應用案例

物流士AI語音助理採用數位客服助理的概念，整合人工智慧、語意分析等技術，協助解決國內物流士離職率高，1至2年資歷的物流士平均占比高達4成左右新手司機因不熟路徑，全程配送時間平均比老手司機多出1.5~2小時，邊開車又要聯繫客戶容易產生交通安全上的問題，忙碌忘了聯繫，收貨人不在又需重複再次配送。DHL採用APP提醒司機最近取貨點及正確送貨地址，縮短50%等待時間並消除包裹送錯地址的人為錯誤，工研院服科中心「物流士AI語音助理」數位客服助理即時追蹤物流士的配送動態，管控中心預先透過數位語音的方式，掌握車輛目前位置與下一送貨地址，先與收貨人進行聯繫確認收貨人可否收貨，收貨人無法收貨變更下一送貨點並即時告知物流士。當路況異常導致配送時間延遲時主動告知收件人，並透過語音或文字，回復貨件動態查詢。每日出車排單時間減少30分鐘；每件貨收件地址查詢時間減少2分鐘每日可節省約1~2小時的查找時間，並可與廠商原有配送作業系統結合，擴充分析的資料區域趟次/貨量/時間窗/客戶商情/配送熱區分析服務。

LibraLung天秤肺影為電腦輔助偵測系統(Computer-Aided Detection, CADe)，以人工智慧(AI, Artificial Intelligence)技術，輔助專科醫師判讀胸腔電腦斷層(CT, Computed Tomography)之肺結節影像。本系統以網頁介面操作，具備「肺結節偵測」及「輔助自動報告」兩大功能。 當系統偵測肺部電腦斷層影像疑似肺結節存在，系統自動於影像中標記肺結節之VOI(Volume of Interests)，以及對應肺結節之類型(Class)、肺葉位置(Lobe)、長短軸(Axes)及體積(Volume)資訊，並經由橫切面、矢狀面、冠狀面、最大投影橫狀面觀察肺結節型態。輔助肺結節偵測範圍，包含肺結節最大直徑尺寸為4 mm(含)至30mm(含)，類型不限為實質(Solid)、非實質(Non-Solid)或部分實質(Part-Solid)。 本產品經國內醫學中心測試，模型在偵測肺結節之FROC表現，平均每例偽陽個數(average number of false positives per scan)為2時，靈敏度(Sensitivity)為94 %；在肺結節之類型分類表現為Precision=0.93, Recall=0.93；在肺結節所在肺葉位置分類表現為Precision=0.99, Recall=0.99。

聯瑩工藝企業有限公司導入四軸與五軸單工位自動拉膠機，並以有創科技之AOI/良率最佳化之影像識別系統透過客製化圖稿設計，能均勻繪製於立體塑膠製品表面，呈現多樣化立體與平面飾紋效果。同時，由智慧化設備運作，可完成多組重複網格線的精密圖樣，且已將間隔誤差控制在1公分以內，大幅提升產品品質穩定度與製程精準度，達成提升自動化、降低人工作業誤差及強化產線智慧化的目標。

本系統運用 DeepLabV3 深度學習演算法，建構一套針對保安零件瑕疵辨識的 AI 模型。為提升辨識準確率，開發團隊進行了多種攝影鏡頭與取像環境的測試，共拍攝 1,200 張探傷缺陷影像做為訓練資料，藉此強化模型辨識能力。系統透過筆電連接 RS232 轉 USB 介面，接收啟動指令後，每秒擷取 30 張即時畫面，並對每張影像應用 C1 子項所設計的瑕疵辨識演算法進行判讀，並即時在螢幕上標示出探傷瑕疵部位。整體架構可應用於製造流程的品質控管以及非破壞檢測的磁粉探傷，提升檢測探傷效率化和省人化，協助企業實現智慧缺陷非破壞檢測的探傷解決方案目標精進。

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。

台灣大哥大旗下的線上音樂與影視串流平台 (myMusic & myVideo)，利用個人化影音推薦技術解決內容與用戶數不斷成長所導致的媒合效率偏低問題。 提供技術的工研院巨資中心透過巨量資料分析平台處理大量內外部異質性影音內涵資料、中繼資料、用戶行為資料；結合用戶偏好分析、內容導向推薦、協同過濾推薦以及多種統計與機器學習方法，建構可滿足個人化推薦運算之複合式推薦系統，同時改善過去由PM人為決定推薦內容的作法。

根據會員資料或標籤屬性串聯ChatGPT自動生成行銷文案。

「DKABio智慧健康風險分析服務」由國內知名生物統計學者鄭光甫教授、資深醫界元老李英雄教授，聯合帶領浚鴻數據開發（Dataa）的AI技術團隊所建立，共投入超過7年時間，運用超過500萬人、資料期間長達20年、超過1億筆的華人健康資料庫，以大數據分析及機器學習技術所建置的風險分析體系， 綜合考量遺傳、行為與環境三大健康影響因素，整合148項生理體徵值、健康生活習慣、體質、家庭遺傳等投入因子，是一個全方位的健康風險分析服務，協助民眾提早在健康或亞健康階段，掌握自己未來罹患疾病的風險，予以事先預防及管理。DKABio榮獲第16屆國家新創獎，目前已針對國人常見的15種慢性疾病/病症提供風險分析服務，並與高雄榮民總醫院、是方電訊「是方i健康APP」及國內知名健檢中心合作。

生成式 AI 技術（ChatGPT、Claude 等）、資料工程與特徵工程設計、Python／LLM API 串接、資料前處理自動化模組、AI 策略決策支援模型、知識庫檢索與 Prompt Engineering

XCockpit 平台由三大核心模組構成，每個模組都深度整合了 AI 技術，實現自動化分析、偵測和應變： 端點安全態勢管理 (Endpoint)：  自動化案件管理：告警不再被動處理，而是透過 AI 分析，自動建立和管理案件，提升團隊效率。  視覺化根因分析：AI 模擬攻擊路徑技術，自動歸納事件關聯，並以視覺化方式呈現根因分析，讓案情一目瞭然。  AI 即時案情解說：獨特的資安專用 AI 模型，能提供中文案情摘要和處置建議，協助管理層快速掌握狀況。 帳號安全態勢管理 (Identity)：  帳號衝擊分析：AI 模擬帳號衝擊分析，預視駭客可能的攻擊路徑 (Attack Path)，揭示企業特權邊界。  監測威脅先兆：監控異常的特權帳號活動，即時偵測常見的 AD 帳號攻擊手法，識別攻擊先兆。  量化身份管理：掌握身份攻擊面 (Attack Surface)，量化企業 Identity 安全指標，提供整體安全態勢。 外部資產曝險管理 (EASM)：  數位資產調查：持續監測對外曝露的服務和數位資產，提供外部攻擊面可視化分析，掌握企業資安破口。  評估資安態勢：提供即時的風險評估、整體資安態勢指標和處置建議，協助資安人員迅速採取行動。  虛擬 AI 情資助手：提供企業風險評估、資安合規報告，並彙整重大資安事件重點，協助掌握全球駭侵資訊。

由 Chimes AI 詠鋐智能所開發的無程式碼（No-Code）模型生命週期管理平台 Tukey，作為核心引擎，幫助最熟悉機台狀況的設備保養工程師，彈性的調用Tukey內建或是企業投資開發的演算法，建置設備監診 AI 模型。機台設備可根據AI 模型建立設備性能曲線，設備保養工程師可根據此設備性能曲線，監控全廠設備運行狀況。系統根據性能指標預先反應設備衰退現象，經由系統判斷風險等級，協助保修人員安排計畫性維修，提高設備稼動率，延長設備服務年限，有效的降低工安意外災害。

聯和趨動股份有限公司所開發之「AI職能評鑑系統」可以解決中小企業在徵才、用人及留才上面的諸多痛點，系統依據個別公司產業類別、公司組織及員工人數，並結合勞動部勞動力發展署iCAP職能量表，將關鍵向量建模於Neo4j，透過職能知識圖譜的非監督式動態學習，快速建立個別企業的職能模型，企業內部的人力資源人員或外部的專業人資顧問，便可以依據所產生之職能模型，進行人才招募、職能盤點、績效考核及教育訓練等方面的評估跟應用，並且會依據公司現有職稱架構下，自動給予建議其尚需加強的職能，包括相關的知識、技能及態度等等。 透過持續性資料的導入跟訓練，系統會學習雇主對於該職業應有之模型的實際看法，並回饋雲端職能量表中，以transfer learning的方法完成知識圖譜的動態學習，未來其將可媲美專業人資顧問，藉此來快速幫助許多跨領域的企業，或是多元化技術的企業在職能上的訓練及培訓。

本計畫的主要內容在於建立一個 彈性化的 AI 人才支援與知識傳遞機制，以因應企業在數位轉型過程中，對人工智慧相關能力的臨時性與階段性需求。不同於長期駐點或委外專案的模式，本計畫強調「依需求提供」的方式，當企業在資料分析、AI 模型規劃、或 AIoT應用場景上遇到技術瓶頸時，可透過本計畫短期引入具專業背景的人才，協助完成分析任務或知識傳授。 計畫將聚焦於 技術知識的導入與能力提升，內容涵蓋 AI 建模方法、資料前處理流程、演算法選型思路、AIoT 系統架構理解，以及其他各種人工智慧相關技術的實務應用。透過這種「外部專業輸入 + 企業內部吸收」的模式，企業不僅能在短期內獲得所需的專業技術支援，更能逐步提升自身團隊對 AI 技術的理解與應用能力。 本計畫的目標在於 降低企業導入 AI 的門檻，讓中小型企業或傳統產業即便沒有龐大的研發資源，也能在需要時取得專業協助。藉由短期知識輸入與專案分析的方式，企業能快速掌握 AI 技術的可行性與應用價值，並逐步累積內部數位轉型的基礎，最終提升競爭力與產業升級能力。

此專案的目標是開發一個基於人工智慧和機器學習技術的鋼胚收料電子化 與鋼胚表面影像辨識系統，此專案能夠在鋼胚收料時透過人工智慧的系統將資 訊電子化，並透過影像辨識準確地檢測鋼胚表面的缺陷、異常和鏽蝕。透過這 樣的系統，我們希望能夠實現以下目標：A. 提高生產線上的檢測效率和準確性；B. 減少人力成本和檢測錯誤；C. 改善產品質量並提高客戶滿意度；D. 提高生產過程的安全性和可追溯性。

奕瑞科技將Deep Learning 演算法極盡所能的在各個領域做出落地的解決方案，除了本身精研的核心演算法之外，還能貼近客戶的需求，與客戶共同討論出最適合的解決方案，並且跟著客戶的SOP，不斷地做滾動式的來回討論，以期用AI 人工智能技術，真正改善客戶在管理上的困難。其解決方案包含解決員工需要監看包商是否違規，交由演算法來判斷，能避免掉人與人之間的摩擦，並且節省了大量的人力監督。另外，AI/AOI 瑕疵檢測也解決了傳統瑕疵檢測過多的誤殺（判）造成現場作業的混亂以及不必要的浪費，AI/AOI能夠制定出容錯空間，讓生產線上的員工（期望篩選標準放寬）以及在辦公室處理客訴的管理或是業務人員（期望篩選標準從嚴）達成最最精準的平衡，並且能夠整合後端自動化生產設備，即時傳送訊號讓機器手臂或是相關設備做出相對應的反應。