從模型發展到應用落地：讓 Google AI 釋放產業動能

第一段 · Harsha Konduri（Google Cloud）

資料治理決定 AI 上限——五個案例

• Garten Food Service（美國食品服務公司，14 億美元規模）：最大挑戰不是技術，是資料太亂——170 個資料中心的資料先集中化，才有辦法讓 AI 分析。集中化後降低了資料搬遷/傳輸成本，也讓客服能即時回應（不用開 15 個畫面拼湊資訊）。
• 金融顧問／理財案例：顧問每 30 分鐘對談中有 20 分鐘花在行政作業；Google Cloud AI 把個人化建議自動彙整，讓顧問能把時間留給「人與人的信任關係」，而不是被資料淹沒。
• 製造業案例（丹華）：用照片辨識產線問題，反應時間減少 42 小時——關鍵在多模態理解＋能連結企業內部資料庫做搜尋。
• Mercado Libre（拉美最大電商）：支援超過 150 億件商品的多模態搜尋（可用照片、影片下單），提升顧客黏著度與長期使用習慣。
• Signal Iguana（保險公司）：目標不是養 3~4 人的 AI 團隊，而是讓全公司 11,000 人都能用 AI 建東西——低程式碼賦能讓每個領域專家都變成「AI 建造者」，8,000+ 人已在使用。

AI 導入的成本與模型路由策略

• 提醒：AI 預算不是選便宜的模型就好，要看安全性、速度、企業採用意願三個面向；有客戶單季就燒掉一整季預算（提到 Uber 案例），CEO 親自關注 AI 投資。
• 智慧路由（Model Routing）：不是只選一顆模型，而是依任務難度混用——貴、聰明的模型只用在真正需要複雜推理的步驟（如規劃、決策），寫文件、簡單查詢用便宜快速的模型（如 Gemini Flash）即可。
• 實例：客服中心每月 5 億次詢問量，用「混合模型」在維持品質下大幅降低單次成本；另一案例強調 Agentic Workflow 中，某些情境（如即時通話）時間比準確度更值錢，要混用 Flash（快）+ 更強模型（準）。

---

第二段 · Bob Hung 洪偉淦（趨勢科技）

從企業防護轉向消費市場防詐

趨勢科技把重心從「企業端資安防護」轉向「消費市場防詐」，透過 LINE 官方帳號「防詐達人」做即時事實查核，並與 Google Cloud 合作優化連線速度與維運成本。

• 與 Google Cloud 合作項目：暗網監控服務（掃描暗網外洩個資，主動通知受影響用戶）；透過 Google Cloud 提升連線速度（結合全球節點）、大幅降低維運與資料成本。
• 消費者最大痛點已從「怕被駭」轉向「怕被騙」：防護（Protection）大家已經比較放心，詐騙（Scam）才是現在最焦慮的事，且詐騙手法已演化成「多階段、複雜情境（scenario）」，單一防護技術不夠用。
• LINE「防詐達人」機制：把 Chatbot 加入 LINE 群組，群組內若有人分享可疑訊息或惡意連結，會即時跳出來標示「這是有害訊息」，台灣已有約 100 萬用戶使用。
• 下一步：既有防護已不夠應付多階段詐騙，趨勢科技表態要導入 AI 進一步升級辨識能力。

公開報導補充

趨勢科技在本次 Cloud Day 展示了「AI 防詐達人」在 Gemini Enterprise Agentic Platform 上運行的成果：每月處理高達 30 萬次的深偽（deepfake）與詐騙偵測請求，推論延遲降低 35%，每月維運成本降低約 30%。

總結

1. AI 專案的第一步永遠是資料治理，不是選模型——這跟我們平常幫客戶做 SEO/GEO 內容治理的邏輯一致，資料/內容的「乾淨與結構化」才是根基。
2. 低程式碼賦能全員用 AI（Signal Iguana 案例）是可以參考的內部推廣思路——不追求少數人做深，而是全員能上手。
3. 幫客戶評估 AI 導入時，可以用「安全、速度、成本」三軸溝通，比空談技術更有說服力。
4. 防詐是這場少數提到「消費者情緒／信任」層面的內容，跟我們客戶面對的「消費者信任建立」議題相通；LINE 官方帳號做「輕量即時查核工具」這個形式值得記錄。
5. 「35% 延遲降低、30% 成本降低」這組數字，是評估要不要把既有 AI 應用遷到 Gemini Enterprise Agentic Platform 時，可以引用的公開參考基準。