AI 服務應用

AI 智能客服助理是一種快速、容易、且低成本的文字智能客服解決方案。該服務旨在幫助中小型企業實現 AI 智慧化轉型。企業只需提供常見問題 (FAQ)、產品資訊或官網資料，無需編寫程式碼或 AI 工程師，即可自動學習並準備上線。

以獨家專利技術VBIP提供地圖、起訖點路徑規劃及3D AR導航服務。串接2D平面導航及3D AR導航的服務。基於視覺的室內定位技術(Vision-Based Indoor Positioning, VBIP)系統是一種新穎的室內定位方法，利用使用者智慧載具捕獲的攝像機圖像來定位用戶，相較於其他室內定位技術，以視覺辨識為基礎的定位技術可節省硬體架構成本，並與戶外定位系統流暢連接，提升使用者體驗。使用者可在電子地圖上搜尋周邊服務及功能，選定後再連至3D導航功能。2D轉3D時，打開鏡頭的瞬間，即可透過手機鏡頭認知空間，經由VBIP技術進行定位，並開始導航服務。

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。

凱比機器人主要為一Android開放平台, 並開放機器人控制介面與平台供第三方進行調研開發合適之應用. 提供真實的人機交互介面給第三方進行應用部署.

將人臉辨識、口罩偵測、體溫偵測整合與服務型機器人進行整合，使其在疫情期間可同時進行體溫量測，口罩提醒等工作; 並可依需要發出警訊。該功能除增加相關硬體設備，同時須與人臉辨識，口罩辨識系統進行整合。口罩辨識系統以機器學習方式建立模型，服務型機器人偵測到人臉時以該模型進行判斷口罩是否佩戴，並決定是否發出提醒語音。

過往文件資料的彙整、分類、分析作業皆需仰賴大量人力的處理及判讀，除去高昂的人力與時間成本，透過人力進行這類型工作無可避免會出現人為誤判的情形，往往需要進一步的檢查、驗證，方能確保解析結果的正確率在可接受的範圍內。藍星球資訊將自主開發的自動化資料豐富程序(ADEPT)，搭配改良後的長短期記憶網路(LSTM)、語意向量(word2vector)、深度學習(kNN)等機器學習模型整合為【透事THOUGHTS】系列技術，運用AI演算法自動剖析文本，將巨量文字資料進行智慧分類、自動摘要、詞彙萃取、情緒感測、精準推薦及觀點聚類等分析，協助使用者從中提取可供加值再利用的各式特徵資料。本技術常應用於典藏資料、知識文件、書籍文章、開放資料等各類型中文資料，亦可串接於各種規模資料庫的建置。

企業級對話機器人(Enterprise Chatbot)及虛擬助理(Virtual Assistant)是八維智能歷時數年研發建置的「D8智能服務雲」中的兩個主要服務項目【圖1】，目的是要能為企業或機構快速而有效地打造其專屬的對話機器人或虛擬助理，以及用戶上線使用後的人機對話資料分析及管理、機器人語言模型的持續更新及優化。其中企業對話機器人服務包含了網頁機器人、智能對話分析、智能客戶服務、自動客服質檢、電話機器人等模組，而企業虛擬助理服務則包含企業虛擬助理及流程機器人等模組。一個企業虛擬助理可整合企業對話機器人及其所導引的企業工作流程，例如請假出勤、會議安排、商品退換(RMA)等常見流程。生成企業對話機器人/虛擬助理的軟體系統核心是八維智能自主開發的自然語意理解引擎(Natural Language Understanding Engine)及情境對話管理引擎(Contextual Dialog Management Engine)，能依企業各自的需要而產出企業專屬的機器人語言模型；利用系統內建的企業簡訊平台，使用者(包括企業的客戶及員工)無需下載App即可經由企業網頁、公用簡訊平台如LINE、WeChat、FB等渠道，進行與機器人/虛擬助理、客戶、員工間的三方溝通，提供了一個人機協作的智能客戶服務環境【圖2】。本系統提供符合資安的API連結，依個別企業或機構的需求提供雲端或落地(企業私有雲)的客製化服務。

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。

智能虛擬助理應用於現有企業系統時，可擺脫面對各種不同系統的複雜和困擾，隨時隨地以語音互動從龐大的企業資料庫快速獲取所需資訊，並實現工作協作，搭配智慧工廠提供即時監控與警示，以及即時追蹤生產進度，讓使用者隨時掌握各種突發狀況。而應用在智慧化展覽館或博物館時，可取代傳統的導覽手法，結合人工智慧及互動設計化身為參觀者的專屬導覽，並可搭配智慧化環境設備裝置，透過語音直接操控周遭的智慧裝置，如：環境燈光、影音設備、或現場實景攝影機。鼎新電腦的「大人物」部門具備研發整合「大數據、人工智慧、物聯網」各式應用的能力，能夠為企業分析需求並量身打造適合的人工智慧應用。智能虛擬助理的核心是基於自然語意處理（NLP）技術的聊天機器人，以深度學習與機器學習分析互動語料後建立對話模型，並整合文字及語音的識別及應答，可以跟使用者進行自然語言的互動。

凌群團隊運用AI技術革新食譜創作，生成涵蓋多元料理的1200筆AI食譜，專注於肉類、海鮮與國際菜式，並透過關鍵字標註與圖片生成技術，打造引人食慾的智能食譜資料庫。此外，AI精準推薦系統自動匹配家樂福電商平台商品，確保用戶輕鬆購買所需食材，並動態推薦符合庫存的商品，提升購物體驗和零售業效率。團隊還透過生成式AI對話技術，捕捉用戶需求並推薦個性化食譜，無論是情緒波動、節日還是飲食偏好，皆能提供VIP級的貼心烹飪指南，讓美食準備更輕鬆愉快。

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 。

門牌地址與生活密不可分，從郵件寄送、通報資料、普查名冊到現在最熱門的外送服務，都仰賴高品質的地址定位進行服務的應用。然而，地址資料往往缺乏一致性的維護標準，傳統的地址解析方式，難以精確將門牌拆分後成功定位。AI門牌地址定位服務，導入自然語言處理技術(Natural Language Processing)，結合地址正規化(Address Normalization)與機器學習演算法，克服門牌地址樣態複雜的困境，提升地址定位的比對率，大幅降低地址定位所需的資料處理時間。 AI門牌地址定位服務提供單筆或批次地址定位服務，依照地址比對精度的不同，回傳定位坐標，未來規劃線上定位服務，提供使用者更彈性的定位方式。服務應用包括各種產業的決策分析、精準行銷與資料探勘等應用，導入對象包括：政府機關、擁有眾多會員的企業、研究人員與教育組織者。

透過整合進企業現有的客服系統輸入對話雙方的語音，經過資料預處理後分離出不同的對話人員，再分別分析其情緒，此資料透過 API 會傳給客服系統，可以根據分析結果以分時情緒變化圖的方式呈現出來，可有效呈現客服人員在服務過程中，雙方的情緒變化，進而分析客戶對於服務的滿意度，進而讓客服中心的營運主管可透過AI 進行客服人員品質檢測，解決原有質檢流程人工隨機抽樣，進一步精準分析客服中心整體營運狀態，透過語音情緒分析技術可以有效衡量客戶的有效性與真正效益等指標，解決客服中心進行質檢瑣碎的人工流程及透過AI 增加客觀的分析維度改善整體客服中心的營運績效。

在人力資源管理中，常見如請假辦法、報支規範、出勤異常、獎懲制度等問題，若仍倚賴人工回覆，耗時且效率低。導入AI人資代理人後，員工可直接用自然語言進行提問，系統即從內部知識庫檢索答案並提供出處，並依據身份自動帶入表單資訊或流程節點，有效減少人力負擔並提升內部知識流動效率。配合語音輸入與表單導引功能，更能加速流程完成，並形成問答紀錄供未來教育訓練優化之用。

(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。