產品團隊｜Jean · Paris · Lydia · Jess · Maggie 逐字稿
Crescendo Lab 2026 產品發表會 · 2026-09-10 · 59:01–121:44 · 出口影像整理（已修錯字與斷句，口語保留）
一、Jean｜MAAC 行銷 Agent
59:01
那剛才大家聽到Peter的分享，應該很多人都在心裡想說，欸這道理我都懂，但是就是不會做，所以接下來這個環節呢。
開場：道理都懂但不會做
59:10
我們就不打高空，我們就帶大家直接來看一下這個AI方程式，怎麼進入到我們的行銷場景，讓我們成長悖論可以轉起來。那先回到這個行銷人應該都很熟悉的一個時刻喔。就是商品鋪可能會傳來一種商品鋪。
59:26
然後請問我們下週要上線。那這時候呢，任務到我們手上的時候，商品檔期素材，等等的資訊都已經定案。但是最重要的行銷決策。我們要說什麼，我們要跟誰說，怎麼說，都還沒有開始想。
59:42
但是上線時間卻已經在倒數。那好在我們行銷人有了AI，AI幫我們把分析產得更多更快，也幫我們把內容產得更多更快，分眾也分得更多更快。
行銷人的加班時間
59:56
那行銷人的加班時間也更多更多。那這就是因為這些AI的資訊很多。最後還是靠我們人腦，自己在做決策，靠我們經驗來做判斷，每一檔結束之後呢。我們又要從頭再開始。所以AI幫我們加速。
60:12
但是我們的決策方式沒有改變，成效就跟不上，這也就是Peter在剛才說的。AI走進我們真實的工作場景，也就是我們的行銷場景的重要性，每個人都會用通用AI。但是你的AI需要主動的是品牌，市場跟顧客，它可以走進到我們分析，洞察跟規劃的流程。
60:34
而且可以在我們的核準之下，穩穩的把這所有全通路的行銷任務，給執行完，那在這些環節串起來之後，才可以真正帶來商業成果。所以我們今天就要跟大家介紹。我們的DAX數字Agent，跟MAX行銷Agent，強強聯手走進我們的行銷工作流。
60:55
那一個會幫你負責讀懂你的顧客跟品牌，一個會幫你把規劃一路推進到執行。那當他們進入到我們的工作流程中。
AI 神隊友
61:04
他就會成為我們越用越懂我們的AI神隊友。好的行銷決策呢。起手式就是我們要先摸清我們的顧客的底細。所以不外乎就是三個面向，品牌跟顧客的關係有多深，他現在有什麼新的需求正在浮起來。
61:23
那現在是不是一個值得我們出手的時機。那如果說我們今天都只看我們的MA工具，或是我們CRM工具裡面的資料，是完全沒有辦法完整回答這三個問題的。所以今天我們DAX數字Agent，就會幫我們把整個行銷全漏斗的資料整合起來，從我們會員的第一方的交易會員資料。
61:46
到我們的廣告搜尋資料，甚至到顧客進線的銷售對話客服資料。我們都可以一起把它整合起來，並且用我們獨家的興趣預測標籤，來幫你看清這個品牌，站外的一些興趣跟行為，讓DAX整合好這個完整的脈絡之後，他就會交接給我們的MA行銷Agent。
62:08
來展開下一步的行動。那大家還記得我們在一開始的時候，行銷部給我們的那一張下作要上線的商品圖嗎？那我們就把這個商品圖丟給我們的MA Agent，請他幫我們規劃一檔活動。
62:23
那Agent不會急著要幫我們去產出50組100組的內容，而是他會先跟我們確認。我們的主打商品是什麼？檔期範圍是什麼？接下來他會讀取我們過去的一些受眾跟交易訊號。
62:36
接下來呢，他就會推薦我們這次最適合溝通的物件是誰，接著呢他會跟我們確認，品牌過去好像有一些既有的做事規則，這次是不是要沿用。那將這個洞察跟這個規則，Agent就會幫我們展開一檔完整的行銷檔期。
62:55
那從畫面上我們就看到。我們的Agent幫我們規劃了第一波預約第二波上市，還曾接一個自動流量幫我們把這個檔期的流量全部接起來。那我們行銷員要做的就是確認後核准，就讓這個節奏可以自己跑起來。
63:11
好那重點是什麼？重點是這不只是一個漂亮的Demo喔。在我們和客戶的實測中，也驗證了商業成果的提升。
6 倍轉換率與八成新客
63:21
透過Agent找到對的人我們可以達到過去平均6倍的轉換率，語法怪怪的，然後其中呢購買的人有八成的人是有買過他們過去從來沒有買過的新的商品，也就是說呢靠優惠是只是催化劑，真正的成長引擎我們是靠找對受眾。
63:43
那Agent可以幫我們讀懂我們的顧客之外，他也要了解我們品牌的做事規則是什麼？那我們用AI都會很害怕他會失憶。好就是一件事情要跟他講好幾次他就是講不停。
63:59
所以我們的品牌Playbook就是讓Agent可以遵循的這個品牌行銷準則。那Agent會在對話中去判斷說，這是不是一個值得加入到我們品牌Playbook的規則。
64:12
那當我們核准之後他就會把這個規則寫進Playbook裡面。所以之後我們就不用反覆的跟Agent說，欸這個不要做那個不要做，他會直接提出最符合品牌內容知識的提案，Playbook會影響到我們的規劃。
64:28
那檔期的每一波的成效也會去影響到下一波的行動。所以我們剛才那個已經上線第一波的檔期成效回來了。Agent就會去來判斷說，欸這現在整個轉換的路徑上顧客到底卡在哪一段嘛。
64:44
所以以這個畫面上的例子來說，他就發現說還沒有買的顧客很常會進來客服問說他有沒有會員假，Agent就會建議說我們下一波不要再推更深的折扣，而是我們把會員權益講清楚。
65:03
所以說呢成效已經不再是一個報表數字拿來檢討我們的東西。
成效改寫下一波指標
65:09
而是可以直接去改寫到下一波的指標。好那除了Agent可以幫我們去做一波推波的最佳化跟建議之外，他也可以直接幫我們建立一個複雜完整的自動旅程，他會依照這個檔期中的顧客的反應，可觸及的渠道還有他們現在的對話跟意圖的深度。
65:33
來幫我們自動建立完一組自動旅程。那我們也可以針對我們想要調整的部分，請Agent一鍵完成。所以我們這個行銷活動我們就不再只是停留在一則推波喔。我們就可以跟著每一位顧客推進到他購買，檔期結束之後呢什麼有效什麼沒效，什麼可以做什麼不可以做通通都會被記錄到我們的這個品牌Playbook裡面。
65:58
所以我們每一檔開始我們都會站在前一檔的成果上面去做判斷跟決策。那這就是越用越懂你的行銷Agent。好那Agent現在已經加入到我們的團隊裡面，接手這些重要的任務。
66:15
那我們這些行銷人的角色會有怎麼樣的轉變呢?，全電商是在市場上非常前瞻的AI實踐者。那在我們早期產品開發的階段，他們就和我們一起邀請Agent進入到他們真實的工作流程裡面。
二、Paris｜全聯 全電商
66:32
所以接下來我們很高興可以邀請到我們全聯全電商的特助Paris，來跟我們分享第一線的實戰經驗，大家好我是全聯全電商的Paris，大家好。
66:54
很開心今天可以參加這個活動。然後見到很多老朋友。那其實最重要的事情是，該怎麼來詮釋這個全聯的電商全電商。我們非常晚期加入電商的市場。所以其實從我Joy到現在一年多，我沒有把全電商當作一個電商在經營。
全電商是 Data Center
67:16
它其實是一個Data Center的概念。所以當初Jean、Anderson還有Lion。我們這樣子在共同友好，有這樣子的工具情境之下，為什麼我馬上同意就是趕快來做這個分享，真實分享，就是因為其實我們真的是走得蠻前面的。既然你要做Data Center，基本上就是要有一個非常好的Partner。
67:40
幫你做這些所謂的AI裡面的演算資料的清洗到落地。那其實市場變得非常快，Generation的改變，資訊的爆炸，會讓因為消費決策都改變了。不再是過去就是你可能看了一個訊息就能買的。你直接再問去GPT說，你幫我比較現在蛋黃酥哪個糖分最低。
68:03
你就肯改變你的消費決策。所以其實AI演算的重點，不是只有在於好的Partner，而是它可以在一個Cross場景的。人產貨裡面的平臺裡面，幫消費者達到一個最好的效果。
68:17
所以我們選擇跟LINE跟漸強合作。那等一下的案例裡面，我會跟大家分享一些就是，它雖然是一個Campaign，以後也是用漸強的Mac跟Deck。但我覺得有一些，真正Slide裡面不能講，我會口述跟大家分享，基本上過去啊。
68:39
真的就是資訊因為單一流也不夠迅速。所以我們的行銷人真的是拍腦袋做決定，包含Brand的老闆，包含我們這種平臺，或是通路的行銷人。但問題是他會離職，以後他個人的喜好會改變他的決策，以後他也會有資深資淺的問題。
資料會說話
69:00
因為資料會說話，那舊流程裡面真的是拍腦袋做決定。但新流程裡面，其實有個很重要的觀念就是。我們怎麼樣運用Partner給我們的工具裡面，在Mapping我們的First Data，來做最後的整合分析，而這個整合分析裡面，它有一個完整的閉環，可以去做到最後的最佳化。
69:22
最佳化還有下一次的購買嘛。甚至你可以有另外一種不同的切點，去推他不同的產品。那全聯商在這方面落實真的還蠻完整的。就是像我們現在的入口有全聯的PX Pay，自己有個App。
69:37
那邊有1500萬到2000萬的會員，Active rate不一定啊。就是它有些會解除安裝，有些會再加入，那全聯商自己在今年有一個全新獨立的App，也歡迎大家下載。
69:51
現在七折還是有繼續在走喔。再拜託大家幫忙做一點業績。那全聯商的入口裡面，也有電商的一些會員。那我怎麼樣讓全聯PX Pay的會員，跟全電商的會員，有一些人線上上買，有些人線上上買，它的共通特色是什麼？哪一些東西它會想要線上上線下買。
70:11
那這就是一個很大的差異。那為什麼這次跟漸強的合作，讓我非常的開心跟愉快，還有就是很有效果呢。原因很簡單，當你過去，如果只是用過去的Racker，它中原普渡就是買拜拜商品的時候，這樣我怎麼服務我B端的供應商，這是沒有辦法的。這永遠就是去年買一套，今年又買一套。
70:32
但這次不一樣，我可以結合跟漸強的合作，去看出它進站的frequency，從PX Pay進來的frequency，從全電商進來的frequency，它線上買什麼，線上買什麼，要first data再加上，在跟漸強的LINE互動裡面，它的對話是什麼？由這些資料的足跡，來做360度的交叉比對。
70:55
所以新流程裡面大家會發現，起點來自於AI communication。但是受眾的洞察在追人的部分，它有360度的交叉迴圈，以後不再靠我內部的。我自己做CMO做那麼多個，我是真的很認真的跟大家講，換一個通路。
換一個通路換一個腦袋
71:14
真的就要換一個腦袋。然後隨著世代的改變，跟現在動不動就是2020年出生嗎？我也不知道，反正完全就是不一樣的世界。那你怎麼樣去Assume，它會買什麼東西，所以我才會說，資料會說話來決定你的消費決策，而不是用我們自己從brand side的角度，或platform side的角度，只是全電商更不好做的原因。
71:37
是因為我有量販大全聯的商品，我有全電商自己單獨電商的商品，我也有全聯的商品，我有360度的商品。那怎麼樣來做這個規劃，這才是一個我覺得各種的差異。那當然有一個好的工具，它就會有很好的一個建議，跟怎麼樣做這個所謂的閉環。
71:55
那我們最後因為這樣的差異呢。也創造出來就是我們這一次，拿三次的視論，就是當然campaign還是有campaign的主題嘛。不落俗套的以第三季來講，大概就是七夕中原，七夕中原跟開學季。
72:11
那中間當然我們還有很多最佳化的空間。但至少在這個AI communication，MAC的行銷agent的狀況之下。其實我們剛好講到前瞻性這一塊，我覺得我很佩服June是在投入工程師的部分。
72:27
因為這真的是非常需要做串聯，全電商自己目前內部的工程師，已經七八十枚，光全電商部分，那我們就會有SA以後前端後端，PM這些全部會來跟漸強做串接。那我們在Q4上線的Agentic AI，就是iPhone的首購裡面，也會跟Agentic AI對話。
72:50
也會跟漸強串，所以我們真的做到就是360度，在臺灣的市場是不可能low down line的。但是我也不可能在我站內沒有自動的導購。那也不可能有最新的商品，去年我們的iPhone可是就是在trade有發文。
73:04
我們是第一，消費者應該是第一個拿到是全電商寄出去了。所以歡迎大家多多幫忙，今天出門總得做一點業績。所以繼續跟大家分享就是說，在這樣的過程裡面呢。其實我們跟這樣的互動在MAC之下，未來當然也可以做feedback loop。
73:22
所以360度裡面。我們最好做到就是成效的迴流。因為一波的campaign不代表一次的結賬。那這個才是我們後面怎麼樣去擴大觸及。那有一些是competential數字就不能說。
73:36
但如果以手購來說。因為全電商畢竟還是一個在成長期的電商。所以我們非常在意的是手購的成效。我們的手購跨頻類來講，對我們的供應商是最可以交代的。
75% 跨品類首購
73:48
所以你會發現有75%的顧客，在做手購的時候，他是在做跨頻向的手購。那這就很多你的perspective了。你有辦法利用這樣的工具，看到他的潛在需求而主動遞送，這才是AI的功能喔。AI的功能絕對不是走Racker。
74:08
那太low了。Racker他可以記錄所的足跡。那不過就是一個對話。但是如果你可以因為這樣子。發現他潛在的需求，再去做不同的觸及，跟upsell你的average spending，這才是我們要的。
74:21
那這一點我們就做到了。好，那這是這一次七夕跟中原。那中原的部分呢。我們的轉換訂單呢。裡面有一樣就是，我們現在也因為這樣子的高互動。那也因為他的average spending提高之後。
74:37
其實呢這個受眾的。不管最基本的標籤或是segmentation。我們也在內部做了自己的標籤化跟去識別化。因為事實上資安還是非常的重要。那怎麼樣讓就是，找到對的消費者。
74:53
但卻不會讓資安有疑慮，也會讓消費者有感。那我覺得這也非常重要。那這個也是我們跟漸強聯手的。中原感應樂的效果。那再來就是開學季的部分。其實在過往平均來講的話，真的以前的就CTR啦，以後你的RICH啊。或是你的ROYS啊。就大概是這一類的觸及。
75:16
但因為我們這一次的重點是，全電商因為現在價錢真的還蠻殺的。還蠻多小逼喔。真的會去我們電商買東西，這是真的，就是他自己去批貨，自己再賺一手，那我們要怎麼樣做，人工排除一些受眾，就會變得非常的重要。
75:32
那這些東西其實還是有賴於比對，也還有一些足跡，所以我們其實在提升點節率的部分之後。我們相較過往來說，也因此發現了很多不同的受眾，跟不同的切點，那當然不同的Campaign，他設定的就不一樣。
75:51
那我只能說，在漸進式的過程裡面喔。行銷人他一定還是有自己的主要核心目標。但是因為你的主要核心目標，還是以你之前比較熟悉的。既有會員，Loyalty高的。你可能可以很精準。
76:08
可是你不可能在永遠在舊的池子裡面，只做你的舊會員，所以我覺得新的觸及手構，還有發現他不同的需求，跟新會員不同的切點，這才是建成工具幫我們最大的一個切點喔。
76:22
好，那這些成效迴流的部分，或是因為從裡面去實測。我們也因為這樣做到了就是，人的判斷一定是在你Based在這樣的平臺，或是Based在這樣的通路裡面。我們一定會再去做一些最後的決策判斷。
76:40
但是在中間的過程裡面，不同的Agent他會有不同的目標導向。那就看你這個階段，你串流的速度，我講的是你自己的First Data，跟漸強合作串流的速度。那怎麼樣用他的DAG跟MAC，做他這個原本已經有的SaaS裡面的合作。
76:58
那我覺得這樣會最好，做出這個Brand Plan Book。那跟大家分享的就是。因為全面上來說其實有很多全臺灣，或是有一些也是Global的集團，他其實線下有一些是實品跨FMCG，以後再跨一些可能3C的產品，他是一個集團跨不同的品牌足跡。
77:21
所以其實我們現在致力在做的就是，Focus在一個Group裡面。但是他是Cross Category，去做這個所謂的Brand Plan Book，這也蠻重要的。
77:31
因為對於從集團來講，他還是有一些共同元素。那其實這真的就沒有辦法，再用人腦做決定。
花生醬到雨刷
77:38
你知道你喜歡是某個品牌的花生醬。但是你花生醬要一下跳躍到，他會買這個品牌的雨刷，這真的還蠻跳躍的。所以他真的是還是要用AI演算。所以工具還是相對重要的喔。
77:52
好的，那我們目前其實跟漸強合作是，希望期待結合的也不會是只有一些，去識別化的商業資料，跟AI的分析，那未來裡面我們還會有更多的結合點。那希望就是大家可以一起進全電商體驗。
78:10
我們跟漸強的共同合作。那也期待大家可以更多做交流，跟我們持續的用這個Data Center，創造更好的業績，也要創造更好的數位生態圈，謝謝，好，非常感謝Carrie超級精彩的分享。
78:34
那全電商對我們的喊號我們都聽到了。好那從剛才的分享我們也可以看到說，AI進入到我們行銷工作流程之後。我們同意比預算就可以帶回更好的ROI。那我們Agent可以影響的也不只是商業成果，它也影響到我們現在行銷人怎麼開啟工作的方式，過去呢我們需要進到Mac。
78:57
或者是你的行銷工具去做資料分析，跟設定，那現在呢你不用登入到Mac。我們的Agent就會自己在背後去，監測你的重要的受眾，你的重要的指標，當他發現有這種重大波動的時候，他就會主動來你的軟體平臺，通訊軟體上面來通知你，例如說像是Stack或是像是LINE。
79:20
那一樣你可以直接在這個平臺上去跟他追問，或者是說你也可以直接前往核准。所以說現在Agent已經不受平臺的影響，他可以主動出來，那我們也希望我們在你們在你們的AI工具環境，也可以直接找到他們。
79:38
所以我們今天要跟大家正中介紹這個新的AI連線方式，Mac MCP，那先簡單跟大家說明一下什麼是MCP。如果有人不知道的話，在AI世界裡可以理解它就是一個Type-C介面。
79:53
那你在你的AI工具上插上這個Mac MCP，你就可以去呼叫Mac的資料，呼叫它的執行工具。所以假設我在我的Cloud，請他幫我查閱去年類似的活動，他可以給我規劃跟建議，我也可以直接請他幫我建立草稿之後，我就前往核准。
80:15
那一定會想說，這樣權限跟資安會不會有問題，就不用擔心，這些權限高風險動作跟核准記錄，全部都會由Mac來把關。我們不會繞過企業的資安防線。好 那到這邊的時候，通常我們的老闆薛進就會出來說，一言以蔽之 你的重點到底是什麼。
80:38
好 我們這裡一頁重點讓大家知道說，Agent進到我們行銷團隊行銷工作流程的改變是什麼？今天之前我們用AI做分析，自己再去做規劃，複製貼上搬運工，這些經驗全部都留在個人，沒有被累積成品牌智慧。
80:58
那當我們Agent進到我們工作流程之後，完整的資料交給Deck Agent，來幫我們做整合跟解讀，接著Mac Agent就會幫我們做完整的規劃，一路到執行，所有的集體的知識跟經驗。
81:14
我們都會留在我們的品牌Playbook。所以團隊的所有人都會基於，在一樣的高度上來做判斷跟決策。那不論你是在Mac，或是在Slack，或是在LINE，甚至或是在你自己的AI工具，你都可以找到我們的Agent，跟他合作跟他討論，請他幫我們執行任務，過去呢我們會追著AI。
81:36
請他給我們答案，現在AI會主動來找我們，找我們請我們做決定，所有繁瑣複雜的工作。我們交給Agent，把真正重要的判斷留給行銷人。好那當行銷我們把機會帶進來之後，銷售團隊要怎麼接住這個機會，把它轉換成成交。
三、Lydia｜CAAC 銷售 Agent
81:56
那接下來我要交給Lydia，來為我們解答，哈囉大家好，歡迎大家來到，漸強實驗室的產品發表會，我是漸強實驗室的產品經理Lydia。
82:18
剛才小俊提到的行銷。其實是把顧客他想購買的念頭，點燃起來，然而顧客他想買的念頭。我們看到他想買的那個當下，可能不是你正在上班的時候，因此接下來這一段。
One Touch for sales
82:31
One Touch for sales，從點選到對話，從對話到成交，讓我們和大家來分享。我們如何穩穩的接住，這每一個想購買的念頭，這陣子我和蠻多品牌，都在進行相關的訪談。
82:47
其實我們有發現，在廣告這一段，其實很多客戶有遇到一些痛點。我們發現在廣告進線之後，點完廣告，品牌沒有和顧客有下一次的互動機會，或是在首次回應的時候。我們錯過了最佳黃金跟進的時機，以及在對話的當下，可能散落在那通電話。
83:09
你現場的對談記錄，因此這些資料，沒有辦法持續進來企業的資料庫當中。最後，業務部門幫助我們談成那筆生意。但這些資料沒有重新回到行銷部門的手裡，因此跟進的結果，斷鏈無法再一次的改善行銷成效，從行銷一路走到銷售。
83:33
到底應該要怎麼樣穩穩的接住，這每一顆球每一個名單呢。其實我們發現，關鍵往往不是這些，人人都可以買得到的通用智慧，關鍵其實是在於，品牌平時累積的這些資料，contest跟資料，企業真正缺的其實是。
83:55
一個懂你銷售場景，而且瞭解你顧客背景的AI agent，而CAC Sales AI Agent。我們知道你的顧客是誰。我們知道他曾經點過哪些廣告，曾經的行銷互動行為。
84:10
我們知道他在跨渠道的所有的對話，而這些建廠實驗室都幫你一站式的完成，透過MAC，我們可以網羅他在廣告以及行銷上面的。各個互動足跡，透過CAC，我們擁有你跨渠道的所有對話內容，而透過DEC。
84:30
我們可以收攏你所有的受眾輪廓，這些長年累積起來的資料足跡，正是建廠實驗室能發表新產品，CAC Sales AI Agent的關鍵底氣。我們一起來看一下這張圖，在行銷 銷售一直到服務，在今年建廠也往前跨出了一大步。
Google 廣告接上 LINE
84:53
我們和Google Ads以及Meta Ads完成了串接。這個訊息一出，我其實就收到很多客戶跟我們反饋，LINE Lab在哪裡？什麼時候可以串接LINE Lab。
85:05
我們也積極的和你的LINE的夥伴，正在洽談合作持續的推進當中，此外，今天品牌不論是你是經營LINE Messenger Instagram，或是有一些客戶你已經經營到海外市場，你正在使用WhatsApp，都不要擔心，當顧客他點選完廣告之後，都能夠引流他們到這些。
85:28
顧客常用的對話平臺上面，來進行進一步的互動，而這些轉換的資料，成交的資料，都能夠透過漸強，一站式的自動回傳給廣告平臺，持續改善你的廣告成效，剛才我們家老闆講了非常多話，不知道大家有沒有重視，聽到一個重磅訊息。
85:51
在今年Google的廣告也正式接上了LINE，而漸強實驗室是在全臺灣第一家，合作廣告點選以及對話的技術合作夥伴。我們真的特別感謝這段時間，和我們一起參與訪談，一起來體驗跟拍攝的所有客戶，特別來分享聯誠電腦，聯誠電腦其實是一家專注於資訊教育的品牌。
86:16
他們的願景是希望能夠讓每一位聯誠的學員，都能夠學到一技之長，並藉此找到理想的工作。我們來看一看這個Google CTM的廣告案例，過去我們可能點選廣告。
86:31
我們會直接引導顧客進到官網，讓他滑一滑，有什麼問題他沒有辦法在網站上直接來進行互動。現在透過Google CTM的廣告。我們直接導流到平常大家最常用，最熟悉的LINE上面來進行對話。
86:48
這個對話，我們會自動帶上，我要諮詢AI實戰班這樣子的文案，幫助業務一開啟它的系統的時候，就能夠知道這個顧客他來自哪個廣告，而且我們的AI也會幫他準備好，合適的推薦的回應，讓業務能夠直接一刀切入重點。
87:10
此外假設這個顧客他進線的時候，是昨天晚上11點，不知道大家在做什麼，我是在刷牙準備睡覺啦，希望大家不是正在加班。
接住第一句話
87:20
在這個AI Agent也可以及時的幫你接住第一句話，順手先把一些該問的問題問完。比如說你過去曾經有沒有上過程式相關的課程，你平常是習慣週日還是平日有空來上我們的課，AI能夠第一手的先接住這些資訊和相關的問題，今天當業務早上起床開啟電腦的時候。
87:44
不再只是看到一則未讀訊息，而是一個AI幫他整理好的完整資訊，終於我們AI Agent交棒給我們的業務團隊，業務團隊先打起電話，這種電話只留下視話通話記錄20分鐘，實際約來現場來進行諮詢訪談。
88:08
留下的是顧客他手寫的諮詢表單。最後加的是業務個人的LINE，所有對話後續都在這個個人LINE上面來發行。最後加的是業務個人的LINE所有對話後續都在這個個人LINE上面來發行，過去其實有非常多這型別的非結構化的對話資料。
88:22
我們觀察到這些資料其實是各位品牌非常難收集。但是卻是非常有價值的一種資產，也是AI Agent能夠真正懂你的關鍵，因此漸強我們所做的第一件事情，是思考應該要怎麼把這些資料能夠一站式的收攏起來。
88:42
我們讓這些資料能夠包含廣告的點選，以及相關語音的通話，甚至它所有互動的歷程。我們都一站式的收攏在漸強的系統當中，此外對話不再只是對話，這些對話如果直接存進來。
89:02
其實沒有辦法進一步來使用，因此漸強做的下一步，就是把這些非結構化的對話，轉換成結構化的資訊欄位。
對話存回 CRM
89:10
並且自動存回企業的CRM，幫助你在下一次行銷投放的時候，可以更加精準，也讓你的業務團隊能夠一眼看中需求，還記得剛才有通話20分鐘嗎？現在呢不管你是語音通話，還是你現場的對談記錄，AI agent都可以幫你自動完成相關的摘要。
89:34
把這些對話的內容，整理回來你企業的知識庫當中，讓你可以輕鬆去掌握，這筆單談得如何，業務還有哪些成交話術，可以進一步來進行改善。最後我們統整一下整個顧客歷程，在這張圖上，顧客他從廣告進線，不論他從Google或是Meta的廣告。
89:58
直接導進他最常用的LINE或是Messenger，來進行對話，現在CAC Sales AI Agent，都能夠幫你及時進行回應，並且收集關鍵需求，再順暢的轉交給我們的業務團隊，來進一步來進行更進，業務團隊在更進的過程，Sales AI Agent也可以幫你持續來去更新，這些摘要以及CRM的資料。
90:20
幫助業務能夠時時刻刻，專注在真正有機會成交的所有顧客身上。我們的客戶和我們分享。其實CAC匯總了他們和客人的全部對話。
90:42
希望能夠透過系統進一步來去分析，掌握顧客需求讓每次的溝通都能夠更加精準，而綠的家居也和我們分享說，希望能夠透過AI來去分析這些沒有成交的對話，進一步的和業務團隊進一步來去進行相關的話術演練。
91:00
我們觀察到其實有越來越多的品牌，都開始更加重視這些對話資料的價值，而漸強實驗室的價值在於我們希望能夠打破企業之間的資訊壁壘，讓對話不再只是對話，而是能夠成為行銷成效以及業務成交的重點關鍵，當然也能夠帶到下一步服務。
成交不是終點
91:26
成交從來都不是品牌與顧客關係的終點，真正重要的是在這之後我們如何持續讓顧客能夠持續留下來。
四、Jess｜CAAC 客服 Agent
91:36
接下來我們讓下一棒Jess來和您分享，謝謝，大家好，我是負責客服場景的產品經理我是Jess。
92:00
那在我們開始分享之前呢。邀請大家花三秒鐘的時間，快速回想一下，你上一次跟客服互動的經驗怎麼樣？然後那一整個互動的經驗。最後讓你的感受如何。我們其實可以發現喔。
92:16
我們前面花了很多的時間啊。都是在講怎麼樣讓消費者走到你的門前。但是呢真的讓消費者決定，我下一次還要不要再回來，我要不要再繼續相信你的。
售後才決定回不回來
92:30
其實是售後服務這個階段。接下來，我們想要帶大家看的其實就是AI，在下一個階段要怎麼樣可以幫助你，讓你每一次的服務都走對，並且讓每一次的服務都可以變得更好，AI要怎麼樣可以真正落地。
92:52
在企業的客服場景裡面呢。這個公式出現很多遍，大家應該都已經很熟悉了。簡單的說就是AI需要知道，contact是什麼？消費者是誰他在意的是什麼？你的企業是誰，workflow他需要知道的事情是，眼前這一個問題，我應該要走哪一條路來解決。
93:14
最後再完整的把事情做完，才真的可以達到客服場景的商業目標。那這個目標是什麼呢。一句話就是，我想要讓我的那個一模一樣的客服部門，客服團隊，接下來可以做更多並且品質更好的服務。
客服像一座冰山
93:44
客服的工作流程其實很像一座冰山，通常都只會看到冰山上面的東西，也就是你的訊息回的快不快，你的訊息回的好不好。但這是客服的全貌嗎？完全不是，最常被忽略的冰山下面的這些東西呢。往往才是決定你的客服品質怎麼樣的關鍵。
94:08
原本上面那些AI做得很好，下面這些應該也要讓AI解決，我舉個例子，客服啊，我的工作其實就很像在玩一個RPG的遊戲，會突然跳出一些人物限定期間限定的活動流程。
94:24
這個活動是什麼呢。是救火行動啊。我之前擔任的是產品營運。那我的工作內容其實就是跟著客服部門一起來解決客戶的問題。那通常會看到一個很有趣。但實在是不怎麼好玩的現象，就是一個消費者的訊息進來了。
正確答案在公司裡但不知道在哪
94:44
整間公司有超級多的人都試著在找這個正確答案是什麼？我們都知道正確答案一定在公司裡啊。但不知道在哪裡？可能在某一個人的腦袋裡面，可能在某一次的會議記錄。那好不容易找到正確答案之後，趕快把這個回覆消費者的訊息寫完。
95:04
這個任務還沒有就這樣就結束喔。你要做的事情是趕在下一個問題進來之前呢。趕快把這個正確答案給記下來，不然你下一次就忘記了。問題是這通常都是理想狀況嘛。都是你運氣好的時候，當客服真的面對的是血片般飛來的問題。
95:26
你真的還有時間還有能力來沉澱這些知識嗎？所以我們接下來介紹的是，KegService AI有哪一些最新的功能。所以我們接下來介紹的是，KegService AI有哪一些最新的功能，當客服面對這些隱藏。
95:42
但是真正重要的問題。這個問題濃縮起來。其實就是兩個，第一個叫做執行，原本企業已經知道該怎麼做的事情，能不能讓AI完完真正的把這些事情做出來，唯有把這些事情交給AI來做，你企業的服務能力才有可能規模化。
96:04
第二個問題就是改善，原本不知道怎麼做的事情。我們用更快的方式來做，推進你企業的改善還有成長。我們接下來就是要來看，真實的場景裡面這兩個問題，通常長什麼樣子。還有Keg AI可以怎麼來幫助你，這一次我們很榮幸邀請。
MoveFree 案例：60 分鐘變 3 分鐘
96:26
跟MoveFree一起合作，MoveFree是全球知名的行動力保健品品牌，在這一次合作的過程當中，MoveFree其實一再的跟我們強調，他們覺得好的客服應該要做到這些功能，從這三點來看，你其實就可以發現MoveFree在找的。不是一個單純會講話的AI agent。
96:50
他在找的其實是一個可以傳遞MoveFree品牌價值，並且按照MoveFree的想像跟定義，來行為的AI agent。我們回到冰山下面的第一個問題，執行，我這一次要怎麼找到正確的路，並且把這條路完整的走完，讓我的服務做對，MoveFree是保健品的品牌。
97:12
可能臺下的觀眾，甚至都問過MoveFree這個問題，父親節想要送簡單的保養的產品，來孝敬家裡面的長輩。這個要怎麼辦，這一個問題雖然它看起來很像單純的商品推薦。
97:26
但是在MoveFree的世界裡面，它其實是一個很繁瑣，並且一定要嚴格遵守的流程，這整個完整的流程走下來，一個客服人員大概要花，60分鐘的時間才可以做完。我們來看Cake最新的功能。
97:48
怎麼樣幫助MoveFree來解決這個場景，讓那一套已經被企業定義好的。怎麼樣透過AI穩定的執行出來，在Cake裡面，企業是可以去設定你想要你的AI agent，來做到什麼樣子的場景跟事情。
98:08
舉例來說你可以設定單純的商品推薦，你也可以在這邊放上行銷最新的。跟客戶互動的一些小測驗，根據每一個場景，你在點進去裡面，更細部的去設定整個完整的流程，應該要長什麼樣子。AI要在哪一步去串聯你的系統。
98:30
AI要在哪一步去搜尋哪一個特定的知識庫，AI應該要用什麼樣子的流程，跟你的真人進行協作，全部AI agent的行為，說話方式，都是可以完整按照你的企業來定義，並且完整的走完每一個步驟的。
98:48
我們來看MoveFree，剛剛提到父親節的問題是怎麼會呈現，畫面上來看雖然就很像AI agent簡單回的五句話。但這五句話的背後，他其實已經完整的把這四個步驟，都確確實實的給走完。
99:04
第一步我們需要先去理解客戶的context是什麼？他在意的是什麼東西，根據知識庫還有企業所知道的知識，來查詢適合推薦給這個消費者的產品。最後因為MoveFree產業的特性呢。產業的特性我們其實是需要遵守法律的一些限制，說話方式其實是需要去進行嚴格的確認的。
99:27
第三步我們來確認我們的說法是否有合規。最後最重要的就是把客戶最在意的優惠推到他的面前，這整套流程原本要15到60分鐘才可以做完。現在只需要3分鐘就可以做完，而且不只是速度的問題，更重要的是AI agent依照你企業所定義的方式來行為。
99:51
而不是自己開始胡思亂想或是自己開始脫稿演出，冰山下的第二個問題大家還記得嗎？改善，好不容易找到的正確答案，下一次我是不是還要再重新找一次。我們一樣用剛剛復興節的案例來舉例，假設今天復興節的檔期剛上線。
100:13
但是行銷部門還來不及把最新的檔案準備好給客服部門。那可能會發生什麼問題呢。消費者進線 第一個客服不知道答案，他趕快發起了一個求救求救的訊息。然後繞了一圈把答案記下來 然後傳給消費者，同時間呢 可能有第二個消費者進線問了第二個客服一樣的問題。
100:35
那一個客服他還要再去繞一圈才知道答案，這一邊顯示的問題其實就是，每一個每一個客服單獨學會了。其實不代表企業學會了。存在個人的腦子裡面其實是不夠的。Cake Service接下來就是要幫助你，把這些存在腦子裡面的知識，快速沉澱到你的企業裡面。
100:58
變成你的企業下一次就可以馬上再使用的能力，最新推出的功能，第一步 Cake會去掃描我們的服務現場，也就是我們的對話裡面有哪一些內容，從對話裡面,我們來找到你企業的知識還有流程有哪一些缺口，例如,我發現目前我還不會回答父親節相關的問題。
101:22
趕快點出這個問題,我們趕快來解決。第二步,根據他目前已經有的知識或者是真人在Cake上面的行為。我們趕快來提出改善的建議，我學習到父親節的檔期資訊是這樣。
101:37
那我建議你可以以這樣的方式來新增以及更新AI Agent。第三步，最專業的客服人員在這個時候出現，你要做的事情很簡單，去確認去核準去調整，AI Agent提出來的東西是不是正確的。
一鍵更新、運轉飛輪
101:53
最後一鍵更新，AI Agent就是你最新企業流程的樣子。我們這邊要強調的。其實不單單只是AI Agent現在更新的很快，設定的很快，這一邊最重要的價值。其實是AI會幫助你找到，你企業裡面那些，很容易被隱藏起來的缺口，並且告訴你。
102:17
下一次這個機會，你應該要怎麼樣把握比較好，當你完成更新之後呢。下一次這個機會來了。不管是服務機會，還是銷售機會，我們都確保你可以，確確實實地給把握住，執行跟改善，一直是我們前面提到的這兩個重點，這兩件事情其實是有相互關係的。當AI可以在服務現場。
102:42
也就是對話，很穩定的去執行你的企業流程的時候，馬上再來學習你的企業流程，可以用什麼樣的方式來改善。最後用很快速的方式，再推回你的服務現場，這其實就是一個，可以讓你的企業服務能力，持續升級的運轉飛輪。
103:01
我們從客服人員的痛點出發，解決了工作流程中最痛苦的兩件事情，當每一個人的工作流程都改變了。其實就代表了你部門運作的方式改變了。你接下來可以用更順暢的方式進行跨部門合作，或是你可以用更快的方式迭代你的部門的成長。
103:22
最後其實就代表了你企業結果也被改變了。我們最一開始提到的商業目標。其實就是要讓原本同樣的那一個客服部門。接下來可以做更多的事情，帶來品質更好的服務。那這個商業目標也達到了。
103:39
所以當目標就是把每一次的服務都做好，並且讓下一次的服務還可以持續改善，這就是Kick Service AI。接下來想要帶給各位的。那前面呢，我們其實都是在講，每一個場景裡面AI Agent要怎麼樣來協助你。
103:59
我們從行銷 走到銷售 最後還走到客服。接下來我們要講的就是，漸強怎麼樣幫助你用企業的角度，來治理以及管理這些AI Agent。
五、Maggie｜Crescendo Agent Lab
104:12
接下來我們請Maggie來為我們隆重介紹，大家好 我是漸強實驗室的AI轉型顧問。那剛剛大家從marketing sales一直到service，應該可以很清楚的感覺到一件事情，就是AI已經不是在存在於我們對話方塊裡面回答我們問題了。
AI 走進工作流
104:35
而是真正的走進我們企業的工作流為我們工作。那沿著這個呢我想請大家快速的想一下。如果你們今天部門的finance HR IT或者是你們的operation，都開始做自己的agent。
104:48
那你們公司呢就將再不會只有三支agent，有可能變成二十支五十支甚至一百支。那這時候呢 大家可以再想一下。其實就像什麼。
100 位明星球員
104:58
就像我們公司請來了100位的明星球員。我們想做什麼呢。單看每一個都非常的強。但企業想要的從來不是更多的明星球員。我們想要的是大家聚在一起，到底能不能一起贏球。
105:12
那想一下 要贏球。那我們就不能各打各的嘛。所以今天呢 Adrian也是一樣，當我們有越來越多Adrian，什麼人要做什麼 怎麼互相配合，或者是什麼時候需要人決策，這都會需要一套共有的規則。
105:28
那我們今天呢。企業要開始解決的就變成說，我如何用一套更好的方式，來管理這一整個AI workforce。那這件事情呢。我們漸強很早就遇到了。去年我們推出了DAC，一開始我們想的超簡單的。
105:45
我們就想說，那我用AI來幫企業，更快的在這一大片的資料海里面，找到更好的答案，那我們做著做著就發現，欸 我們user好聰明喔。越問越深，今年根據我們內部的統計，在DAG上面已經有超過60%，是複雜型的分析問題，大家一開始只會問說，欸 這個數字是多少啊。
106:07
但現在大家會問什麼，為什麼會這樣子。下一步我該怎麼做？有沒有一些推薦的實際行動。所以呢 我們做到這裡。我們就想說，欸 那我的agent要回答這些問題，勢必他要知道這個資料在哪裡？數字怎麼定義，該分析什麼，什麼Tool它可以使用。
106:24
所以這一套背後的能力。我們已經做好了。工程師就問我說，那我們不會下一隻Adrian嗎？要從頭再來吧。所以DEC讓我們有一個很清楚的發現，就是當我們有一隻Adrian做成功之後呢。背後的能力應該要能夠被留下來，被下一隻Adrian所沿用。
106:41
那如同我們老闆所說，去年我們還做了一個非常大膽的嘗試。
數位員工 Frankie 的 ROI
106:46
Frankie我們第一位的內部數位員工。那他因為串接了我們公司內部的所有資料。所以他可以幫我做什麼，他可以幫我做簡報 開工單 Debug，甚至我可以問他任何在工作上面的問題。
107:00
那我們稍微換算了一下，Frankie他每個月的成本大概是五千多美金。但是他可以換回大概一萬五千多美金的人力價值。所以他的Cost ROI是2.9倍，大家聽到這裡可能覺得很棒很棒。
107:14
但是我覺得比2.9倍更重要的是，今天呢我們把一些大量的分析交給Frankie來做，他做得很好，但有些事情呢就還是不行。比如說像財務的數字不能猜，Frankie呢我們並沒有讓他去吃後面的財務系統。
107:30
所以他是不能回答。那甚至像工程這邊可能有一些高風險，或者是複雜型的任務。我們也要交還給人來做決策。所以Frankie也讓我們開始思考說。那我到底要怎麼樣更放心的。讓Adrian進入我的工作流當中。
107:45
那這兩件事情呢。留下給我們兩個很重要的發現。第一個就是Dag告訴我們，一隻做成功的agent。我們應該可以留下他背後的能力。那Frankie告訴我們是，只要agent開始為我們人工作。
107:59
我們應該要把執行的邊界說清楚。那想著想著呢。我們就想說，可是企業一定想說，我每增加一隻agent。
scale 的是能力不是複雜度
108:07
就要增加一次複雜度嗎？所以沿著這個思考問題呢。我們開始想說，我們要來打造一個，企業可以共同治理集中的agent平臺，也就是我們剛剛前面講到的。Crescendo Agent Lab。
108:21
那我們想要做的事情非常的清楚，就是當你的agent越來越多的時候，我的企業不用每一次都重新開始。那我可以讓上一支agent，整理好的知識 資料，他的tool 還有skill，被下一支agent所沿用。
108:37
那這一支agent呢。他不管是進入到任何的部門，我企業都可以用共同的一套方式，來管理他的身份 權限 跟執行邊界。所以我們最主要想要做的是，讓企業的創新可以分散。
創新分散、治理收斂
108:50
但字裡可以被收斂。好 那大家簡單看一下這個Demo，就是你可以在我們的Agent Lab上面，隨便問你工作上的問題。那他這邊就會透過，他有授權的資料來回答你。
109:02
那這邊呢 你也可以透過，你自己習慣所用的企業通訊軟體，來呼叫他，那對於我們企業管理者來說呢。我就可以看到說，他到底是誰正在使用，他串接了哪些資料，他可以執行哪些動作。
109:15
那最重要的是呢。我們可以在後面監控他的成本，使用量 採用率，那我們這邊呢。如果已經有公司裡面驗證好的工作方法。我們也可以一鍵打包成我們的skill，在上面讓下一支agent所沿用。
109:30
好 那我們往下看呢。就會看到說，我們今天Crescendo Agent Lab，作為一個企業的底座。
治理四件事
109:38
我們要解決的就是四件事情。第一件事情 讓agent上得了線。第二件事情 讓他可以接得了你內部的資料。第三件事情呢 他會讓你的agent知道他可以做到哪裡？最重要的是 我們企業管理者可以在上面看到他是怎麼被使用的。我可以去監控他的成本。
109:56
那想到這邊呢 就有很多人問我說。那接下來agent他可以看到什麼東西 他可以做到哪裡呢。如果進到企業怎麼樣才安全。那我這邊簡單舉一個例子喔。我們在幫助企業導入AI的時候。
110:10
其實一開始很容易看到一個轉變，就是大家一開始只問說，這支agent聰不聰明，結果後來發現說，可以接上我工資內部資料之後，可以執行工作之後，他們就開始問說，那這支agent到底可以看到哪裡。
110:24
那我們簡單的舉個例子。如果是一支HR的agent，HR的主管來問同仁的薪水福利，很合理吧，那如果今天是Maggie，我是一個行銷同仁，我用了同一支agent，我就不應該可以看到，我沒有全線看到的資料。
110:39
那同理呢，我們也可以用在營運的agent上面。比如說Maggie可以去查詢庫存。但是我就不能讓這隻agent，幫我修改庫存，Maggie可以去詢問採購的建議。
110:50
但這個agent呢。就不能幫我直接下單嘛。那我們就想說，那在agent lab上面。我們要很清楚的定義四件事情。第一個是誰正在使用它。第二個它可以讀取什麼樣的資料。
111:03
第三個它可以執行什麼樣的動作。最後是有哪些資料我還要再交給人做決策。那第二個呢，我們常常被問到的問題就是。那成本怎麼辦，我常常被問，Maggie我有一個工作流想做。
111:19
那那個成本你會怎麼計算，剛開始呢，我們在測一個新的AI工作流的時候。其實呢我們都會用最前沿，最強的模型來做，我們要先確認這個工作能不能被做好。但是一旦當你的Agent呢。他開始大量工作之後。
111:34
其實想象的時候是說。那我是不是每一個任務都需要用到最貴最強的模型呢。Uber最近公開了一個很有意思的數字，他說他們現在有將近大概50%以上的工作都交給他們的agent。
111:51
那AI agent它今年的處理量是已經成長了9.4倍。但是他們整體在使用AI的成本並沒有大幅的增加，甚至每次平均使用AI的成本還下降了52%，後面的邏輯非常的清楚，他們就是先定義好這個工作，怎麼做才叫做好。
112:10
然後再去選用他應該用的模型，複雜的事情呢。我們交給強模型沒有問題。但簡單的工作就不一定了嘛。那如果有一些企業呢。他有一些機敏資料，不能離開他的企業環境。那我們就可以選用私有或地端的模型來執行它。
112:26
那今天呢，我們如果再往下想的話，今天我們在AI的預算呢。老闆就會問說，那我在公司裡面，我到底應該怎麼去佈局我的AI預算。好，根據Garner的調查顯示，2025年企業各function。
112:43
其實都有超過12%的投入是在AI上面。那也有超過85%的主管表示說，我將會在今年投入更多的AI成本在上面。那這件事情我們公司也蠻有感的。因為在AI的cost增加的時候。
112:58
我們自己是重新的檢視了一下。那比較輕量比較單一的工具呢。其實已經可以被AI承接。我們就真的把它停掉了。所以我們認為呢。現在在AI的時代，AI不一定是增加一筆新的預算。
預算是重新分配
113:14
它有可能是重新分配，你們現在IT預算的邏輯。那我們其實要問的是，這筆AI的cost。最後到底是換回了什麼，又創造了什麼，這才是我們企業，應該要去看的AI ROI。
113:30
最後我想要回到一開始，我講的100只agent，就是現在要做出一隻agent，已經非常非常容易了。那也許未來呢。企業會出現一隻最強的agent。然後去主控這100只agent。
113:44
但困難的是呢。企業如何把我每一次成功的方法，沿用到下一次，可以變成附用的能力，這才是重要的。所以我們一路從DAC，Frankie一直到Crescendo Agent Lab。
113:57
我們想象的是，我們確認如果我今天要繼續往下做，agent可以越來越多。但我們要scale的應該是我們企業能夠累積的能力，而不是複雜度，那這就是我們Crescendo Agent Lab想要做的事情，謝謝大家。
114:11
OK 好，剛才Maggie分享了新的產品叫什麼名字，叫做Crescendo Agent Lab，大家知道我們的公司，漸強實驗室。
114:33
叫Crescendo Lab，實驗室中的實驗室，是我們最新的一個產品。如果各位覺得你有興趣，歡迎跟我們的視窗聯絡，對於你要把你的agent，可以帶入企業，是非常重要的。在進入這個小節之前，我想分享一個我們，最近跟客戶一起合作有一個很重要的一個學習。
114:57
其實我們今天分了什麼行銷，客服 銷售分這樣子一個部門，這樣子一個不同場景。可是說到底其實你的消費者，你的顧客，是沒有這樣在理解你的產品或服務的。對不對 其實你的顧客就是對著你的品牌，就是對著你們整個這樣的一個服務。
115:19
這個企業，所以我覺得這邊有一個很重要的。學習跟大家分享就是說，千萬不要讓你的組織圖，限制了你的Agent的發展，過往你們當然每個組織，有自己的工作流程。但是這些工作流程，不應該成為你們Agent的一個限制，剛才Maggie所分享的。
115:42
我們所介紹的產品，就可以幫助你來打破這樣的一個限制。那進入夏天的小節，我想各位一定很關切說，下一步企業、公司應該怎麼做？我覺得今天我們已經很明確地看到，Agent已經確實地走入到行銷、客服。
116:06
跟銷售的工作流程當中了。我們看到Jean她介紹說，MAAC 行銷的Agent怎麼樣幫助，像是全電商這樣的知名品牌企業，來做行銷的規劃，我們也看到 Lydia 分享 Sales Agent 怎麼樣去接住流量，幫你守住每一個重要的訂單的資訊。
116:30
創造更好的轉換，幫助燦坤（推測）這樣的一個很大的服務組織，來做到這樣的事情。我們也看到客服這邊，AI Agent 絕對不是只是會回答簡單的問題，它已經可以處理複雜、很長的營運上的挑戰。
116:52
其實這些場景Agent都已經真的走入到工作流程當中。所以我覺得如果你今天還沒有這樣導入的。絕對就是一個很好的時間點來考慮，下一步我們也看到了一個新的挑戰、一個新的機會。
117:09
其實就像我們一開始講的。我們很重要的一些商業的場景。其實都是要跨部門協作的。Agent也是一樣。所以接下來Agent絕對要走到企業當中，絕對要串起跨部門的工作流程，怎麼把行銷、銷售跟客服可以串接起來，這會是我認為。
117:30
如果在座你是走的比較前面的一些企業的話，可以來思考看看，我們有沒有可能一起來合作，這樣的一個跨部門的一個Agent的場景，當你要走到這個跨部門的時候，絕對就像剛剛Maggie所提到的。
117:49
這個資料怎麼樣去共享，怎麼樣去設定這個權限，非常關鍵，因為畢竟每個部門還是有一些，它能夠一個權責的範圍。所以這些設定就非常的重要。那我最後花多一點時間在這個畫面上。
118:10
那大家知道說今天來到現場，就是我們在臺上分享的都是產品團隊。其實我們今天現場有很多的。除了這個業務或是客服的夥伴之外。其實我們也來很多工程師，工程師們可不可以舉個手跟大家揮揮手一下。
118:32
為什麼要Cue工程師呢。是因為大家可以趕快把這個拍一下，當做那個呈堂證供有沒有，總之我們要請工程師把它趕快做出來。好 看一下，我最後來講一下這個圖。這個是可能一開始你聽薛覲在講說，還沒有這麼的有感的。
118:52
但是當今天每一位我們的同仁，講解他們的情境之後，你可能現在更有feel了對不對，我自己覺得看這張圖的時候，我是覺得也滿有成就感的。因為以前兩年前來看的時候。
119:05
我們只做一小小塊。但漸強實驗室現在可以做到什麼。第一 幫助你獲取流量，像剛才Lydia講的。我們是Google CTM臺灣第一個合作伙伴，可以把流量從Google的關鍵字廣告，帶到LINE這樣一個很重要的渠道當中。
119:27
我們也有資源了很多臺灣最主要的溝通channel，從LINE出發到E-mail到簡訊到Meta體系的。全都有資源，除了行銷、客服跟銷售這些場景之外。我們今年最大的一個重點是推出Agent。
119:46
我們介紹這個Agentic的工作流給大家，讓大家去感受一下說Agent可以怎麼樣開啟大家，每一天工作的任務，可以真的幫助大家把任務執行完成，而且創造商業價值，最下面的Crescendo Agent Lab，目的就是把不同部門，不同工作流程的Agent串聯起來。
120:09
透過一個簡單的設定，就可以把這樣複雜的權限設定，都在同一個介面很好的去做管理。最後,如同我們今天的主題，One Touch，就是我們希望說,透過一個很簡單的一個地方。
120:33
就可以讓大家把AI Agent真的帶到大家的工作流程當中，帶到企業場景當中，就像一開始薛覲所提到的那個水道哲學的學問。我們希望說,透過這樣的一個One Touch，可以把智慧Intelligence變成各位最重視的商業成果Business Outcome。
120:54
好 那今天我們漸強實驗室的這個分享就到這邊，謝謝大家的時間，謝謝Peter以及Jean以及Lydia，還有Jess跟Maggie為我們帶來這麼完整的一場產品發表會，哇 那我想現在大家的腦袋肯定非常滿喔。
121:15
因為有非常多大量的資訊，從Mac的自動化行銷閉環，到 CAAC 從銷售到客服的 AI Agent，以及 Crescendo Agent Lab 統一排程的完整藍圖。
121:29
其實我們看到 AI 不僅僅只是散落在各個工具裡面，而是可以被組織、被管理，同時被拿來創造成 ROI 的商業能力，相信大家收穫跟知識滿滿。