:::

【109年 應用案例】 中小企業AI職能評鑑系統,大幅降低企業職能導入成本!

IBM的超級電腦 Watson,能夠預測員工何時打算離職,且準確度高達 95%,也為 IBM 每年節省了高達 3 億美元用於留住員工。另外透過雲端運算服務和現代化,IBM精簡了30%的人事成本,讓留下來的員工獲得更高的薪水,做著價值更高的工作。

而在台灣,要如何讓「讓留下來的員工獲得更高的薪水,做著價值更高的工作」呢?重點就在於每一個職位的「職能設定」,根據勞動部勞動力發展署所建立的「iCAP職能發展應用平台」所示,每一個職位都有其應具備的主要職責、工作任務、行為指標、工作產出、知識、技能及態度,唯有確立每一個職位的「職能」,企業才能夠根據職能有效應用在員工招募、教育訓練及績效管理上,否則不知道員工應該做什麼宛如瞎子摸象,將讓企業運作潛藏風險。

職能基準範例圖

▲職能基準範例圖

目前在「iCAP職能發展應用平台」中,建立的職能基準共有872種,其中由各部會完成的有553項,當中包括勞動部的253項及教育部的66項,如果企業想要建立屬於自己的「職能基準」,都需要到「iCAP職能發展應用平台」上來搜尋參考資料。假設企業想要招募有關「業務」的人員,但不知道「業務人員」應該做什麼事情,可以先到「iCAP職能發展應用平台」搜尋「業務人員」,如下圖所示。

於「iCAP職能發展應用平台」搜尋「業務」

▲於「iCAP職能發展應用平台」搜尋「業務」

可以看到共有18類業務人員,這時候企業就要根據本身需求,逐一點進去查詢、閱讀並整理成自己想要的「職能基準」;但如果我們改搜尋應該是每一間企業都會有的「總務」,其呈現結果如下圖所示,竟為0項。

於「iCAP職能發展應用平台」搜尋「總務」

▲於「iCAP職能發展應用平台」搜尋「總務」

由上可知,雖由勞動部勞動力發展署所建立的「iCAP職能發展應用平台」可解決部分職務的「職能基準」,但企業內部的分工方式各有不同,可能這個職務在「iCAP職能發展應用平台」上是搜尋不到的;其次,在中小企業中,幾乎存在的都是「多能工」,也就是許多職務的職責是在同一個員工身上,如:在30人以下的小型企業中,通常會計、總務、人事都是同一個人,這時如果要針對這個人建立職能基準,就要分開搜尋「會計」、「總務」及「人事」,然後再將這三種職務的職能基準予以整合,如此往往曠日廢時且成效不彰。

此「中小企業AI職能評鑑系統」希望讓「人能盡其才」,藉由導入AI更精準建立員工的職能基礎標準,並可隨時追蹤其職能表現。

職能模型皆由人工產生及修正曠日費時

國內某螺絲、螺帽、扣件等產品出口商所有的職能模型皆由人工產生及修正,在執行過程中曠日廢時,難以滿足企業因人員變動所需,如:先前喬邁企業有專職的「生管人員」,但在該人員離職後,此項工作需要由其他員工執行,因此其他員工的職能模型需要立即調整;又或者企業為了因應未來發展,須成立開發部門,但先前完全沒有人有相關經驗,不但不知道如何從內部選材,亦不了解在徵才網站上,要如何說明才能找自己真正想要尋找的人才。

除此之外,該公司執行長一直以來深為公司內部的績效管理而苦惱,由於欠缺可精準衡量員工表現的標準及制度,導致每一次的績效考核結果都無法正確反映員工的真實表現,形成考核盲點,也無法把真正需要被獎勵的員工找出來,因此,期望透過AI職能評鑑系統,馬上釐清開發部門所須具備之職能,以及如何進行招募跟績效考核,如此方能有效改善企業內部權責不清、考核不精準之痛,因此其助益實為顯著!

AI職能系統建立 X 深度學習

而此為期四個月的人資領域職能系統計畫,執行方向明確,但因導入解釋現象之模型如:Seq2Seq、Deep Keyphrase Generation、Tf-IDF關鍵字擷取演算法與PangRank的導入都是人資領域的新嘗試,過程中採用開源大數據架構進行自然語言處理,以完成 Word2Vector及index 並inverted index其目的爲關鍵字weight權重與關聯性建立。又因無法像影像資料以連續數字處理,必須由相關連的關鍵字如:技能、知識、職業別等進行特徵值簡化,大略說明基本步驟如下:

1. 建立Propagation 模型乃是採用Google 採用已久 LTR 混合 Pointwise 推薦引擎(2個月)

2. 建立Back Propagation 模型(2個月),調校 loss function之超參數

3. 調校 CF model之超參數

4. 建立人機協同機制取得更多資料餵養Model 5. 反覆以上步驟

而在開發職能模型的過程中,聯和趨動股份有限公司與微光國際資訊有限公司多次討論,認為職能間互有關連,在建立完成知識圖譜後,進一步將職能量表上傳至Neo4j圖形資料庫,在處理複雜的關係資料結構具有極好的效能。而目前已完成500件職能量表上傳至之Neo4j關係分析平台。

使用python進行wor2vector的自然語言分析

▲使用python進行wor2vector的自然語言分析

除了將一個職位用word2vector之後的tensor描述,找出此職位的知識圖譜樣貌,根據此知識圖譜,可以了解在不同職位之間的相關性,以及彼此之間維度的相似度表現。最後,就是用此知識圖譜來建立該公司的「職能模型」,並依照此職能模型進行深度學習的訓練。

AI職能評鑑系統介面

▲AI職能評鑑系統介面

未來,除了為公司建立自己的職能模型,也可開放給終端使用者,個人可藉由分析自己的職能表現,來了解自己轉職的可能性、市場的價值,也能知道應該補強的技能。公司若對應此知識圖譜,將來可開發跨產業產品。

1. 短期:依照政府公布職能量表(iCAP, iPAS),以自然語言與關鍵字模型拆解,配合非監督式學習建立「原生職能基礎單元模型」。

2. 中期:為企業量身訂做專屬的職能模型。依照既有「原生職能基礎單元模型」由專家以監督式學習,訓練個別企業之「分散式衍生職能模型」。

3. 長期:建立「強化學習」模型,導入員工職涯認知與規劃。

職能模型建議,媲美專業人力資源顧問

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、績效管理及教育訓練等面向的評估跟應用,並會依據公司現有職稱架構下,自動建議其需加強的職能,包括相關的知識、技能及態度等。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,並回饋至雲端職能量表中,以遷移學習完成知識圖譜的動態學習,未來其將可媲美專業人資顧問,藉此快速幫助許多跨領域或具多元化技術的企業進行員工職能培訓。

推薦案例

【導入案例】峰漁運用AI知識化養魚 有效提升10水產產量
峰漁運用AI知識化養魚 有效提升10%水產產量

漁業是海島型經濟的重要產業,然而,養殖漁業近年面對嚴峻挑戰,包括氣候變遷、人力短缺與成本上揚等,尤其是未來10年農業就業人口有將近11萬名因高齡化退場,為此,水產養殖朝智慧養殖的需求日益殷切。 成立於2014年的峰漁公司,以自行水產養殖為基礎,開發出獨有的友善環境養殖模式,運用AI知識化養魚,有效提升10水產產量,降低15人力時間成本。 「峰漁」二字的涵義深厚,「峰」代表好山,「漁」代表好水,期望企業能讓台灣永遠有好山好水;也是「豐腴」的諧音,希望產品帶給消費者飽滿健康的身心。公司創辦人劉建伸歷經養魚學徒、募資、租借魚塭、創立養殖公司、開創品牌及推展銷售等創業歷程,實屬不易。 勞動人力短缺與漁業從業人員年齡老化 養殖漁業藏隱憂 臺灣現階段的水產養殖仍以傳統式養殖魚塭為主,養殖技術仍靠口耳相傳的經驗傳承為主,加上勞動人力短缺與漁業從業人員平均超過60歲,導致無法有效穩定的提升產能與良率,此種飼育方式在水產疾病控制上產生一定的難度,又為了進行疾病防治,而使得藥物濫用、環境汙染與水質生態破壞的可能性大增,造成惡性循環,使得養殖品質下降。 此外,臺灣養殖市場也有651水產養殖工作者遭遇技術不足困擾,傳統養殖戶在有限的IoT感測器支持下,主要仍然是憑藉本身的經驗知識來進行水質管理、飼料投餵、疾病發現等養殖作為,此種極度倚賴個別漁民能力的養殖管理,一旦老師傅凋零,不僅面臨傳承接班的議題,也難以穩定的供應一定品質、數量的漁獲,恐將造成整個養殖漁業從養殖到銷售端的困境。 為了改善漁業養殖無法經驗傳承的痛點,同時也為漁業在養殖上具備「數位化」基礎,當務之急必須從開始搜集養殖行為數據建構AI服務為重要開端。 漁業數位分身技術 協助漁民轉型智慧養殖 峰漁公司在資策會的協助下,引入「漁業數位分身」技術,以動態調整養殖排程,也就是說,依照魚類的物種、習慣、變因來調變養殖排程,用AI養殖技術來養好魚,不僅有效提升10水產產量,同時更降低15人力時間成本。 具體作法上,先將每個物種如鱸魚、台灣鯛等,將養殖的魚池、吃料及決策行為數位化,從放苗至收成的階段,所經歷的季節氣溫變化,全部一一記錄下來進行數位化,逐漸將老師傅的經驗方法紀錄存成豐富的資料庫。 針對紀錄下來的資料,分析複合式的變因,找出最佳的養殖行為,產生動態式的養殖排程。 一池一池的紀錄養殖師傅的數據經驗。 然而,養殖行為普遍依賴經驗法則,即便是資深的養殖師傅,也難確保找出最佳答案,因此提出新的做法解決此議題:即「透過預測養殖行為與水質、飼料投餵的過往資料與養殖互動,並從水質、養殖反向評價養殖行為,藉此找出最佳的養殖行為」,透過每天時程排程,給予漁民最直覺式的操作建議。 為了持續滾動優化動態養殖曆,會反覆朝向三步驟循環進行模型疊代: 1向模型輸入現在的養殖曆; 2模型預測未來的環境; 3用未來的環境修正養殖曆的缺點,藉此得到新版的養殖曆。 在過程中,同步藉由養殖專家的經驗來建立養殖行為與環境之間的因果關係。 動態養殖曆程的建立及科技養殖建議服務,提供了可回溯、追蹤詳細的養殖歷程,是少數可將養殖數據化的技術,漁民在知識的建構上可以很快速、簡易的方式記錄日常行為,不需占太多時間,長期下來可以減少15人力時間成本、平均提升10產量營收。 智慧養殖成效卓著 減少15人力提升10產量 同時,也可將養殖曆延伸至不同的水產物種,如白蝦、虱目魚、文蛤、台灣鯛等,依各池產生不同規格的養殖排程,收成的水產物種依不同規格溯源追蹤,建立安心食品一條龍服務。 峰漁主要產品分為兩類,一類是水產養殖模組,包含魚苗、飼料、資材及益生菌、生產養殖規劃與製程、監測等,可單獨販售也可模組輸出。 峰漁公司出產的優質水產品,屢屢獲得大獎。圖峰漁公司官網 另一類產品是優質水產品,包含鱸魚排、鱸魚丸、無油鱸魚丸、鱸魚水餃和鱸魚高湯,產品榮獲各種獎項,包含2017 年屏東十大伴手禮、「菌沛尖吻鱸魚排」榮獲2017 年農委會評選銀髮族友善食品、「菌沛無油鱸魚丸」榮獲農委會評選2018 年銀髮友善食品金饌獎、「好漁夫鱸魚水餃」及「精燉鱸魚高湯」榮獲2019 年農委會評選銀髮族友善食品,連續獲獎代表峰漁公司的水產品「品質」看得見也食在安心。 此外,峰漁擁有專屬符合國際需求的水產種苗,例如:純海水養殖的吳郭魚種苗及自行選育海水台灣鯛種苗(FY-01),是許多國家養殖企業引領企盼的品項,也依照環境設計的養殖模組、疫病監測工具及飼養資材,提供客戶更穩定的收益。

【導入案例】AI嘛會煮咖啡 無人烘豆機靠AI 精準設點與培養忠實客群
AI嘛會煮咖啡! 無人烘豆機靠AI 精準設點與培養忠實客群

你早上來杯咖啡了嗎 臺灣於過去十年以來,逐漸形成一股喝咖啡的文化風潮,隨著AI技術的精進,無人烘豆機也能靠AI精準設點,同時培養忠實客群,我們來看看,這是如何辦到的 根據國際咖啡組織 ICO 調查,國人一年喝掉約 285 億杯咖啡,臺灣咖啡市場規模上看 800 億元,且每年約有 20 成長。 臺灣近十年來,人手一杯的「喝咖啡」文化,已成為流行的代名詞,而「咖啡」甚至以65的高比例當選為國人平日最常選擇的飲品,其中重度咖啡愛好者的族群更願意花費更高的價錢去選購符合自身口味的咖啡豆來享用咖啡。近兩三年來,越來越多無人飲品販賣店於臺灣飲品市場上問市。 無人咖啡飲品店無法快速展店,主要受到兩大問題困擾,一是客流量與機器設點位置的合適性,往往仍需憑藉人力進行評估分析;二是如何精準打入中高階咖啡愛好者市場 AI解決無人烘豆機設點合適性與培養忠實客群兩大難題 為解決上述兩大問題,協助無人烘豆機能迅速打開市場,昇銳電子擬以透過導入AI 人流計數分析與AI 人臉陌生辨識,來針對無人烘豆機的設置地點進行人潮數量計算,且歸類消費者的性別及年齡,以進行更為精準的商情分析;並提供消費者對於烘焙咖啡生豆的多重選擇,期以給予專業的咖啡愛好者更客製化的服務與貼近其需求和個人口味的一包「高品質烘豆」。 自2018年起,無人販賣店的興起,無非是因為業主想減少不斷上漲的租金與人事成本的費用支出,但在店面設點的初期評估,卻仍需花費鐘點人力費以人眼計算客流量,但人非機器,難免會有計算來店消費者與道路上經過人潮的錯誤率,而無法做到精準的即時客流分析,或甚至經過一段試營運後才進行估算是否達到設點的營運效益,以上皆會造成錯失最佳撤掉設點位置的停損時機。 昇銳電子搭配AI人流計數分析和AI人臉陌生辨識,推出無人烘豆機。 昇銳電子搭配AI人流計數分析和AI人臉陌生辨識,與帶來「黑金」風潮的咖啡進行商機結合,並且抓住臺灣眾多咖啡行家喜歡親自至量販店耐心挑選符合自身口味的咖啡生豆與喜愛去高品質的研磨咖啡廳或連鎖咖啡店之消費習慣與特點,故誕生針對咖啡豆產地、品種、烘焙方式等提供選擇的第一台無人咖啡烘豆機之新創概念。 AI烘豆機提升客戶忠誠度與物料管理效率達20 針對無人烘豆機的精進開發,昇銳電子工程師搭載AI NVIDIA 開發平台於TCNNFacenet 的基礎上進行,透過AI 將關於性別及年齡搜集之數萬張的影像資料進行樣本訓練,以針對首次選購咖啡烘豆的消費者也能利用人臉陌生辨識來簡單地歸類,藉此取得消費者的信任並提升使用意願,並進而進行購買資訊紀錄及未來商品購買推薦以產出消費者購買行為分析,便可使業主參照消費者對於不同咖啡生豆的偏好度高低,作為未來物料準備數量之依據,以降低原物料轉運及庫存問題,並提升物料管理效率達20。 再者,業主可透過放置此無人烘豆機於選定之人流匯聚率高的地段內,便能透過攝影機捕捉人潮,並針對機台擺設位置的客源是否充足,進行對於經過人潮數量的計算,進而評估消費者佇足購買機率的高低,並於短時間內分析出是否需要將機台進行移設,並可更容易地瞄準出中高階咖啡愛好者所在的最佳設點位置。 而關於無人烘豆機有專業烘焙模式介面,其針對咖啡生豆的產地來源、品種、烘焙方式(淺中深焙)、入豆與出豆溫度、轉速溫度與目標溫度等跟溫度、風速和秒數相關之選擇,提供消費者多種選項以烘焙出符合自己愛好的客製化精品咖啡豆。而若過程中業者針對機台有要進行改善的需求,工程師能配合調整韌體參數,也能協助與業主的訂單系統進行整合。 服務人員簡述無人烘豆機的操作方式 「黑金」透過AI 可更深入至咖啡廳、科學園區、商業大樓 此一無人烘豆機針對咖啡行家的客群,不僅能設點於中高階咖啡廳,以烘製相較於在量販店購買更為客製化的咖啡豆,更能在製作完成一包咖啡豆時,即時提供給咖啡廳內專業的技術店員協助進行咖啡研磨與手沖,而剩餘的烘豆也能將其帶回家之後自己沖泡與享用。在這之中也為咖啡廳帶來了附加價值,其可更加了解消費客群對於咖啡豆的偏好程度,並能推出更能吸引顧客的飲品促銷活動與進行合適的備料管理。 而除了咖啡廳,無人烘豆機也能透過AI 人流計數分析,精準設點於科學園區與商業大樓裡或附近店面,以提供其有高度飲用咖啡需求的內部員工,於辦公室也能手工沖泡的優質咖啡豆。另外,更能推出實體會員制以隨時發起選購咖啡豆之促銷活動,或不定時提出支付優惠回饋,進而吸引到新客源與培養既有顧客的忠誠度和黏著度。 智慧無人烘豆機的操作介面

【導入案例】無人智慧販賣機 黑沃咖啡一分鐘打造精品咖啡
無人智慧販賣機 黑沃咖啡一分鐘打造精品咖啡

科技也能飄著咖啡香 位於台中市南區高工路上的「黑沃咖啡」創始店,28坪的空間,飄散著文創與科技交融的咖啡香。2016年10月成立的黑沃咖啡,迄今在全台擁有7家直營店及28家加盟店,在全台已有15萬家店在賣咖啡的情況下,黑沃咖啡異軍突起的秘訣在於:運用AI科技,打造無人智慧販賣機,1分鐘煮出精美香醇的迷人咖啡。 黑沃咖啡實體店營造文創時尚氛圍圖:黑沃咖啡官網 根據國際咖啡組織(ICO)調查,台灣人一年喝掉285億杯咖啡,市場規模超過700億元;而業者星巴克調查,2018年台灣咖啡整體市場達720億元,2020年已上看900億元。近5年,台灣咖啡市場以每年約20的成長率擴展,成長潛力驚人。 咖啡需求商機驚人 每年以20速度成長 在咖啡已成為台灣人時尚消費象徵的現在,除了星巴克、路易莎等一級品牌咖啡店外,還有7-11、全家便利商店,及在街頭巷弄一家家的精品咖啡館。如何吸引消費者的目光,在淪為「紅海市場」的咖啡市場中異軍突起,就有賴彈性與創意,了解消費者的需求與口味,更是培養品牌忠誠度的不二法門。 除了實體店面外,黑沃咖啡也積極發展虛擬通路,其電商平台除了官網,還有 PChome、momo及團購主等通路, 通路多元,業績也穩定成長。 即便如此,黑沃咖啡創辦人林佩霓仍不斷求新求變,在成立前三年,由於與加盟門市的關係處理往往處於被動分散狀況,難以主動掌握市場動向,與消費者溝通的節奏及品牌跟進消費者的速度存在著一定的落差,較難以培養品牌的忠誠擁護者。 職人精品咖啡深受消費者喜愛。圖:黑沃咖啡官網 透過AI鷹眼系統爬蒐商情 市調成本大幅下降 為解決無法快速掌握市場風向與市調成本高昂的兩大痛點,黑沃咖非在2020年導入AI鷹眼系統爬搜市場商情,透過在社群網站、新聞、論壇等社群媒體全方位爬蒐各式文章,自動貼標,合適篩選,從網站每篇以5個關鍵字計算,爬蒐4,858篇文章,相當於24,290個關鍵字,所花費的成本不多,可以精準掌握到消費者的口味與偏好。 同時,在新品推出之後,不僅可即時通知加盟店,更可以透過社群了解消費者的接受程度,作為是否大力推廣的參考依據。 透過數據的蒐集,及透過AI演算法的分析,選出消費者最喜歡的口味,可以降低新品推出的風險,提升新品成功率,因此,黑沃咖非在2021年大膽開拓新市場,推出全球首創AIoT智慧咖啡創新概念,與全聯合作首間「智慧超市」合作,結合黑沃咖啡打造無人智能手沖咖啡機,讓消費者也能享受獨一無二的好風味。 洞悉消費者口味 打造AIoT無人智慧販賣機 台灣第一家全聯內湖瑞光「智慧超市」就位於台北軟體重鎮內湖區內,推出全球首創AIoT智慧咖啡概念店,可以透過手機App連動AI智慧咖啡販賣機、AI手沖咖啡機、AI真空冷萃機,一次滿足三種咖啡科技體驗,自助區部分設有黑沃咖啡AI智慧咖啡販賣機,不僅支援多種無現金支付方式,還是全台唯一以冷藏牛乳製成奶泡的無人智慧咖啡販賣機,嚴選黑沃5A級牛乳,從付款、研磨現煮、到出杯,只需1分鐘時間。 台灣第一家全聯「智慧超市」於台北市內湖區瑞光路成立。圖:全聯FB粉絲頁 全聯智慧超市設置AI智慧咖啡販賣機,使用APP操作就能享用香醇咖啡。圖:全聯FB粉絲頁 現在,加上AI科技元素之後,喝咖啡不只是純喝咖啡,也為消費者帶來更多全新的科技體驗與便利。