChatBot 應用提供使用者進行即時互動，談話服務、資料查詢、網路搜尋、商業資訊等服務

開發國家因人口老化、少子化、勞動條件提高等變遷，傳統零售業面臨人力短缺及人事成本高漲的壓力，導入自助結帳系統已逐漸形成趨勢。Technavio的分析師預測，從2018年到2022年期間，全球零售商店自助結帳終端市場將以18.63％的年複合成長率成長。近年來由於影像辨識結合人工智慧的快速發展，再加上相關硬體技術漸趨成熟且成本下降，採用影像辨識商品外型特徵的技術發展自助結帳已成主流。市場現有的自助結帳系統多採用條碼辨識技術有其先天上的限制，曾興起使用 RFID 技術成本因素也難以普及；AI多鏡頭自助結帳系統運用多鏡頭協同拍攝，結合AI類神經網路與感測器融合技術之開放式互動結帳平台，商品可以自然擺放(瓶裝、罐裝、鋁箔包商品可以豎放)直接進行辨識，針對易混淆商品透過重量感測以提昇辨識率。另外可搭配使用現金支付、悠遊卡等多元支付機台，實現「不用排隊結帳」消費體驗新風潮，商品結算速度較現有店員提升50% 促成實體零售數位化，為新世代零售服務門市提供優良自主結帳之解決方案。

眾至AI SPAM融合了先進的人工智慧技術，主要分為AI寄信行為分析和AI內文分析兩大核心，有效提升郵件篩選的準確性和防護力。在AI寄信行為分析方面，系統通過分析郵件的表頭，識別郵件是否來自正常的寄信行為，或是由大量發送的異常行為所觸發。正常寄信行為通常依賴SPF、DKIM、DMARC等郵件認證標準來進行身份驗證，而異常行為則多見於批量發送郵件，例如電子報、通知郵件、垃圾郵件或釣魚郵件，這些郵件的寄信行為異常將作為主要判斷依據。通過這一過濾方式，系統能夠準確識別出潛在的垃圾郵件和釣魚郵件。在AI內文分析方面，系統依據電子郵件的內容特徵進行分類，運用AI演算法對郵件內文進行深度解析，包括語句特徵、發送時間區間、附件內容、外部連結的數量和特徵等。這些內容特徵有助於識別正常郵件、電子報、通知郵件、垃圾郵件及釣魚郵件。系統通過綜合分析內文及寄信行為，達到高效分類和篩選的目的。

商業電子郵件詐騙（Business Email Compromise，簡稱BEC）為近年新興的全球性資安威脅，造成各企業每年合計超過百億美金損失。犯罪組織針對受害企業以各種方式入侵、長期潛伏盜取資訊，最後策畫騙局誘使受害者匯款或與錯誤的對象交易。 此類犯罪中，關鍵的詐騙信件常與一般的商業或私人信件無異，因為與商務情境、日常往來行為相符，BEC信件甚至不需含有網址、附檔等可供技術性偵測防護的內容，讓防毒、阻擋點擊的防護措施無從著手。 Openfind網擎資訊為國內郵件資安領導廠商，具有最高市占率並輸出至日本等國。針對各種惡意威脅信件，雖已研發推出各式產品服務，可由信件附檔、信件寄送行為中辨識威脅郵件，仍然持續觀察到市場上缺乏對BEC更精準有效的偵測技術，對於不含有惡意附檔或可疑網址的信件，系統能偵測或理解信件內容之自然語言、感知其意圖，提醒使用者注意，期望能將AI技術落實在資安領域，提升企業競爭力。

傳統購買蝸牛苗僅能依據人工推估數量(因蝸牛苗細小不易計算)採購，其數量參差不齊，造成買賣之間的紛爭以及財物損失，紛爭事件更是因養殖蝸牛興起，隨時間與日俱增。故，針對國內迅速成長之蝸牛養殖市場，藉由賣家提供之大兩蝸牛物件之照片，建立大數據資料庫，建立影像辨識R-CNN模型，辨識往後之拍攝照片中計算物件個數(蝸牛幼體)，提供之蝸牛影像辨識服務，協助養殖賣家獲得精準蝸牛數量，降低人為預判之損失及紛爭。