每天打開電腦，你是不是都在做同一件事：找資料、整理資料、再找資料？明明網路上什麼都有，為什麼做個報告還是這麼累？

答案很簡單，我們不缺資料，是被資料給埋了。就像在垃圾堆裡找一顆珍珠，你知道它在裡面，但不知道從哪開始挖。

面對這個產業痛點，本土軟體業者意藍資訊積極切入競爭激烈的AI搜尋市場。不同於Google、微軟等國際大廠的通用型AI工具，意藍選擇聚焦金融垂直領域，強調解決「資料可信度」這個企業最在意的問題。

AI Search 不只是更快的 Google，還能做更多事

什麼是 AI Search？它不像 Google 那樣丟給你一堆連結，而是直接生成一份完整答案。想像一下：輸入「分析群聯電子股價走勢」，8 到 10 分鐘後，一份包含產業動態、財務分析、風險評估，甚至是社群討論等等來源資料都納入的分析報告，就出現在你面前。

意藍資訊總經理楊立偉強調，企業級的 AI Search 跟消費性產品有本質差異：「最大的問題是 AI 的幻覺。它會一本正經地胡說八道。對一般消費者來說還好，但對企業來說是致命的。」

楊立偉舉例近期案例，即使是澳洲政府委託德勤（Deloitte）撰寫的報告，裡面引用的數據都可能因為 AI 計算錯誤而出錯。這也是為什麼許多企業在 POC（概念驗證）階段嘗試 AI 工具後，卻遲遲不敢大規模導入。

意藍的策略是先攻下金融業這個「最嚴格的試煉場」。金融業對數字精確度、合規性、即時性的要求都是最高的。如果能在這裡證明 AI Search 的價值，其他產業就相對容易複製。目前意藍已有證券、保險、銀行、監理機構等指標客戶，2024年 AI Search 業務營收佔比將接近 3 成，明年預計再增長60%，新增客戶數超過 40 家。

更長遠來看，AI Search 可能擴散到所有「資訊密集 + 專業判斷 + 高合規要求」的產業，例如法律業的判決書分析、醫療業的病歷與文獻檢索、製造業的研發知識管理、政府部門的公文處理。「只要是對數字特別精確、錯了有權責歸屬的工作，都需要可信賴的 AI。」

AI Search將改寫白領工作流

AI search 的到來，會如何改變白領的日常？以投資研究報告為例，傳統流程是：花 1.5 小時蒐集資料（跨多個網站下載、搜尋）、1 小時計算財務比率、1.5 小時撰寫報告，總計約 4.5小時。

導入 AI Search 後，流程變成：輸入問題（「分析群聯電子最近的產業動態並預測股價」），AI 在 8 到 10 分鐘內自動完成資料蒐集、關鍵字萃取、生成分析報告（包含產業新聞、財務數據、風險評估、股價預測）。研究員只需花 30 分鐘驗證數據來源、補充專家訪談、調整論述，總計約 55 分鐘，節省 78% 時間。

楊立偉指出，省下來的時間，「他們可以討論衍生性金融商品、客戶的財務狀況，做更多有溫度的服務。」

又或者，某監理機構使用 AI Search 進行經濟犯罪與洗錢防制調查。過去需要 2 名調查官花 2 周時間從數千萬筆交易中「選案」（挑選可疑案件），現在縮短到半天內就能列出可疑帳號、交易樣態，效率提升超過 20倍。

不只加速效率，也可以從資料煉金

AI Search 的另一個價值，是讓同一筆資料被重複使用。以台積電的季報為例，過去這筆資料只服務研究部門；現在可以同時用於，投資部門生成投資建議、風控部門監控財務異常、承銷部門進行估值比較、客服部門回答客戶詢問、行銷部門撰寫產業趨勢報告。

這種資料複用，楊立偉稱之為「資料煉金術」，「不是讓資料更好找，而是讓資料能被煉出價值。過去是資料孤島，各部門各自為政。現在是把資料變成企業的共享智能。」

在承銷輔導業務中，這個價值更明顯。傳統 IPO 輔導需要比對公開說明書、年報、合約的多個版本，人工處理約需 260 小時（需動用3 人團隊、7 周時間）。AI Search 的「多段落前後差異比對」功能，可以自動標記版本間的矛盾、檢查法規合規性、生成評估報告，將時間縮短至 60 小時（1-2 人、4 周），節省 77% 時間。

AI Search 有幻覺、資料安全風險

楊立偉也坦言，企業在導入 AI 時面臨的障礙，也是 AI Search 必須克服的挑戰。

第一是可信度問題。 儘管意藍強調「可追溯來源」，但 AI 仍可能誤判或遺漏關鍵資訊。在風險監控案例中，系統會自動標記「高風險公司」，但可能出現誤報（False Positive）。楊立偉說：「我們的做法是，AI 不知道的時候就說不知道，不能亂講話。但這需要持續調校模型和檢核機制。」

企業需要建立人機協的工作流程，在AI 提供初稿和建議後，但最終決策仍由人類判斷，尤其是涉及地緣政治、產業典範轉移等「未知的未知」領域。

第二是資料安全與合規。 金融業對資料外洩高度敏感。如果把敏感財務數據丟到 OpenAI 等外部雲端服務，可能違反法規或洩漏商業機密。意藍的解決方案是提供地端（Edge）部署選項，讓模型運行在企業內部，資料不出企業防火牆。但這也代表，企業需要自建算力基礎設施，增加導入門檻。

此外，組織文化也是隱藏的風險。楊立偉觀察到，有些企業雖然購買 AI 工具，「可是變成好像是買一批帳號發給同仁，會用的就很會用，不會用的就不會用。」如果沒有配套的訓練和流程重組，AI 只會加劇數位落差，而非提升整體效率。

核稿編輯：陳書榕