<span style=" display: block; font-size: 0.8em; font-weight: 100; color: #A5A3A3;">2025/09</span>剖析年輕世代趨勢,揭開 Z 世代價值觀

2025/09剖析年輕世代趨勢,揭開 Z 世代價值觀

本文原刊載於《台大校友雙月刊》第 161 期,由本公司總經理楊立偉博士撰寫,探討 Z 世代在社群上的變化與世代觀點的流動。文章透過 OpView 平台與 AI 語意分析技術,對社群討論進行觀測與剖析,不僅揭示年輕世代的價值觀與多元思維,也強調其應用於研究與社會觀察上的價值。
以下節錄部分:

近年來,「網路聲量觀測」(或稱社群聆聽,Social Listening)技術蓬勃發展,筆者和筆者的團隊也一直致力於將社群大數據結合 AI 語意分析,用以洞察社會脈動與消費趨勢。以下分享筆者與意藍 OpView 團隊近年發佈的一份 Z 世代社會研究報告,介紹其中的方法與發現,並討論其意義與侷限。

社群聆聽的原理與應用:AI 如何解讀網路聲量?

所謂網路聲量觀測,就是大規模瀏覽並分析網路上的龐大公開資料,以了解民眾對各種議題、政策、產業、乃至於企業品牌的真實看法。傳統上、民意調查常需要大量時間與人力,透過問卷訪談才能取得有限的意見,而且受訪者有時未必吐露真心想法。而社群聆聽採取非介入式方法,直接在網路上觀測人們公開發表的意見,當數量大到某個程度後,就有可參考性,而且 AI 處理速度快,具有時效性上的優勢,因此這個方法常作為傳統研究的輔助之用。事實上,全球已有許多成功的社群大數據研究案例,該方法以高時效性、高代表性和易執行等特性,日益成為企業與學術研究的新利器。

在實務運作上,社群聆聽透過搜尋引擎爬蟲 24 小時不間斷地瀏覽資料,來源涵蓋各大社群(如 Facebook、Instagram、YouTube等)、公開的媒體、討論區與論壇、以及部落格等,以筆者團隊所建立的 OpView 平台為例,每日可瀏覽超過 60 億字的資料,且即時性可達 15 分鐘內。接著再建立大規模的數據產線,運用先進的自然語言處理(NLP)和 AI 語意分析技術進行加工分析,例如判斷主題、判讀情緒、進行聲量的分類和統計等,將龐雜的文字內容轉換為結構化的數據,以直觀的資料視覺化介面呈現,包括折線圖、長條圖、文字雲、詞頻統計、情緒比值等。透過這樣的 AI 輔助,研究者只需專注於解讀數據並發掘洞見,大大降低了人工處理分析大量資料的負擔。

網路聲量觀測的應用非常廣泛。在企業界,行銷人員可藉此追蹤品牌口碑、了解消費者需求以制定行銷策略,產品經理可以發現市場趨勢與新商機。公關與客服單位則能即時監測輿情,迅速因應危機,維護品牌聲譽。在政府與公共政策領域,決策者也開始重視這類社群大數據工具,用來解析民意風向,觀測民眾對公共議題的討論,讓政府單位可以更快速地掌握輿論趨勢並作出反應,讓政策溝通更貼近民意。甚至在學術研究方面,社群聆聽打破了傳統問卷與焦點訪談的限制,研究者能藉助這類完整的數據,長期、大樣本地觀測社會現象。

網路聲量觀測如何描繪臺灣 Z 世代?

「Z世代」泛指 1997 年至 2010 年代初期出生的族群,他們是「數位原生代」,成長於網路普及的環境。因此使用網路聲量觀測方法來研究 Z 世代,是非常適合的。首先,筆者的團隊針對 Z 世代經常利用的社群或討論區,加上 Z 世代常用的語彙詞集,從大量的網路公開資料中,過濾出二個年度關於 Z 世代的看法及討論,這些內容超過 30 億個字。接著再利用 AI 語意分析的協助,將這些討論切分為不同的主題,例如金錢觀、工作觀、感情觀、消費習慣等,從文本中萃取重要的觀點,並描繪出 Z 世代的輪廓。此外,也透過 AI 技術的輔助,過濾掉相關性較低、於研究過程中較無參考價值的部分,例如關於產品廣告的一般性討論、抽獎文、過短的內容等,最終產出一份大規模分析臺灣 Z 世代的報告。

由社群大數據及 AI 分析角度下的臺灣 Z 世代

Z世代是什麼樣子?

完整的臺灣 Z 世代報告內容近 200 頁,以下節錄報告中的主要觀點,包括價值觀、消費行為與職場態度等。可以發現,Z 世代一方面注重提升生活品質以滿足心理需求,另一方面也自嘲式地意識到現實財務壓力下的「精緻窮」處境:既想生存,也要生活。

1. 金錢觀與消費態度:

現今多數年輕人生長於物質豐盛但競爭激烈的時代,他們一方面對高漲的生活(例如在城市生活的高房租和高物價)成本感到焦慮;而另一方面,享受高生活品質是他們的重要價值觀。不少Z世代年輕人認為,與其辛苦存錢仍無法買房,不如透過日常消費來滿足內心,追求精神與物質的平衡。因此,他們當中出現了所謂「精緻窮」的現象:即使財富累積有限,也願意在娛樂、運動、學習、旅遊等提升自我價值的領域花錢,投資自我,或是獲取即時的幸福感。此外,值得一提的是,這並不代表年輕世代在理財上不理性。相反地,報告中發現多數 Z 世代對理財投資相當有興趣且態度謹慎:他們熱衷學習各種投資理財知識,勇於嘗試高報酬率的投資工具(如股票、虛擬貨幣),但同時也非常強調風險管理,偏好在瞭解自身風險承受度後再做決策。

2. 職場態度:

相較於父母輩講求「一份工作做到底」,年輕世代更能接受多元嘗試與職涯曲線發展。他們中許多人在正職工作之外還積極發展副業或斜槓身分,利用下班和閒暇時間進修技能、經營副業,以累積不同領域的經驗。值得注意的是,不少年輕人也強調職涯成就不一定要靠跳槽實現;換言之,即使留在原公司,也可以透過爭取多元的專案或在業餘經營副業來豐富自我。這反映出 Z 世代對工作抱持高度自主性和彈性的價值觀,他們追求的是工作與興趣結合、多元且彈性的職場模式,而非朝九晚五、一成不變的傳統路徑。

年輕世代解讀

結語

社群聆聽能提供的觀測資料來源,規模遠非傳統問卷所能比擬。且能同時捕捉更真實的意見脈動。加上 AI 技術的快速進步,有了這類工具,學者可以更有效地驗證社會理論、發現新興現象,甚至跨學科地探索網路輿情與經濟、政治指標間的關聯,為社會科學帶來新的視野。

AI Search for KM
新一代 GenAI 知識管理工作平台

AI Search for KM 即新一代GenAI 知識管理工作平台,意藍整合生成式 AI、高速搜尋引擎、獨家 NLP 技術,並擁有領先業界的知識管理經驗,為組織單位實現更卓越且智能的知識搜尋與問答服務。

OpView社群口碑資料庫

OpView 是台灣首屈一指的 AI 網路聲量觀測服務,以先進的語意分析技術和雲端架構,協助組織單位透過平台輕鬆追蹤、分析輿情,並深入洞察社群關鍵情報,掌握至勝先機。

AI Model
企業專屬AI模型

運用高品質知識、外部數據或組織內部專屬資料進行 AI 訓練,並依據客戶需求,串接內外部平台,以地端或雲端模式提供客製化服務。

<span style=" display: block; font-size: 0.8em; font-weight: 100; color: #A5A3A3;">2025/08</span>意藍資訊WAVE 2025精彩落幕,展現台灣專屬大型語言模型領先實力

2025/08意藍資訊WAVE 2025精彩落幕,展現台灣專屬大型語言模型領先實力

亞洲指標AI造浪展《WAVE 2025》於8月2日圓滿落幕,意藍資訊(股票代號:6925)於「AI大語言模型」專區隆重展出三大核心AI解決方案,涵蓋知識管理、市場情報、企業組織專屬語言模型等應用場景,完整呈現生成式AI在地化落地的技術成果與商業價值。創辦人暨總經理楊立偉亦於展會論壇分享「為台灣企業打造專屬大型語言模型之經驗談」,吸引眾多產官學界人士熱烈交流,反應熱烈。

意藍自主研發大語言模型,城市治理模型技術受產官學界關注

數位發展部部長黃彥男於AI WAVE SHOW開幕致詞中表示,台灣擁有強大的硬體技術實力,若能結合資料應用與軟體服務,有望成為世界級的 AI 強國。呼應此趨勢,意藍資訊以自研AI核心技術為基礎,整合 AI、數據與軟體服務,落實於知識管理、企業組織專屬語言模型、市場情報蒐集等多元應用,體現本土AI技術實踐力。

圖1:意藍資訊楊立偉總經理於展期間親自接待數位發展部黃彥男部長,現場展示生成式AI協助政府施政與決策應用之落地案例。

(圖1:意藍資訊楊立偉總經理於展期間親自接待數位發展部黃彥男部長,現場展示生成式AI協助政府施政與決策應用之落地案例。)

展期間,黃部長亦親臨意藍攤位,針對意藍自主研發的AI Model企業組織專屬語言模型、應用成果進行深入了解,並由意藍資訊楊立偉總經理親自導覽、說明,展示如何透過生成式AI協助公部門施政循證治理、質詢擬答等實務案例,具體呈現意藍技術與場域整合實力。

而在WAVE「未竟之地」論壇中,楊總經理以「AI如煉油廠,數據如石油,唯有自主可控才能煉出最高效益」揭開序幕,強調意藍已建構全台最具代表性的數據與模型產線,並全數採用自主研發技術,維持高毛利率與高雲端營收佔比,體現極高營運效率與市場價值。
圖2:意藍資訊楊立偉總經理於WAVE論壇分享「為台灣企業打造專屬大型語言模型之經驗談」,吸引產官學界高度關注。

(圖2:意藍資訊楊立偉總經理於WAVE論壇分享「為台灣企業打造專屬大型語言模型之經驗談」,吸引產官學界高度關注。)

楊總經理指出,企業在導入通用大型語言模型時,常面臨成本失控與效能不彰等問題,意藍透過自研的eLAND GOAT模型,搭配資料合成等技術,能在兩至三週內快速協助企業與政府打造具產業語境理解力、可控可落地的GenAI模型,有效解決市場上普遍存在的部署門檻高、資安隱憂、調校不易等痛點。

目前意藍語言模型技術已成功導入政府治理、品牌行銷、金融服務等多元場域。例如針對地方政府施政語境所打造的「城市治理模型」,具備政策語彙理解、跨部門知識整合與地端部署能力,獲得多公部門使用者高度肯定,助力智慧治理與決策優化。

除此之外,意藍展攤亦同步展示三大核心解決方案:包括榮獲多項大獎的GenAI知識管理平台「AI Search for KM」,具備跨平台知識整合、多模態萃取與智能問答能力;可依組織需求客製化訓練的企業專屬GenAI模型服務「AI Model」;以及台灣最大AI 網路聲量分析平台「OpView」,能即時觀測網路聲量、消費者情緒與輿情風向,協助企業全面掌握市場情報。現場亦開放平台實機操作與AI顧問即時諮詢,吸引眾多與會者駐足體驗。
圖3:意藍資訊於 WAVE 展現場開放平台體驗與AI顧問諮詢,吸引大量與會者深入交流、了解應用實例。

(圖3:意藍資訊於WAVE展現場開放平台體驗與AI顧問諮詢,吸引大量與會者深入交流、了解應用實例。)

WAVE 2025彰顯生成式AI正全面走入產業核心應用場景,而意藍資訊也將持續深耕AI語意分析、智能搜尋與數據應用領域,攜手產官學夥伴推動台灣AI能量向下扎根、向上延伸。

AI Search for KM
新一代 GenAI 知識管理工作平台

AI Search for KM 即新一代GenAI 知識管理工作平台,意藍整合生成式 AI、高速搜尋引擎、獨家 NLP 技術,並擁有領先業界的知識管理經驗,為組織單位實現更卓越且智能的知識搜尋與問答服務。

OpView社群口碑資料庫

OpView 是台灣首屈一指的 AI 網路聲量觀測服務,以先進的語意分析技術和雲端架構,協助組織單位透過平台輕鬆追蹤、分析輿情,並深入洞察社群關鍵情報,掌握至勝先機。

AI Model
企業專屬AI模型

運用高品質知識、外部數據或組織內部專屬資料進行 AI 訓練,並依據客戶需求,串接內外部平台,以地端或雲端模式提供客製化服務。

<span style=" display: block; font-size: 0.8em; font-weight: 100; color: #A5A3A3;"> 2025/03 </span>感謝《工商時報》報導:最純AI軟體股 意藍Q2轉上櫃

2025/03 感謝《工商時報》報導:最純AI軟體股 意藍Q2轉上櫃

感謝《工商時報》報導,以下節錄報導內容:

2025.03.18 03:00 工商時報 何英煒

「最純AI軟體股意藍(6925)將於第二季轉上櫃。意藍資訊總經理楊立偉表示,意藍以數據分析為主要業務,今年將推出AI模型,明年也會加入AI代理產品。該公司為標準「三高」軟體公司,雲端服務營收貢獻占比逾8成,續約率85%以上,毛利率也逾8成。

意藍以數據分析為主要業務,從社群網站、新聞網站等,搜尋並進行資料處理,每天處理訊息達60億~70億。意藍將這些數據提煉成有意義的報告,以「OpView社群口碑資料庫」為產品,提供用戶策略參考,客戶涵蓋政府部門、電商業者、零售業者、金融產業、高科技公司等。

近年人工智慧及生成式AI如火如荼發展,意藍則進一步打造AI模型,鎖定企業、政府等需求。該公司於18日智慧城市展,首次對外公開城市治理專屬AI大語言模型「AI Model for City Governance」。

該模型已與多個政府單位合作,市政單位提供政策相關內容,透過AI模型訓練,可依需求串接內部或外部平台。AI可理解市政領域、施政內容及城市發展等議題,並可提出適當問答建議。導入後,政府生產力已明顯提升1倍。

意藍也將OpView社群口碑資料庫結合生成式AI,推出輿情應用顧問服務。而AI模型也為企業服務,定位為「企業的大腦」,應用場景在於知識管理、市場分析及商品搜尋推薦等場景,相較三大公有雲業者,楊立偉指出,意藍優勢在於自建機房及具備資料加工處理產線等自有技術。自建機房可提供私有雲服務,安全性較高,至於資料加工處理產線,能夠在速度上優於其他業者,企業客戶的AI模型可在一個月之內上線。

意藍未來將朝向AI代理及推論產品邁進。目前已投入Active RAG(檢索增強)的研發,AI可查詢各種資料及數據庫。意藍預計2025年底或2026年初時,推出AI代理的產品。」

<span style=" display: block; font-size: 0.8em; font-weight: 100; color: #A5A3A3;">2024/12</span>意藍AI Search智能搜尋解決方案  獲113年人工智慧技術服務機構能量登錄認證

2024/12意藍AI Search智能搜尋解決方案 獲113年人工智慧技術服務機構能量登錄認證

意藍資訊(股票代號:6925)日前取得數位發展部數位產業署113年人工智慧技術服務機構能量登錄認證,展現在AI技術應用領域的卓越能力。此次通過認證的服務包含AI Search for KM新一代生成式AI知識管理系統,以及AI Search for EC智能貼標與商品推薦系統;將生成式AI與公司搜尋、語意分析、資料處理等核心技術做結合,針對產業痛點打造可實際落地之解決方案。

AI Search智能搜尋系列服務乃意藍針對不同產業需求提所提供之智能搜尋解決方案,本次AI Search for EC、AI Search for KM更是分別取得「產品服務智慧推薦搜索」、「人工智慧離線API程式庫開發」、「虛擬助理」等多項認證,象徵著意藍人工智慧核心技術能力與⾏業應⽤能⼒的肯定。

AI Search for KM整合了高速搜尋、自然語言處理與生成式AI技術,替組織專屬的知識庫打造如同ChatGPT般的知識問答能力,不僅促進知識流通、提升組織作業效率,更提供地端專屬模型與雲端服務兩種導入方式,符合權限要求與資安/稽核規範;而AI Search for EC則是意藍專為電子商務打造的智能搜尋與推薦系統,憑藉自主研發的AI語意分析模型與搜尋引擎技術,自動提取商品特徵詞以生成商品標籤,亦能分析商品外部搜尋量、網路聲量及銷量等多項指標,精準推薦符合顧客需求的商品,全面提升消費者體驗與商家營運效益。

展望未來,意藍將持續深耕於AI應用領域,推廣生成式AI技術在百工百業的應用,致力成為智能轉型的領航者,協助企業與組織實現智能升級,共同應對未來科技革新的挑戰。

AI Search for KM
新一代生成式AI知識管理系統

AI Search for KM 乃意藍資訊整合生成式 AI、高速搜尋引擎、獨家 NLP 技術,並擁有領先業界的知識管理經驗,為組織單位實現更卓越且智能的知識搜尋與問答服務。

AI Search for EC
新一代智能貼標與搜尋推薦系統

AI Search for EC 是專為電子商務打造的 AI 搜尋引擎。協助企業品牌連結消費者與商品的橋樑,打造更好的商品搜尋與推薦體驗,讓消費者更快找到需要的商品。

<span style=" display: block; font-size: 0.8em; font-weight: 100; color: #A5A3A3;">2024/11</span>意藍資訊獲邀參加「2024全國資訊主管聯席會」 展示生成式AI於智慧政府之應用趨勢

2024/11意藍資訊獲邀參加「2024全國資訊主管聯席會」 展示生成式AI於智慧政府之應用趨勢

意藍資訊(股票代號:6925)受邀參與數位發展部主辦之「2024全國資訊主管聯席會」活動,此次活動主要為促進政府機關間、資訊服務業者資訊技術與經驗之交流,協力提升政府治理效能與服務品質。

意藍資訊作為國內首屈一指的 AI 智能數據代表廠商,致力於將生成式 AI 技術融入單位組織解決方案中。新一代生成式AI知識管理系統 – AI Search for KM 透過生成式 AI 的能力,讓政府單位或是組織可以口語化問答的方式高效查詢內部資料,並且支援多格式檔案搜尋及權限控管,無論是地端或雲端部署都能靈活應用,有效避免機敏資料外洩並提升知識管理效率。另一方面,OpView社群口碑資料庫則專注於輿情資料的快速彙整與分析,協助即時掌握社群輿情脈動,為策略規劃提供精準的數據支持。

而在本次展會中,意藍資訊總經理楊立偉則以「生成式AI知識管理及AI輿情應變顧問」為主題,向與會嘉賓介紹意藍如何運用AI技術來進行知識管理與輿情觀測,同時也分享協助公部門完成循證決策、以數據驅動政策應用的實績案例。

誠摯感謝政府機關貴賓參與此次「2024全國資訊主管聯席會」,並與意藍共同交流 AI 技術與實際應用。未來,意藍資訊將持續深耕 AI 技術的研究與應用,致力於為政府組織單位提供全方位的數位解決方案及提升治理效能。

AI Search for KM
新一代生成式AI知識管理系統

AI Search for KM 即新一代生成式 AI 知識管理系統,意藍資訊整合生成式 AI、高速搜尋引擎、獨家 NLP 技術,並擁有領先業界的知識管理經驗,為組織單位實現更卓越且智能的知識搜尋與問答服務。

OpView 社群口碑資料庫

OpView 是台灣首屈一指的 AI 網路聲量觀測服務,以先進的語意分析技術和雲端架構,協助組織單位透過平台輕鬆追蹤、分析輿情,並深入洞察社群關鍵情報,掌握至勝先機。

OpView –
AI 輿情應變顧問

意藍資訊結合 DeepNLP 與大型語言模型,透過簡單的口語問答,由 AI 梳理大量文本並生成議題摘要內容,輕鬆且快速獲得事件多面向輪廓,協助組織單位即時掌握輿情變化,大幅提升作業效率。
<span style=" display: block; font-size: 0.8em; font-weight: 100; color: #A5A3A3;">2024/11</span>意藍資訊獲邀於 2024 Meet Taipei+ 創新未來館趨勢短講 分享最新 AI 轉型應用!

2024/11意藍資訊獲邀於 2024 Meet Taipei+ 創新未來館趨勢短講 分享最新 AI 轉型應用!

在 AI 浪潮下,大部分企業迫切地尋求數位化、智能化轉型,可以說是「百工百業用 AI」,各產業皆面臨全新的機遇以及挑戰。而企業的核心競爭力–知識流,其存儲、搜索與活用更成為資訊轉型的關鍵一環,為達成企業永續,知識管理是為不可或缺的一部分。

在 2024 Meet Taipei+ 創新未來館趨勢短講活動上,意藍資訊產品經理吳于艷,分享了企業知識管理的重要性及其實際應用案例,吸引眾多產業先進參與。我們展示了意藍的生成式 AI 知識管理系統「AI Search for KM」,該系統結合生成式 AI、搜尋引擎與 NLP 技術,專為企業設計,具備企業權限控管、資料安全與高效能等特性,能夠有效提升作業效率達 40% 以上。

同時我們深入介紹了 AI Search for KM 在國家災害防救單位、大型金控企業及建廠設備業者等領域的實際導入案例,並展示了系統如何幫助這些企業快速搜尋並管理內外部資料,進一步提升決策效率。例如,透過「知識問答」功能,組織人員僅需輸入簡單的口語化問題,即可獲得精準且即時的知識內容,減少繁瑣的搜尋過程。同時,靈活的權限設定與資料來源整合功能,也讓不同部門及層級的使用者能快速找到專屬資訊,極大提高了跨部門協作效率。

展望未來,意藍資訊將持續深耕 AI 技術的研究與應用,致力於為企業提供全方位的數位解決方案。我們期待透過這些創新工具,幫助更多企業實現數位化、智能化轉型,加速產業升級,並為各行各業帶來更智慧、更高效的工作模式。

<span style=" display: block; font-size: 0.8em; font-weight: 100; color: #A5A3A3;"> 2024/11 </span>AI破繭,KM重生! 意藍資訊力推AI Search for KM,翻轉知識管理應用價值

2024/11 AI破繭,KM重生! 意藍資訊力推AI Search for KM,翻轉知識管理應用價值

因少子化導致缺工加劇,加上大量老師傅屆齡退休,迫使許多企業邁入世代交替關鍵期。為求傳承老師傅技能與Know-How,避免生產力出現斷層,近年各界紛紛追求系統化知識管理(KM)手段。

無奈傳統KM系統導入流程冗長,且礙於知識量體龐大分散,以致檢索困難,造成企業無法有效應用。久而久之,使企業費力搭建的知識庫(KB)被束之高閣,原本企盼的知識傳承願景落空,著實可惜。

為補強多年未解的KM需求缺口,向來深具知識管理與搜尋引擎底蘊的意藍資訊(eLAND),積極將生成式AI與大語言模型(LLM)引入KM,在2024年初推出「新一代生成式AI知識管理系統」(AI Search for KM;簡稱AISKM)。憑藉其中諸多亮點特色,成功打通KM任督二脈,還據此獲得國科會舉辦首屆GenAI Stars百工百業應用選拔「創新創業組」銀獎殊榮。

GenAI加持,實現原樣知識入庫妙效

意藍資訊創辦人暨總經理楊立偉博士表示,過往企業導入第一代KM時面臨不少痛點。首先資料蒐集與格式正規化過程艱難,等於在資料入庫整理的起步就陷入泥沼;其次就算辛苦建立大型KB,使用者也難以知悉裡頭有何知識,加上搜尋方式不靈活、不知要下什麼關鍵字,導致後續的分享取用出現障礙。

「換言之不論整理知識、使用知識、分享知識乃至創造知識,每一段都不容易」 楊立偉說,所以前一代KM歷經近20年發展,遲遲未能發揮預期價值。

所幸隨著GenAI崛起,總算讓KM迎來蛻變契機,也促使意藍孕育出有別於傳統的AISKM。

意藍的做法,主要是將GenAI分別置入KM系統最底層和最上層。放在最底層,旨在運用GenAI強大的理解能力,順勢開創「原樣知識入庫」新局,意即不管知識以PDF、Excel、Word、Table…等形式存在,亦無需理會用詞用語是否標準,皆可直接入庫,不再需要費時進行資料整理及格式統一,減輕前置作業負擔。

至於擺在最上層,最大意義就在於方便性。從前使用者需要上課,學會如何理解內容、下Keyword,才能操作KM,門檻偏高;反觀現在只要以口語提問,KM便提供答案。但楊立偉提醒,KM屬於企業級應用,務求答案準確、符合預設的資料範疇,不宜摻雜不相干內容;因此AISKM蘊含深厚的檢索生成增強(RAG)技術基底,確保GenAI給出答案時,都能清楚交待答題邏輯、引用的數據出處,使答案更具可解釋性、可驗證性、可稽核性。

另值得一提,因意藍早年併購龍捲風科技,已建立堅強的搜尋引擎功力,擅於區隔企業不同部門的資料存取權限,有效避免資料與模型無差別地混用。所以即便不同單位同仁詢問相同題目,也能依各自權限產生不同答案,以消弭企業在意的提示詞攻擊(Prompt Attack)風險。

自研eLAND GOAT,迎合RAGKM場景需求

談及AISKM與其他廠商AI-based KM的技術差異,一是多數其他廠商引用外部的雲端GenAI方案、如ChatGPT;反觀意藍經營知識管理多時,深知許多企業擔心若將資料與模型上雲、可能引發洩漏機密或資料混用,故為AISKM設計少見的地端版和私有雲版方案選項。

此外意藍自有核心搜尋引擎技術,而非援引外來引擎,相對擅長中文斷字切詞,不管做全文檢索、語意檢索都更為精確,有助於在第一道過濾時找出正確答案,大幅增強RAG解題品質。

不僅如此,AISKM還包含多項其餘獨到利基。譬如支援LLM抽換,現階段可抽換的LLM標的涵括GPT-4o、GPT-4o mini、TAIDE、Llama 3,或意藍專為RAG與KM設計的eLAND GOAT大語言模型,下一步將納入Gemini及Claude。經測試eLAND GOAT的問答忠誠度分數達88%,雖稍微落後GPT-4o的90%,但嚴格來說它算是13B小模型,僅需具有48GB VRAM的顯卡便可運作自如,建構成本低,且能部署在地端,深具小而美優勢。

更特別之處,在於eLAND GOAT相較通用型LLM增強了幾項能力,包含擅長從不同問法得出對應正確答案;從大量資料擷取最適切答案段落;可閱讀表格內容;支援Function Call、稱為Active RAG的意藍獨家技術,能依據完整答題所需,適時主動呼叫外部輿情資料或政府開放資料。要重要的,當eLAND GOAT找不到答案,不會硬答,以消弭AI幻覺。

AISKM取代傳統客服KB,使處理案件量激增

論及新一代生成式AI知識管理系統的導入效益,首先據哈佛商學院與BCG顧問集團共同發表的論文顯示,AI可分擔完成12.2%的知識任務,另有25.1%任務可因AI加快、40%任務得以提升品質。

針對意藍用戶端的客服單位實證,若調閱傳統客服知識庫,平均每人一天可處理24到28個進件,一旦改採AISKM,處理的案件量有望提升到逾40件。

楊立偉歸納,最適合的AISKM應用情境,現階段落在服務業、金融業及政府單位等重度使用KM的領域。係因他們知識量大、不容耗時翻箱倒櫃調閱文件;或知識量也許不大,但人員流動率高,需加快新人上手速度;或是像金融業知識更新頻率快,頻繁重新訓練LLM緩不濟急。

所以上述客群迫切仰賴AISKM這般以RAG為基礎、再結合搜尋引擎與LLM的應用場景。如國家災害防救單位借重Function Call,加速整合歷史與即時災害數據,將以往人工查閱時間從逾4小時驟減為10分鐘內,趕在黃金時間做出防救災決策。

或是如大型金控企業,可利用AISKM拆解任務及選用工具,並隨需生成輸入參數、解析輸出結果,完成複合型知識任務。亦能拆解任務並啟動RPA,接續執行資料的擷取與整合、清理與準備,終至回覆自動化對帳結果,促進智慧流程自動化。

 

完整原文歡迎至:AI破繭,KM重生! 意藍資訊力推AI Search for KM,翻轉知識管理應用價值 | iThome

<span style=" display: block; font-size: 0.8em; font-weight: 100; color: #A5A3A3;">下載報告</span>生成式 AI 產業趨勢報告

下載報告生成式 AI 產業趨勢報告

生成式AI產業趨勢報告

從整體生成式AI產業應用趨勢,了解AI智能搜尋解決方案如何落地應用。

報告亮點

Part 1. 生成式 AI 話題趨勢探索
  • 1-1 生成式 AI 話題趨勢
  • 1-2 生成式 AI 的商業機會與挑戰
Part 2. 生成式 AI 的機會與應用場域
  • 2-1 生成式 AI 的應用趨勢
  • 2-2 核心技術—AI大語言模型
  • 2-3 關鍵應用—檢索增強生成(RAG)
Part 3. 以 AI Search 技術打造 AI 知識代理人
  • 3-1 本土生成式 AI 大語言模型—eLAND GOAT
  • 3-2 AI Search for KM 新一代生成式 AI 知識管理
  • 3-3 AI 驅動的多元未來:案例展示

生成式 AI 是基於深度學習,透過擁有大參數量的神經網絡來記憶學習大量的資料,並且在沒有明確標籤或指導之下,自行學習資料的分佈,來生成更多類似的資料。
而隨著近年來 AI 技術的持續創新與突破,百工百業都迎來了前所未有的數位變革。在這個數位轉型的關鍵時刻,AI 的導入與應用已成為各行各業提升競爭力和效率的重要策略。企業在應對市場挑戰與客戶需求時,數位化的布局顯得尤為重要。AI 技術不僅有助於提升運營效率,還能加強決策的準確性與靈活性,為企業的未來發展提供強大支撐。

完整報告下載

歡迎填寫下列表單,我們將寄送完整簡報至您的電子信箱。

想進一步了解「新一代生成式AI知識管理系統(AI Search for KM)」?

想即時掌握 AI 實際導入案例與趨勢觀點嗎?

<span style=" display: block; font-size: 0.8em; font-weight: 100; color: #A5A3A3;">下載報告</span>AI 智能搜尋解決方案:智慧政府應用趨勢報告

下載報告AI 智能搜尋解決方案:智慧政府應用趨勢報告

AI 智能搜尋解決方案:智慧政府應用趨勢報告

隨著近年來 AI 技術的持續創新與突破,政府及企業都迎來前所未有的數位變革,無論是政府組織還是各行各業,皆面臨數位轉型的重要轉折點,而本報告將為各位說明生成式 AI 於智慧政府之應用趨勢,並以實際公部門單位導入案例展示智慧治理的落地應用。

報告亮點

Part 1. 生成式 AI 於智慧政府之應用趨勢
Part 2. 意藍 AI Search for KM 服務優勢
Part 3. 政府單位導入應用展示
  • 3-1 智慧城市災防應變數據分析
  • 3-2 智慧循證治理與質詢擬答
  • 3-3 智慧政府民意及民眾陳情資訊分析
Part 4. 意藍 AI Search for KM 服務導入方式
Part 5. 如何申請 AI Search for KM 服務體驗

隨著近年來 AI 技術的持續創新與突破,政府及企業都迎來前所未有的數位變革,無論是政府組織還是各行各業,皆面臨數位轉型的重要轉折點。AI 的導入與應用已勢無法擋,公部門在應對科技挑戰與回應民眾需求時,數位化佈局顯得尤為重要。 而智慧政府的核心目標,就是利用先進科技來提升公共服務的效率與品質,並使行政作業更具透明度與精準度

完整報告下載

歡迎填寫下列表單,我們將寄送完整簡報至您的電子信箱。

想進一步了解「新一代生成式AI知識管理系統(AI Search for KM)」?

想即時掌握 AI 實際導入案例與趨勢觀點嗎?

<span style=" display: block; font-size: 0.8em; font-weight: 100; color: #A5A3A3;">精華文章</span>大語言模型特色是什麼?企業導入的 3 大關鍵要素

精華文章大語言模型特色是什麼?企業導入的 3 大關鍵要素

大語言模型特色是什麼?
企業導入的 3 大關鍵要素

大語言模型(Large Language Model,LLM)是生成式AI領域中十分重要的一項技術與應用,它通過大規模文本數據的訓練,學習語言文字中的上下文結構和語意關係,並能生成自然流暢的回應,與使用者的提問做互動。本文將帶您了解大語言模型的原理與特點,探討企業如何有效運用大語言模型、使其在工作場域中發揮價值,並介紹意藍自行研發之大語言模型eLAND GOAT的具體應用。

認識大語言模型

什麼是大語言模型?
大語言模型(Large Language Model,LLM) 是一種基於大量資料訓練而成的深度學習模型,其特色在於模型參數量大、學習訓練資料廣泛,且在模型的訓練過程中,能夠識別及理解大量資料中每個詞句間的上下文關係,以及在語意空間中背後的意義,再根據使用者的提問或指令(Prompt),提供符合邏輯的自然語言回應。大語言模型的運作邏輯就好比文字接龍遊戲──根據使用者所輸入的詞句,模型會基於已學習、訓練過的資料與上下文,來評估哪些字詞最有可能出現在使用者的輸入之後,並生成相對應的文字回應。  
大語言模型的核心特點?
綜前所述,大型語言模型的核心特點包含以下幾點:
  1. 上下文理解:大型語言模型能更好地理解和處理文意,生成連貫、有邏輯的流暢回應。
  2. 多任務適用:大型語言模型能夠應付多種自然語言處理任務,無需單獨為每種任務設計特定模型,也因此能夠廣泛應用於多種不同場景。
  3. 大數據訓練:大型語言模型通常基於數千萬、甚至數億的文本資料進行訓練,龐大的數據量使得模型掌握了豐富的知識,從而能夠做出更準確的判斷與回覆。
不過也需要注意的是,大語言模型是根據過往數據資料訓練而成的,若遇到訓練資料中缺乏、無法回應的提問、或參考資料本身有所偏誤,可能就會出現AI杜撰、AI幻覺 (Hallucination)等現象,生成出錯誤甚至不存在的回應。

大語言模型的商業應用可能性

企業的大語言模型應用場域
而基於大語言模型具有的核心特點,可以被運用在以下幾個商業場域當中,來協助企業提升營運效率,輔助企業達成不同的目標:
  1. 市場行銷:大語言模型可以生成文案、分析市場趨勢以及顧客偏好,甚至優化廣告投放策略。它可以幫助撰寫社群媒體文章、電子郵件行銷內容,並根據市場數據預測消費者需求。
  2. 內部管理:大語言模型也可以成為內部知識管理的助力,幫助員工快速找到需要的資料,或者自動生成報告、會議記錄。此外,在客戶服務方面,也可以24小時即時回應客戶問題,減少人工客服負擔,並提供可驗證的參考內容出處。
  3. 輔助決策:透過分析企業數據,大語言模型還可以協助管理層做出更準確的市場預測,從而提升整體營運決策的效率和準確性。
 
企業如何善用大語言模型提升營運效率?
那企業究竟又該如何將大語言模型的優勢發揮出來?關鍵在於企業如何對模型下達準確的指令(Prompt)。對大語言模型提問時,語句及用詞要盡可能地具體、包含上下文訊息,才能讓大語言模型提供有效的回應,例如當想了解有關國內知名金融業者新光金控的相關資訊時,應避免簡化問句為「總資產?」,而是「請問新光金在今年第二季結束時的資產總額是多少?」,通過更精確的提問,大語言模型能提供更完整的回應。 除了應避免模糊不清的提問內容,提問的技巧也同樣重要,使用者應逐步引導模型進行推理,如欲詢問「新光金在大陸投資有賺錢嗎?」,可先調整提問為「請問新光金在大陸的投資項目為何?」,根據模型的回應,再進一步提問「投資損益為多少?」;藉由調整指令,讓模型能夠不斷學習並一次性回答多個相關問題,從而提升營運效率。  
企業導入大語言模型的關鍵要素​
隨著大語言模型的發展愈發成熟,企業導入大語言模型已是時下趨勢。而企業在導入大語言模型時則需考量多個關鍵要素:
  1. 數據隱私與資安控管:對於許多企業來說,使用大語言模型等相關服務時,除了須確保符合相關法律規範外,還需要對數據採取必要的保護,避免數據外洩或資安方面的風險。
  2. 模型與系統的相容性:在導入大語言模型時,需注意模型本身與企業現有系統的相容性,這涉及了技術、成本等多方面的考量,若企業缺乏相關經驗,便會使導入時的成本與難度增加。
  3. 企業基礎部署條件:不同企業在選擇大語言模型時,需根據自身具備的基礎條件,選擇雲端、地端或是混合部署。另外也須有足夠的計算資源與維運人力,確保模型運行並在必要時針對模型進行微調(fine-tune)。

意藍於大語言模型的應用

意藍深知大語言模型對企業營運的重要性與無限可能性,然而因目前主流的大語言模型多是使用英文語料進行訓練,中文語料的佔比相對較低,大部分資料又都是以簡體中文為主,與繁體、台灣所慣用的用字遣詞有一定差距。意藍挑選出台灣常用的語料,在兼顧適法性及合理使用的條件下,整理出AI的學習材料,開發出台灣本土的大語言模型eLAND GOAT,目標讓大語言模型可以更加在地化,並兼顧效能及成本之考量,符合企業特定目的用途。 而意藍在發展出的台灣本土在地化大語言模型eLAND GOAT後,也將其運用在企業知識管理領域中,推出新一代生成式AI知識管理系統-AI Search for KM,不僅提供使用者可以以自然語言的形式進行問答,還結合檢索增強生成(Retrieval-Augmented Generation, RAG)技術,能夠有效地找出精準且相關的內容,藉此提高大語言模型在生成內容的準確性和可靠性,並能夠在每次回應時附上參考內容出處以供驗證,有效避免AI幻覺的可能性。 除此之外,AI Search for KM還可以串接企業知識庫,不需要大量的人力和機器資源重新訓練或微調模型,並且可選擇在雲端、地端或混合部署大語言模型,免除機敏資訊外洩的疑慮的同時,也能快速的從大量的檔案文件中找出所需內容,大幅縮減企業在知識內化的時間成本與負擔,使其能夠更有效地管理和運用知識資源、提升營運效率。

常見問題 FAQ

Q1:什麼是大語言模型 (LLM)?它的運作原理是什麼?

A:大語言模型 (LLM) 是一種模擬人類語言能力的深度學習技術,其運作原理類似於「高階文字接龍」。

LLM 透過分析數億計的文本資料,學習字詞間的上下文結構與語意關係。當使用者輸入指令(Prompt)時,模型會根據已學習的知識,評估並預測下一個字詞出現的機率,進而生成符合邏輯且自然流暢的語言回應。

Q2:大語言模型的核心特點有哪些?為什麼適合企業應用?

A:大語言模型具備上下文理解、多任務適用與大數據訓練三大核心特點。

  1. 上下文理解:能處理複雜文意,生成具備邏輯的長篇回應。

  2. 多任務適用:單一模型即可處理翻譯、摘要、文案生成等多種任務,減少開發成本。

  3. 大數據訓練:掌握豐富知識背景。 這些特點讓企業能將其應用於行銷輔助、決策支持及自動化行政,有效降低人力重複勞動。

Q3:企業如何避免大語言模型產生「AI 幻覺」或亂編答案?

A:關鍵在於優化提問技巧 (Prompt Engineering) 並結合檢索增強生成 (RAG) 技術。

在提問時應盡可能具體並包含上下文訊息,採「逐步引導」方式讓模型推理。此外,導入如意藍 AI Search for KM 這類結合 RAG 技術的系統,強制模型根據企業既有文件回答並附上來源出處,能有效消除 AI 幻覺,確保回覆的真實性。

Q4:企業導入 LLM 時需考慮哪些要素?

A:企業應評估數據隱私控管、系統相容性及部署環境(雲端/地端)。

由於企業資料涉及機敏資訊,需確保模型服務符合資安法規。技術面則需考量現有系統能否無縫介接,以及企業是否具備足夠的計算資源與維運人力。意藍提供的解決方案支援地端部署,能協助企業在不外洩機敏資料的前提下,享有 LLM 的便利性。

Q5:台灣企業如何選擇適合的在地化 AI 模型?

A:建議優先選擇專為繁體中文語境優化、且具備在地語料訓練的模型。

主流國際模型多以英文或簡體中文語料為主,對於台灣特有的商務術語或法規用語掌握度較低。而譬如意藍自研的 eLAND GOAT 專為繁體中文語境優化,能精準理解繁體中文細微的語意差異。此外,結合 RAG 技術與支援地端部署的特性,能確保企業在符合資安規範的前提下,獲得更準確、無偏誤的中文回覆。

想進一步了解更多意藍AI技術嗎?

想即時掌握 AI 實際導入案例與趨勢觀點嗎?

Copyright eLAND Information Co., Ltd.