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（發表約 6 分＋交流約 2～3 分）
2026/9/11（五）09:10–11:50・PTW 第一會議室
現場節奏稍微放寬，整場發表抓在 6 分鐘左右（約 360～370 秒）最剛好。評審核心看四點：點子夠不夠精準？做不做得出來？能不能跨部門複製？對公司值不值錢？放慢語速，把一線工程痛點與實際架構底氣講穩，不要趕火車。
創新性30%
對應 Slide 5、7
重點在「先查內部技術依據再生成」，從架構上杜絕 AI 幻覺，把企業內部技術庫轉化為推理能力。
實用與可行性25%
對應 Slide 10、11、12
點出「既有 MQC 案件庫」與「內網地端部署」，證明不是空中樓閣，明天就能開始對接與試點。
跨部門擴散性25%
對應 Slide 14
高權重關鍵頁。講清楚換成品管檢驗、製造組裝 SOP，這套核心架構能立刻無痛平移。
對公司價值10%
對應 Slide 13
清晰用「預估」字眼展現對營運量能與顧客滿意度的實質拉抬，維持客觀。
簡報完整度10%
全部
語調從容、首尾呼應，為提問預留充足互動空間。

臨場微調重點

1

前面不用趕時間，把維修師傅翻厚手冊、站在顧客家門口查資料的尷尬情境講具體，評審很容易有共鳴。

2

Slide 11 與 12 拿出工程技術深度，提到 MQC 數據積累與內網安全，展現團隊對企業系統落地的掌控力。

3

Slide 14 多花 5 秒講清楚「品管」與「產線」的擴展場景，把這 25% 擴散分拿滿。

第 1 / 15 頁
Slide 1 · 標題建議 20s
各位長官、各位評審大家好，我們是來自 PSTW 服務本部的闕敬軒與團隊。今天我們想向大家提案「Panasonic 電器檢修智慧客服 AI 系統」——透過專屬的企業級語言模型技術，為我們第一線的服務維修現場注入全新的智慧動能，徹底重塑維修效率。
Slide 2 · 資訊超載的系統性瓶頸建議 25s
首先帶大家看現場正面臨的挑戰。隨著松下電器的技術不斷演進，市場上的機種與保有量越來越龐大。但第一線維修工程師手邊的資源，卻是分散在無數份 PDF 技術手冊、Excel 維修對照表和紙本通報裡。要從幾百份文件裡撈出一個對應機種的故障代碼與解決方案，已成為第一線非常沉重的認知負擔與效率缺口。
Slide 3 · 5～15 分鐘的現場排查建議 25s
這直接反映在排查時間上。當工程師站在客戶家門口，遇到不熟悉的冷門機型或罕見故障碼時，往往需要花 5 到 15 分鐘在手機翻找手冊，甚至得打電話回後勤服務站請前輩翻資料。這幾分鐘在會議室看似很短，但每天全台幾百位師傅加總起來，就是每天都在吞噬我們維修量能的巨大時間黑洞。
講出畫面感，讓評審感受現場壓迫
Slide 4 · 單點延滯的骨牌效應建議 25s
更關鍵的是，單一檢修點的延遲，會引發連鎖骨牌效應。排查花太久，當天排定的服務件數就必須縮減；客戶看著師傅在現場不斷翻找，等待的焦慮感增加；後勤電話線路被佔滿，新師傅進步慢。最後承受代價的，是我們長年經營的顧客滿意度與 Panasonic 卓越的品牌服務信任。
Slide 5 · 核心解方建議 35s
為了解決這個系統性痛點，我們構建的解方，是一個真正懂 Panasonic 電器脈絡的「隨身智慧檢修助手」。這不是 generic 的外網聊天機器人，而是能深度閱讀、理解我們企業內部工程手冊與維修邏輯的專業夥伴。師傅只要掏出手機提出問題，系統就能在數秒之內，給出精準的處置對策。
創新性 30% 講完刻意停頓 1～2 秒，凝聚全場焦點
Slide 6 · 步驟一：極簡輸入介面建議 20s
在操作體驗上，我們秉持極簡原則。師傅在現場手拿工具，不可能去點複雜的選單。因此系統支援文字輸入與語音對話，師傅只要對著手機說：「空調顯示 H11、外機風扇沒轉，怎麼檢查？」，幾乎零學習門檻，哪怕資深前輩也能在 3 秒內上手。
Slide 7 · 步驟二：先查證再回答建議 30s
在第二步，也是這套系統最核心的創新機制：我們嚴格落實「先查證、再回答」。AI 接收到問題後，不會憑空天馬行空地猜測，而是強制比對我們整理好的官方維修手冊、零件規格與案件數據庫。它以內部技術資料作為唯一的回答依據，從根本上杜絕了 AI 幻覺，確保每一句指引都是嚴謹且符合安全標準的。
創新性 30% 強調「杜絕幻覺」與「內部依據」
Slide 8 · 步驟三：即時精準輸出建議 20s
第三步則是輸出端的轉化。系統不會吐回長篇大論的原始說明書，而是把繁複的線路圖與排查邏輯，即時整理成 1、2、3 步清晰可執行的動作指引，並主動提示對應的備品料號與量測點位，讓師傅可以直接動手測量，大幅減少盲目換板試錯的成本。
Slide 9 · 從輸入到建議的流程總覽建議 25s
從「輸入故障現象」、「語意分析檢索內部技術庫」，到最後「輸出標準行動指南」，整條鏈路在 3 到 5 秒內全部完成。把以往漫長的 15 分鐘電話溝通與手冊翻查，濃縮在一次抬頭、一次點擊之間，讓現場排查變得透明而迅速。
Slide 10 · 無縫升級，風險極小化建議 25s
各位評審可能會想：導入這樣一套先進的 AI 系統，是不是要大興土木、花費巨額開發成本？答案是完全相反。我們採取的是「無縫升級」策略，把企業現有累積的數位資產，無縫對接成熟的 AI 技術模組，以最小的風險與成本，取得最大的數位轉型效益。
實用可行性 25%
Slide 11 · 我們並非從零開始建議 30s
因為我們並不是從零起步。服務本部本來就擁有歷年積累的完整 MQC 維修案件庫、技術通報與標準作業規程；公司內部也有成熟的數位環境。我們做的事，是把這些沉睡在資料庫裡的「死資料」，經過結構化整理，轉化成 AI 的推理大腦，搭配簡潔的手機介面，讓人人都能把整座維修知識庫隨身帶著走。
實用可行性 25%
Slide 12 · 隨插即用的敏捷部署建議 30s
在技術架構層面，我們規劃採用開源大型語言模型（如 GPT-OSS 20B 級別），搭配 RAG 檢索增強生成以及業界標準的 MCP 架構。這樣的優勢非常明確：第一，可以完全在企業內網封閉運行，機敏資料與產品設計絕不外流，資安無虞；第二，20B 規模兼顧了推論精準度與伺服器成本；第三，模組化接口讓未來升級即插即用，絕不需打掉重練。
實用可行性 25%
Slide 13 · 效能大躍進：四大核心 KPI建議 35s
根據現場流程分析與同業經驗，我們對導入後的效益做出了謹慎的預估：第一，現場資料查詢時間，預估可從原本的 5 到 15 分鐘大幅壓縮至 1 分鐘內；第二，師傅省下盲目排查的時間，單日服務件數預估可提升 25%；第三，新進工程師的培訓摸索期預估縮短 45%；第四，後勤技術支援電話量預估減少 50%。這直接換算成服務量能的提升與成本的節約。
公司價值 10% 字字清晰、沉穩，強調是謹慎推估
Slide 14 · 躍升為企業核心智識庫建議 30s
最後要強調的是，這套系統絕不侷限在服務維修。這是一套「企業知識引擎」。我們只要替換底層的資料庫，就能立刻推廣到工廠產線：例如將資料換部品管檢驗標準，它就是品管工程師的快速判定助手；換成製造組裝作業要領，它就是產線作業員防呆防錯的指引工具；換成對外常見問題庫，它就是客服中心的高效後援。一套核心，全公司受惠。
跨部門擴散性 25% 評分佔比高達 25%，舉出明確部門應用
Slide 15 · 結語建議 20s
總結來說，我們是用科技賦能每一位第一線的同仁，把過去散落的知識凝聚成強韌的組織資產。我們希望從每一個維修細節的提速開始，化解溝通摩擦，為顧客帶來更加敏捷、可靠且無可取代的 Panasonic 服務體驗。以上是我們的報告，謝謝大家，請各位長官指教！
Q1：四大 KPI 數字是怎麼算出來的？有實證嗎？
「目前簡報上的數據是根據服務站第一線訪談、工時觀測以及參考製造服務業導入 RAG 系統的同業數據所推估的理論值。我們非常重視務實，因此第一階段我們規劃先在特定單一機種（例如變頻冷氣特定系列）進行 3 個月的封閉測試，以真實數據校準這四項 KPI。」
Q2：AI 如果給出錯誤的維修指示導致電路燒毀或感電，誰來負責？（幻覺問題）
「這正是我們採用 RAG 檢索增強的原因。AI 不被允許自由發揮，每一條建議下方都會標註引用的『手冊章節與頁碼』供工程師快速比對核驗。此外，涉及高壓電、冷媒外洩等高危險作業，系統會在前端強制跳出安全防護警示與阻斷式檢核清單。」
Q3：公司資料資安疑慮，會不會上傳到公有雲？
「絕對不會。我們採用在地化（On-Premise）封閉部署方案，模型採用開源輕量化模型（如 20B 參數規模），全數在企業內網的 GPU 主機運行，向量資料庫與手冊均不對外聯網，完全符合公司資安與營業秘密規範。」
Q4：其他部門（品管、產線）要導入，實際門檻在哪裡？
「最大的門檻通常不在技術，而在『資料整理』。因為本系統採用 MCP 與標準化 RAG 架構，底層引擎完全相容。品管或工廠只要將既有的 SOP 與檢驗 Excel 依照我們的模板進行清洗與向量化，最快數週內就能完成知識庫掛載並開始測試。」