工具機生產線上，組裝的第一步有些微差池，累積公差將造成組裝工作要重來，耗時又費力，導致出貨延遲的情況將衝擊企業聲譽。耐銳利科技公司聚焦智慧製造領域，提供各式AI解決方案，運用機器學習模型傳承老師傅的經驗，在CNC加工機組裝及鑄造過程，利用AI分析產線數據，精準調校各式數據，提升生產精準度 25。 這套AI產線數據分析系統，被耐銳利科技董事長黃常定稱為「師傅40」，就是師傅加上人工智慧的最進化版，用在工具機加工廠，成效斐然。此外，耐銳利科技運用AI瑕疵檢測技術，參加經濟部工業局2021年AI新銳選拔賽活動，協助友達進行面板進階影像瑕疵檢測，正確率達百分之百，引此也榮獲大獎。 協助面板大廠友達解題 瑕疵檢測正確率達百分百 黃常定進一步說明，一般面板在生產時，邊邊角角可能會有缺陷，雖然缺陷肉眼可見，但AOI卻往往難以辨識，導致檢測錯誤率常常超過30，因此，一定要搭配人力進行複檢，才能提高正確率。然而，因應少量多樣的產品需求，在人力不足的情況下，運用AI檢測確實是一個好方法。 成立於2018年的耐銳利科技，在短短三年期間，AI技術就能獲得面板大廠的青睞，實則在CNC工具機領域磨練已久。耐銳利科技總經理唐國維指出，台灣前三大CNC工具機廠希望將AI導入組裝及鑄造兩條產線，其中，在組裝產線上，為保持組裝的準確性，設計組件的每一個零件均會設計公差，在組裝時，每個元件都在公差內，但累績公差最後品檢仍無法通過，必須拆掉重新組裝，不僅耗時耗力，也造成浪費。 「進入產線之後，才知道有些師傅累積很多經驗，很會調校，經過他調校之後，正確率提高不少，速度又快。」反之，新來的工程師沒有經驗，調校時間比較久，也未必能通過品質檢測。 師傅40系統 良率從70大幅提升至95 唐國維接著表示，原本師傅在組裝時所設定的尺寸資料都記錄在紙本上，資料寫完之後就存入倉庫封存，沒有人去研究尺寸之間的關係。耐銳利協助客戶設計師傅40系統，透過人機面板，讓師傅在組裝時直接輸入所測量的尺寸及相關數據。蒐集不同師傅的數據之後，再運用AI演算法分析數據間的關係，做出AI模型，AI模型自動通知作業員要調整到甚麼樣的尺寸，品質檢測就一定會過，如此一來，良率從70大幅提升至95以上。 耐銳利科技公司聚焦於智慧製造領域，提供各式AI解決方案 唐國維補充，組裝一台CNC加工機的主軸要耗費四小時，第一步驟機器量測錯誤，包括震動、溫度，速度等超過範圍，都要拆掉重裝，又花了四小時。拆掉要如何調整，是憑藉師傅的經驗，可能一開始師傅憑經驗做了最好的組法，但錯檢率也達30，組裝又耗了好幾天。透過AI師傅協助，組裝時間只需半天，良率達95以上，省下許多時間及人力。 「運用機器學習的AI模型，綜合所有師傅的經驗蒐集在一起，提供給AI學習。第一步要數位化、第二步則是知識化，這是企業邁入轉型的重要關鍵」，黃常定認為，耐銳利科技是傳統製造業從自動化生產走向邁向數位轉型的重要夥伴。 此外，耐銳利科技另一個聚焦的產業是電梯廠領導品牌的智慧派車系統。所謂派車指的是電梯車廂，即兩部電梯以上就需要群管理。過往派車依據固定法則，如哪一台距離叫車比較近，就自動派那台電梯，一方面沒有考慮到電梯被叫太多次的派車，可能會讓其他人等待更久；另一方面過往的派車模式並無考慮大樓使用特性，造成許多浪費。例如辦公大樓，早上上班、中午休息及下午下班時段各有尖峰時間，透過AI智慧派車可以依據離峰及尖峰時段進行彈性調整，讓派車效率增加、降低等待時間，同時減少電力虛耗。 導入電梯智慧派車 提升運輸效率兼具環保功能 黃常定補充說明，就好比之前的路口紅綠燈號誌，系統已將主幹道、副幹道及小街道的停留及通過秒數寫死，現在則運用智慧紅綠燈，彈性調整等待時間，讓容易壅塞的路段更加順暢。透過AI學習使用情境，在電梯中導入智慧派車系統，會讓輸送效率提升，也更加環保。 除了導入電梯智慧派車外，耐銳利也將AI導入電梯廠的生產出貨智慧排程系統 。電梯廠常常無法準確預估客戶的電梯交期，例如，辦公大樓或賣場等必須完工到一定程度，電梯才能進工地安裝。若受到客戶工期延遲等非預期因素影響，往往造成電梯廠產閒置或是排程不易安排的窘境。 唐國維指出，一般了解客戶端工程進展者可能是業務或工務，但整體而言，出貨正確率大概只有六成左右，也就是說有四成不會如期出貨。因此，若能準確預估出貨時程，就能將產線空出來以因應急單或是其他產品生產需求。AI智慧排程系統將分析過去出貨的資料，氣候、工廠及施工端兩地距離位置、客戶信用等約20-30個參數，放入AI演算法中，可以精準預估到底能不能如期出貨。 黃常定也特別說明，耐銳利科技的機器學習非一般的機器學習，更加入傳統影像處理技術、統計學等各種運算方式，要對領域知識十分熟稔，才能作出好的AI模型，這也是公司競爭力之所在。他強調，一般SaaS平台能處理的資料十分有限，正確率頂多從7成提升至7成5，耐銳利的強項在於AI演算法及機器學習，必須再加上深厚的產業領域知識才能產出好的AI模型。 耐銳利科技從AI專案開始，逐漸深化技術，選擇從困難度高的做起，並累積經驗法則，預計在今2022年開發出SaaS服務，以客戶的需求為出發點，逐步站穩腳跟、成為智慧製造的重要夥伴。 圖左為耐銳利科技總經理唐國維及董事長黃常定右

近年來，人工智慧 Artificial Intelligence，簡稱 AI 已逐漸改變各行各業的運作模式，不過，絕大部分的工作仍然是由人類完成，AI 則扮演輔助的角色，因而出現了「AI Copilot」一詞，代表「由 AI 驅動的工具或助理」，旨在協助使用者完成各種任務，提高生產力和效率。 AI Copilot 的概念源自於「副駕駛」這個角色，在飛行中，副駕駛協助主駕駛員完成各項任務，確保飛行安全與效率。其實，工業革命的「機器」就開始有 Copilot 的影子，各種機器在不同領域中扮演「Copilot」的角色，輔助人類完成繁重的體力和重複性工作，大幅提升工廠生產效率，推動經濟快速發展。 隨著運算設備的進步、機器學習、深度學習、影像辨識等技術的突破，AI Copilot 的概念逐漸成形。AI Copilot 的發展標誌著從「機器輔助提升到智慧輔助的轉變」。早期的機器人只能完成預設的重複性工作，而現在的 AI Copilot 則能夠學習和適應新的環境與任務，並在實際應用中不斷優化自身表現。這一轉變不僅改變了人機交互的方式，也為各產業帶來了深遠的影響。 AI Copilot 的應用範圍涵蓋了各個行業，包括：金融、醫療、製造、教育、零售hellip等等，無處不在。 AI Copilot 於零售業的應用：AI 影像辨識結帳 在零售業，AI Copilot 的應用已經開始展現具體成果。 以 Viscovery 的 AI 影像辨識結帳系統為例，這套系統即為 AI Copilot 模式的一種，輔助店員加速結帳，或者輔助消費者簡化自助結帳流程。 nbsp 一般的結帳方式需要店員逐一掃描商品條碼，若是無條碼的商品，如：麵包、餐點，則需店員花時間先用肉眼確認品項，再一個個輸入到 POS 結帳系統中。根據一家連鎖麵包店實測，資深店員從「肉眼辨識」到「輸入一盤 6 顆麵包的商品資訊到結帳系統」的過程，就要 22 秒的時間，新進店員需要的時間可能更多。另外，根據一家日本麵包店業者分享，培訓員工認識、熟悉商品需要 1 至 2 個月的時間。 nbsp 現在有了 AI 影像辨識技術，店員可以把「辨識商品」的步驟交給 AI，由 AI 扮演 Copilot 的角色，1 秒內迅速辨識品項，加快結帳，整體節省 50 的結帳時間，優化顧客購物體驗。而培訓員工辨認麵包的時間成本，也能因此有效縮短。 nbsp 即便是帶有條碼的商品，AI 也可以在一秒內快速辨識多個品項，相比逐個掃條碼的方式，效率更高 nbsp 而有 AI 影像辨識「輔助」的自助結帳系統，則能夠讓消費者在沒有店員幫助的情況下，順利完成購物，省去刷條碼或在螢幕上查找品項的麻煩，提升購物體驗，在缺工、找不到店員的時代，也幫助店家降低營運成本。 nbsp AI 快速辨識多件結帳商品只要一秒鐘 圖片來源：Viscovery 近來，致力研發 AI 影像辨識結帳方案的新創在各國嶄露頭角，目前已知最輕量化的解決方案就在台灣，只要在結帳櫃檯安裝一支 Viscovery 的鏡頭與一台搭載 Viscovery AI 影像辨識軟體的平板，即可與店家既有的 POS 結帳系統串接，馬上啟用。 整合方式多元，有隨插即用的作法，也有與店家 POS 整合的 API 串接方案。 Viscovery AI 影像辨識系統可與店家現有的 POS 系統無痛整合 圖片來源：Viscovery AI 影像辨識結帳的導入實例 目前 Viscovery AI 影像辨識系統已導入台灣連鎖烘焙店、新加坡中式麵店、日本仙台百貨公司商辦超商 micormarket、日本麵包店與蛋糕店hellip等等。超過 700 萬筆交易筆數，都是透過這套 AI 系統完成，辨識超過 4000 萬件商品。這些使用案例展示了 Viscovery AI 影像辨識系統在零售行業的廣泛應用，未來將持續深耕、探索零售及餐飲運用 Vision AI 的各種可能。 nbsp Viscovery AI 影像辨識系統已導入日本、新加坡、台灣，使用於麵包店、蛋糕店、餐廳、便利商店等多個場域 圖片來源：Viscovery

曾經待過中小型電商，深知電商一人當三個人用的艱辛，太米科技創辦人兼執行長黃子豪及共同創辦人兼營運長李宜庭決定運用AI技術來解決所有電商人的行銷難題。太米科技針對時尚電商的個人化推薦SaaS 軟體即服務，協助中小型電商解決行銷成本不斷上升以及大量數據卻不知道該如何使用的問題，同時提高轉換率及客單價，堪稱時尚電商業的AI最佳助手。 一直以來，如何提升轉換率都是各家電商的重大難題，而像Google以及Facebook都會收集使用者瀏覽紀錄，以便投放使用者感興趣的訊息或是廣告，但一般中小型電商並沒有這樣的資源及人力，來建構資料分析的系統或工具。 公司定位：中小型電商的行銷技術團隊 利用AI 建立自動化行銷 2016年成立的太米科技，創業初期即以成為「中小型電商的行銷技術團隊」為出發點，希望藉由數據分析及個人化推薦服務協助電商解決轉換率低、顧客留存率低的難題。「我和Daniel指黃子豪都待過中小型電商，我負責品牌、行銷和設計工作，他包辦後端系統、專案管理及開發上線等，幾乎每個人都身兼數職。」她倆人深知電商業者的痛點，決定幫助中小型電商，開發自動化行銷系統，開發個人化推薦服務的SaaS，協助行銷資源匱乏的中小型電商。 透過AI技術分析消費者的購買偏好，給予個人化推薦服務 透過 AI 技術分析每一位消費者的購買偏好，並在後台留存消費者數位足跡，進行數據分析，有別於過往推薦系統以客群分類的方式，太米科技是針對每一個獨立個體的風格喜好來做個人化的商品推薦，以達到精準行銷之目的。 李宜庭強調，太米科技的個人化推薦服務有兩大功能，一、做網站的個人化推薦；二、與email、簡訊及聊天機器人chatbot等行銷管道作串接，發送個人化優惠訊息。 當消費者進到官網，根據消費者輪廓與喜好，在每個頁面都可以提供不同商品的推薦，個別商品在不同的網站頁面也有不同的推薦系統，每位消費者進入網站後都能享有個別差異化、不一樣的消費體驗。 太米科技運用深度學習Deep leaning的AI技術，將消費者透過各項裝置，分析消費者在線上購物的各種接觸點行為，透過數據化所有消費者使用行為來建構消費者輪廓。 例如，A是消費頻率高的消費者設定為VIP貴賓，其偏好莫蘭迪色系、蕾絲材質、高領款式等都被記錄下來並標籤化，當A在瀏覽店家網站時，網站便會針對A的這些購買偏好標籤，推薦相應的商品，另外也可以設定客製化優惠以及彈跳視窗，或是透過手機簡訊、email等方式，將客製化訊息傳送給客戶，每位客戶收到的優惠訊息都不盡相同，卻是符合他她需求的產品。 現階段太米科技客群鎖定包括男女服飾、鞋包配飾、美妝等時尚設計等個人化色彩濃厚的產業，許多客戶在導入個人化推薦服務之後，成效十分顯著。例如，巴黎萊雅 L'Oreal Paris 集團旗下美妝品牌植村秀，專營高效膚產品及潮流彩妝品與專業化妝工具等，經導入太米科技的服務後，大幅提升轉換率達3倍之多，營收成長18倍，可見成效之優異。 另外，知名服飾業iRoo，在官方網站安裝個人化推薦系統，同時整合Line、Chatbot等數位行銷管道，轉換率也從11倍大幅提升至5倍以上，單月營收增加21。 收費模式採訂閱制，大型企業則可針對其特定的功能需求，以專案收費計價方式。整體客戶使用後的成效，平均至少達成轉換率3倍，以及平均客單價也有2倍的成長。 新客群》繼服飾美妝後 推進導入生活家飾產業 儘管在電商市場整體營業額攀升的趨勢下，讓個人化推薦服務推廣成效亮眼，然而受到疫情影響，非民生必需品的時尚產業業績受到衝擊。太米科技營收比重大部分來自於時尚設計產業，在疫情期間，消費者逛網站只看不買，整體服飾業電商業績下滑3成左右，為了分散營運風險，太米科技自2022年起，將服務客戶領域拓展至風格鮮明、質感類型的家居沙發、生活用品等。 至於為何不將客群拓展至3C產品李宜庭分析，3C產品著重在性價比及品牌力，例如蘋果電腦有一群忠誠度高的果粉，不容易動搖其購買行為，但服飾、美妝及生活家飾品著重在個人化特色、品味與風格，例如，服飾具備快速、短期的「快時尚」趨勢，產品每周更新速度快，並有季節性特性，3-5天可更新一次做個人化推薦；而美妝，包括彩妝與保養，顧客的忠誠度及回購率高，最適合推薦及主動發送優惠訊息。妝容與穿搭代表個人品味，因此，此兩產業在個人化推薦上可以相輔相成。 「要將企業導入個人化推薦的進程加快，就需要建立SOP」，李宜庭接著說，太米科技藉由將推薦服務導入時尚設計產業的經驗，建構起服務流程SOP，以利快速複製成功經驗，預計下半年就能快速導入生活家居等產業。 新商模》建立以消費者為核心的新型態行銷模式 現階段太米科技客戶數已突破2000家，代表性客戶包括巴黎萊雅、BLUE WAY等國際知名時尚品牌，未來仍將是場鎖定在海外，朝香港、新加坡及美加等地區發展。 太米科技挾成功將推薦系統導入時尚電商產業的經驗，獲得投資人的青睞，於2021年獲得國內外加速器投資太米科技，募資金額達新台幣7,000萬元，使得人力、規模得以擴充。未來的計畫將整合投資人的資源，建立以消費者為核心的新形態行銷模式。 太米科技共同創辦人兼營運長李宜庭