台灣松下數位競賽・決賽

Panasonic 電器檢修智慧客服 AI 系統

創意思維提案・團體組｜發表 8 分鐘（發表 5 分＋交流 3 分）
2026/9/11（五）09:10–11:50・PTW 第一會議室
15 張投影片、300 秒，平均一頁只有 20 秒。評審不是在看你講了多少，而是在判斷四件事：這個點子夠不夠新？做不做得出來？能不能推廣到別的部門？對公司值不值錢？下面每個評分項目都已經標出對應到「逐頁講稿」的哪幾頁，照著節奏走就好。
創新性30%
已融入 Slide 5、7 的講稿
差異化在於「AI 回答前會先比對我們自己的資料，確認過才回答」——講完就夠了，不用再堆技術名詞。
實用與可行性25%
已融入 Slide 10、11、12 的講稿
「不是從零開始」這句話已經寫進 Slide 11 講稿。要讓評審感覺明天就能動工，不是空想。
跨部門擴散性25%
已融入 Slide 14 的講稿
佔 25% 卻是原本講得最少的一項。「換一批知識庫就能複製到品管、客服、製造」——千萬別因為時間趕就跳過這頁。
對公司價值10%
已融入 Slide 13 的講稿
Slide 13 已經全部改成「預估」用詞，放慢、停頓，讓評審記得住數字，但不要講得像已經驗證過。
簡報完整度10%
全部
已經有分，維持穩健節奏即可。

現場三個提醒

1

開場先講「人」的痛點，不是系統。Slide 3 唸出故事感，不要唸成死板數據。

2

Slide 5 講完刻意停頓 1 秒——全場唯一核心解方，停頓讓評審意識到「重點來了」。

3

講稿已改成人話。若評審問起技術名詞，再用「3分鐘交流」頁說明即可，不主動秀術語。

第 1 / 15 頁
Slide 1 · 標題建議 15s
各位長官大家好，我們是 PSTW 服務本部的闕敬軒，今天我要帶來「Panasonic 電器檢修智慧客服 AI 系統」——用大型語言模型，重塑維修效率。
Slide 2 · 資訊超載的系統性瓶頸建議 20s
目前，我們服務站第一線維修人員面對維修時最大的痛點，是公司的機種越來越繁雜、電器保有量越來越大，多年累積下來的維修技術手冊分散在各種雜亂的 PDF、Excel 裡，查詢困難——這都是造成我們維修時的效率缺口。
Slide 3 · 5～15 分鐘的現場排查建議 20s
在每一次維修，師傅們如果遇到沒碰過的機種，平均要花 5 到 15 分鐘聯絡服務技助，也就是我們單位的團隊來幫忙確認或是找資料——這是每天在吞噬我們內外勤維修量能的時間黑洞。
講得像故事，不要唸數字
Slide 4 · 單點延滯的骨牌效應建議 20s
那當然，查詢一慢，單日服務件數就受限，客戶等待的時間也拉長，最後損害的是 Panasonic 的品牌體驗——這不是小事，是連鎖反應。
Slide 5 · 核心解方建議 30s
針對以上痛點，我們提出的解法，是打造一個屬於企業自己的智慧檢修助手：師傅在手機輸入問題後，AI 會去比對我們整理好的維修資料給出答案。
創新性 30% 講完刻意停頓 1 秒 · 全場核心
Slide 6 · 步驟一：極簡輸入介面建議 15s
實際上的操作我們簡短說明，待會也會有實際操作示範，首先第一步，師傅們可以打開手機畫面輸入問題、也支援語音輸入，只要會用line的人就一定會用，幾乎零學習成本就能上手。
Slide 7 · 步驟二：先查證再回答建議 25s
那在第二步呢是關鍵：當 AI 收到問題後，在回答之前，AI會以我們整理過的維修資料當作唯一依據，確認過才生成答案，這樣可以有效避免 AI 幻覺或亂講答案。
創新性 30%
Slide 8 · 步驟三：即時精準輸出建議 15s
接下來第三步，系統會把所有資訊做整合，直接給出具體、可以照著做的處置建議，變成一步步的行動指引。
Slide 9 · 從輸入到建議的流程總覽建議 20s
從師傅輸入問題、到 AI 判斷、到給出行動建議，這一整條路徑相較於以往要花5-15分鐘的耗時，這幾乎是即時反應，師傅在問完馬上就可以得到答案。
Slide 10 · 無縫升級，風險極小化建議 20s
這套方案的另一個優勢，是企業既有資產與我們服務維修的成熟技術無縫接軌——這不是重建，是升級，而且風險非常的低。
實用可行性 25%
Slide 11 · 我們並非從零開始建議 25s
怎麼說呢？因為我們是將模型落地，並使用公司的H200顯卡來做處理，比起一般人使用AI，都是直接把資料丟給外部的LLM，我們的資訊外洩的風險非常低。另外，我們服務本部本來就已經有現成大量的 MQC 維修資料、以及多個年代累積的數位通報，並且我們把這套系統設計成人人都可簡單上手的聊天對話介面，推廣阻力極低。
實用可行性 25%
Slide 12 · 隨插即用的敏捷部署建議 20s
在技術架構上，我們採用在地化落地的開源模型 GPT-OSS 20B，IT那邊目前也已經完成120B的安裝，之後如果有更強的模型，也可以切換成更強的模型來做使用。並且搭配成熟的 RAG 與 MCP 架構。不僅能直接在企業內網封閉運行、杜絕資料外流，20B 的參數規模也能兼顧推論效能與成本控制，讓未來擴充功能時不用整套打掉重練。我們用的這些 AI 技術，比如 RAG、MCP，現在業界都已經很成熟而且也是當今 AI 技術發展的最新趨勢，未來如果有要擴充功能，不用整套重新開發，導入時程可以大幅縮短。
實用可行性 25%
Slide 13 · 效能大躍進：四大核心 KPI建議 30s
這是我們初步推估的效益：導入後查詢時間預估可以從 5～15 分鐘壓縮到 1 分鐘內；單日服務件數預估提升 25%；培訓期預估縮短 45%；後勤電話量預估減少 50%。
公司價值 10% 放慢、停頓，清楚強調是「推估」
Slide 14 · 躍升為企業核心智識庫建議 25s
更重要的是，這套架構的價值不只在維修現場——只要換一批知識庫，就能複製到製造、品管、客服，任何一個靠 SOP 手冊運作的場景，都是同一套邏輯的延伸。
跨部門擴散性 25% 千萬別漏講這頁
Slide 15 · 結語建議 15s
最後，請讓我為我的報告做一個結語：我們以智慧賦能第一線，強韌 Panasonic 的長期服務競爭力——從摩擦到無縫，打造無與倫比的品牌服務體驗。謝謝大家。
這些數字是怎麼算出來的？
誠實說：這是依現場訪談與同業類似案例推估的初步數字，還未正式上線驗證，導入後會用實測數據校準——不要硬凹成已驗證的實績。
幻覺問題怎麼控管？
回到 Slide 7：AI 回答前會先比對我們自己整理的維修資料，確認過才回答，不是它自己憑空想像。
導入成本／時程？
回到 Slide 11、12：既有資產＋成熟外部技術動能，非從零開發，可分階段先在單一機種試點。
其他部門真的能套用嗎？
準備一個具體例子（例如品管的檢驗 SOP、客服的常見問題庫），比空泛承諾更有說服力。
資安與資料機敏性？
簡章明訂 Demo 資料須去識別化，可主動提一句：正式導入會採內部知識庫封閉部署，不外流。