AI 狂潮下看影響與因應之道
一、選擇應用領域，因應 AI 浪潮
因應客戶需求，叡揚很早便投入企業應用系統的開發，從30多年前的人事薪資系統、公文系統，到後續的文件與知識社群平台、銀行徵授信等系統，30 多年下來累積該領域的作業經驗與知識，讓我們成為「IT + 領域」的跨域達人。
這樣的跨領域特性，讓我們能與 AI 協作，結合「軟體工程 + AI + 領域知識」的能力，與客戶業務專家良好溝通，逐步完善具業務競爭力的數位系統。
近年部分專注於單點技術或產品的公司，因 AI 巨頭持續擴張而快速失去利基市場。這現象和過去我們看到的 Microsoft 成為軟體產業巨頭的過程中，與其高度接近的試算表、文件處理、簡報工具與字型等廠商，幾乎無一倖免一樣。之後 Microsoft 於 1995 年跨入 Internet 領域、推出 Internet Explorer（IE）瀏覽器，更逐步獨佔瀏覽器市場，直到多年後 Google 推出 Chrome 瀏覽器，才打破此一局面。
Google 在 Internet 興起後，透過讓用戶免費使用搜尋引擎，由廣告支撐營運與獲利，建立另一種全新的商業模式。另外，與傳統企業內部資訊系統的數據產出追求計算結果需要絕對正確的特性全然不同，Google Search 提供的結果是資訊參考，並由使用者自行判斷其參考價值，是資訊服務領域一個全新的商務模式。
而叡揚長期聚焦的則是企業應用層系統。我們所提供的產品，是在OS與資料庫系統等基礎平台之上所開發出來的應用服務，直接協助客戶解決業務上的特定問題。過去數十年間，IT 技術經歷多次重大變化，導致全球基礎平台業者之間的持續競爭與淘汰，但對應用層企業而言，仍有時間觀察產業變化，逐步建立對新技術的應用方法與人員技術的成熟度。
這一波自 2023 年以來快速發展的開源與閉源大型語言模型（LLM），不僅引發全球 AI競爭，也促使各國政府與企業積極投入 AI 學習與應用。大家都在思考如何讓數位系統善用 AI，進一步提升業務競爭力。畢竟，2000 年網路興起的年代(Internet 浪潮)孵育出 Google、Amazon、Facebook 等企業，同時也讓許多公司在變革中消失。
二、AI 的應用與選擇很關鍵
叡揚在擅長的企業應用系統上結合AI，解開過去解不掉、解不好的問題。
Anthropic在2026年4月7日發表的Mythos模型，再次說明選擇應用方向的重要性。Ｍythos 展現出相當驚人的效果，在一些廣為人使用的系統找出長年未被發現的漏洞，這一舉，嚇壞了所有人。這也讓產業界重新思考，AI的真正影響不只在技術本身，而在於如何運用技術。總是有些應用場景會因為成果較為明顯，而展現出衝擊性。
(一) LLM 出來前，叡揚投入 AI 選擇的應用
1.中文糾錯：
透過傳統機器學習（ML）與深度學習技術，在低耗能 CPU 環境下進行中文糾錯應用。其概念類似 Microsoft Office 的英文拼字檢查，以底線提示方式提醒使用者修正內容。我們已將此功能導入公文管理系統與企業知識協作平台中，產生良好成效。
中文糾錯：透過傳統機器學習（ML）與深度學習技術，在低耗能 CPU 環境下進行中文糾錯應用。
2. 智慧財產局的專利檢索及商標以圖找圖。
智慧財產局的專利檢索及商標以圖找圖：運用深度學習、電腦視覺及圖形辨識技術，達成圖像內容檢索。
3. 財報辨識：
這是一個需要 100% 準確辨識的應用。AI 辨識雖然難以保證百分之百準確，但只要問題本身具備可核對或交叉驗證的邏輯，便能有效提升整體作業效率，利用財務報表本身資產與負債需要平衡的特性，只要經辨識後的資產與負債對等，應可以說是辨識無誤，資產與負債不對等的報表再交由人工確認，其它正確的資料就無需人工介入，讓人力集中於需要處理的部分，我們在這類的應用達到超過 9 成的準確率，也就是提高生產力 9 倍以上，這正是AI 帶來的新應用價值。
財務報表辨識：原始影像經辨識後，系統可以自動檢核數值正確與否，也可以與原始影像核對參照。
(二) LLM及後續LVLM發展後的應用
隨著 LLM 與 LVLM 等技術快速發展，生成、自動分類、單據與手寫辨識、表格辨識與內容萃取等應用也快速進步。
然而，AI 的演化速度極快，幾乎沒有真正穩定的階段。我們只能在持續變動中摸索方向、透過實作累積經驗，再不斷調整。但我們所處理的都是企業內部營運相關問題，因此對精確度、資料隱私保護也有更高要求。
以下是我們的幾個實際案例分享：
1.對公文理解、表單與文字辨識、核對後生成回文
該案例應用於某政府機關，系統可辨識報關業者提供的公文與申報單影像，自動比對商品資料是否存在機關商品資料庫內、確認業者資格與歷史紀錄，若條件符合，即可自動生成回文。
系統可辨識報關業者提供的公文與申報單影像，自動比對商品資料、確認業者資格與歷史紀錄，若條件符合，即可自動生成回文。
2. 企業知識社群平台與AI的結合：需深度考慮權限管控議題
企業在導入 AI 時，除了效果外，更需考量企業內部的敏感資料與權限控管。
使用雲端大廠的 AI 模型雖然導入容易，且效果通常不錯，但有不少企業仍因資料安全需求而需要建立地端模型。同時，企業內部會依職責來限制可以使用的應用系統功能與資料，因此當我們在考量將 LLM 模型結合至廣為客戶使用的Vitals ESP，就需要與企業權限機制整合；同時隨著LLM不斷迭代、優化，讓客戶可切換至新一代優質的模型，以及下 Prompt 提示詞查詢時可以餵養特定文件夾資料，以引導模型產出並降低幻覺，這些都是產品在發展時的重要考量。
叡揚資訊Vitals ESP具備權限控管的功能，且可根據特定資料，生成文本內容或報告。
此外，隨著模型持續快速迭代，企業也必須面對許多問題，例如如何持續適應新的模型、如何增加模型資料介接能力(如MCP)以提升應用範圍與價值、如何降低LLM幻覺與資安與治理規範、如何計算能耗與 Token 成本，這些議題都是在尋求 AI 效益過程中，無法迴避的重要課題。
三、加速組織全面運用AI
這是一個大家都關心的議題，在還在急遽變化中要整理出一些看法是很挑戰的。個人基於看過幾次科技大變化的經驗嘗試提出下列看法供參考：
AI 不僅是技術問題，更涉及組織運作模式與人員能力的轉變。由於大型語言模型推出後，幾乎所有人都能透過 Prompt 體驗 AI，因此企業內部每個人都可能對 AI 有自己的使用經驗與想法，也希望在工作中導入 AI 創造改變，然而企業必須產出一套辦法來讓組織有效的導入與善用 AI。
根據我們自身的經驗、多方社群看法以及Gartner的研究資料，企業若要有效推動 AI，個人有下列心得分享：
1. 組織內需要建構出下列專業人員一起協作與推動
(1) AI 工程師：是一批原生熟稔 AI 的工程師，他們可以是原本組織內的軟體專家、AI 專家、資料科學家、工程師等角色，但需熟悉 AI 原理與技術特性，了解哪些問題適合 AI 處理，以及了解與駕馭可能產生的幻覺、安全與治理問題，並持續關注 AI 演化進展。
(2) 建構結合 AI 工具的軟體開發平台：由既有的軟體工程師擴充對 AI 工具的了解，打造可管理模型、資料與實驗流程的平台，同時可以監控與管控資源，更能隨快速演化的AI而調整這組開發平台。
(3) 應用開發的產品或專案經理：除了應用領域的知識，也需具備 AI 知識與想像力，以創造具 AI 特色高價值應用的機會。
具備這些技能的人員需要持續協作與互相成長，也可以透過外部合作補足能力或人力缺口。
2. 組織可以經由建立機制加速發展：
要在組織內有效地協調與擴散AI應用、降低風險和加速培養人才，需要建立橫向組織與共用工作平台。
(1) 成立 CoE(Center of Excellence，卓越中心)：由企業中央及各單位具代表性人物所組成的組織，確保企業AI 策略、治理可在各單位協調與推動下持續進展。
(2) 成立 CoP(Community Of Practice，實踐社群)：由各單位有著共同目標與興趣的員工所組成，可定期實體或線上交流促進知識共享和技能發展。
(3) 建立共用平台：由技術團隊建構兼顧 AI與AI治理功能的軟體開發平台，讓大家在一個兼顧治理與規範下的軟體開發環境，有效地進行分散式實驗與系統開發。
3. 開發方法：SDD (Specification Driven Design，規格驅動開發)
規格驅動開發 (SDD) 模式是目前較常被採用的方式，與傳統瀑布式開發不同，SDD 是以即時、機器可讀的規格文件（如 markdown、測試與 schema）作為人與 AI 的協作基礎，並透過敏捷式迭代開發，降低偏差、品質風險與管理問題；目前又有AI模型如 Claude Code 可以產生程式碼，如何跟這些工具有效協作，以便快速完成一個完整系統的方法論，仍在努力中的過程，因為一個完整可用的系統畢竟是必須可慮：
1. 系統規格是會隨時間持續變化的，如何在系統的 8年、10年甚至更久的使用時間中，可以有效駕馭系統程式碼維護與演化所需機器與人力成本是一重要探討議題
2. 系統的資安與AI治理議題
四、如何看待AI的影響與成效
企業普遍都在思考，如何善用 AI 創造 Killer Application 或提升生產力，但又必須衡量效果與成本可控，除了上述提出的經驗外，有如下看法跟大家交流：
1. 應以全生命週期成本思考 AI 導入，並兼顧創造營運優勢：
企業需從全生命週期進行評估與思考，包含需求規格、架構設計、程式開發、功能性與非功能性的UI/UX、資安與效能等整體測試，再到正式運轉時的維運成本，以及後續的需求變更，或者替換模型的程序與成本。另一方面也需思考 AI 的應用是否改善營運流程，更重要的是讓組織的產品或服務具備差異性與市場競爭力。
2. AI 不只是降低人力成本的工具，更創造優勢：
科技發展往往會帶來新的應用與機會，重要的是如何帶動組織與人員共同轉型成長，而非僅將 AI 視為節省人力的手段。
目前 AI 雖然已能協助生成程式碼，但仍需要熟悉組織運作需求與技術架構的人員進行檢視與完善。如果能適當改變現有流程並與AI協作，反而能讓過去無法解決的問題，呈現出嶄新的風貌。
但前提是，人員必須跟著公司一起轉型，否則面臨被時代淘汰的壓力將難以避免。在過去幾波科技大變革中，能引領改變或主動掌握改變的公司將邁向新境界，否則容易在大變化中逐步衰敗。
3. 不要因AI 能代替產出一些程式碼而不聘用年輕世代：
每位資深人才都是從學習與歷練中逐步成長而來，若年輕世代缺乏實務歷練，未來也難以建立真正具備 AI 協作能力的新世代團隊。
結語
我們正處於 AI 快速演化的時代，對於屬於應用層的我們，正積極了解模型持續的變化並實作，以確保具有選擇與善用模型的能力，來讓應用系統解決過去無法解決的問題。
過去曾經歷過科技大變革，我們都成功因應。如今，我們有更成熟的團隊與技術能力。在近期剛舉辦的叡揚 Solutions Day 中，我們展示了各產品的 AI 新功能，也獲得到極為正面評價。這波 AI 浪潮仍在起點，未來仍將快速演化，而我們也將持續前進。