自 2019 年起，我推動 AI 技術在旅宿產業內的應用，成功實現了四大類產品，並且有效提升了企業的自動化流程及營運效率。這篇文章將簡單總結我的技術應用理念，並分享產品化的過程與挑戰。由於篇幅關係，將分篇說明。
我們企業的核心目標是利用自動化技術，提升商業流程的效率，尤其在少子化的趨勢下，技術的應用能大幅減少重複性工作，讓員工專注於更具價值的任務。同時，我們面臨人力異動頻繁的挑戰，因此降低教育訓練成本、累積知識並轉化為企業內部知識庫，也成為我在產品規劃中的主要思維。
基於這些目標，我們開發了四大技術應用產品，分別是問題通報系統、AI 客服系統、AI 營運策略輔助系統（結合自動出價功能）、以及專業報表分析工具。在這些產品中，我們使用了多種技術來進行數據處理和預測模型的優化，例如 CatBoostRegressor、LSTM、隨機森林以及 ARIMA。
首先介紹問題通報系統的技術應用與產品化過程。我們自營的五十多家旅店都使用自研的 PMS 系統來管理營運，這是一套基於雲端架構的系統，串接了各種外部與內部服務，如金流、發票、簡訊、Line Notify （附帶一提，免費的 Line Notify 服務將於2025年3月底關閉）、Channel Manager......等。然而，由於操作流程複雜且人員更替頻繁，員工在遇到系統不熟悉或技術問題時，經常需要即時通報技術部門或其他後勤單位來解決問題。這是典型的維運挑戰之一。
傳統的問題通報流程通常採用工作聯繫單的模式，無論是紙本還是電子化，流程都需要經過多個關卡，這不僅拖延了解決問題的時間，也導致處理人員需要隨時待命。這種問題通報造成不少困擾，雖然會有輪值機制來因應，但等待機制會導致輪值人員無法適當休息，造成開發人員的損耗（離職），為了改善這些問題，我們開發了一個 AI 支持的問題通報系統，利用自動化技術來即時分類和分派問題，降低人力負擔。
我們的系統設計讓使用者可以透過 Line 平台提交問題，系統會使用 AI 模型來進行問題分類，並將問題自動分派給相關單位處理。為了建立這樣的分類模型，我們先累積了一定的歷史通報數據，並使用分群技術對這些問題進行整理和分類。透過這樣的過程，我們建立了第一版的知識庫，並利用大規模語言模型（LLM）生成更多的問題與答案，進一步優化了分類準確度。
.jpg)