近日微軟宣布，現在ASP.NET Core 2.0版開始要正式支援開放式資料通訊協定OData（Open Data Protocol），現在開發者可以透過打包管理工具NuGet，取得該應用的打包檔。而微軟表示，這一次新發布後，現在開發者可以透過OData query syntax，布建更多OData端點，「除了Windows平臺，它也支援在各種平臺上執行。」

OData是由微軟在2007年發起的開放式資料通訊協定，而IBM、SAP以及CA等公司也都支援該開放標準。目前OData 4.0版本已通過結構化資訊標準促進組織（OASIS）認證，可以支援JSON，以及以XML為基礎的CSDL（Common Schema Definition Language）等。

而OData除相容微軟自家產品如SQL Server、Team Foundation Server、SharePoint，及Azure表格儲存體外，許多IT廠商的解決方案也支援了此標準。像是IBM App Connect、紅帽JBoss資料虛擬化，或SAP NetWeaver Gateway等解決方案。

開發者可以從NuGet網站中，下載這個新應用的打包檔，安裝於網頁應用中執行。圖片來源：微軟

一名軟體工程師Robert Heaton在近日警告，知名的瀏覽器擴充程式Stylish擅自紀錄使用者的網頁瀏覽歷史紀錄，並將它們傳送至遠端伺服器，而Google與Mozilla也在本周相繼於Chrome Web Store與Firefox外掛程式頁面上將Stylish下架。

Stylish是個開源的瀏覽器擴充程式，以於網站本身所提供的階層樣式表（Cascading Style Sheets，CSS）之外部署客製化的樣式表，以用來變更網頁的外觀。

Heaton表示，Stylish原本是個非常出色的擴充程式，原始的開發者在2016年8月將它出售，幾度轉手之後在去年1月落到因專門蒐集使用者資料而惡名昭彰的分析業者SimilarWeb手上，自此Stylish就變成一個間諜程式，可紀錄200萬用戶所造訪的每一個網站，並將這些瀏覽行為傳送到遠端伺服器上，還隨附用戶的獨特識別碼，若使用者還建立了Stylish帳號，很容易就能與用戶身分產生連結。

在Heaton披露此事之後，Stylish已同時自Firefox外掛程式頁面及Chrome Web Store上消失。

Heaton認為，瀏覽器擴充程式可能成為安全惡夢並非新聞，而且那些過去值得信賴的擴充程式在悄悄易主之後也可能走歪，儘管SimilarWeb宣稱他們必須追蹤使用者所造訪的網站才能推薦最適合的網頁外觀，但這個藉口非常地薄弱，因為若想達到此一目的只需紀錄當前網頁的網域（Domain）即可，而非完整的網址（URL）。

Stylish上的預設值啟用了URL的追蹤與紀錄功能，但也允許使用者將它關閉。不過Heaton仍然建議Stylish用戶移除該擴充程式，改安裝其它類似工具，例如舊版Stylish的分支Stylus。

美國威斯康辛大學麥迪遜分校的科學家最近開發了一種利用黑矽（Black Silicon）的超薄隱形材質，可以用來閃避紅外線感應器的偵測。

紅外線攝影機或感應器為一熱感應裝置，能夠偵測到諸如人體或坦克車引擎等可像紅外線般發熱的溫暖物件，可協助直升機在漆黑的夜晚或濃霧中辨識目標，過去要閃避紅外線偵測多半得使用重金屬盔甲或熱毯，而該團隊所打造的則是超薄的隱身材質，標榜更輕量、成本更低，也更容易使用。

此一新的材質被稱為隱形薄片（Stealth Sheet），它的厚度不到1公分，能夠吸收所遇見的94%的紅外線，它遮避了原有物體的溫度，幾乎讓紅外線偵測器無從察覺。

藉由將電子加熱元件嵌入隱形薄片中，科學家也建立了可用來欺騙紅外線偵測器的高科技偽裝技術。該校的電子工程系教授Hongrui Jiang解釋，這讓使用者可以透過偽造的熱訊號來欺騙紅外線偵測器，例如讓坦克車看起來看是普通的高速公路護欄。

隱形薄片的材質為在矽上面塗上可大量減少反射塗料的黑矽，因為它幾乎能夠捕捉所有的日光，可大幅提高光電轉換效率，通常被應用在太陽能電池上，儘管黑矽最為人所熟知的能力是吸收可見光，但Jiang團隊卻看到了黑矽用來誘捕紅外線的潛力，他們調整了打造黑矽的方法來增強黑矽的吸收能力。

該研究團隊已經取得了Stealth Sheet的隱形技術專利，並正努力將原型轉化為實際應用。

現今每個人幾乎都與智慧裝置不離身，不論是智慧型手機、平板電腦、筆電還是傳統桌電，都是如此。但不管是打開手機還是電腦，在瀏覽App商店、網購網站或其他網頁時，總會希望頁面呈現的是自己有興趣的項目。而目前能滿足這個需求的技術之一，就是推薦系統（Recommendation Systems）。Google AI首席研究員紀懷新於7月4日訪臺時，分享了自己在Google研究推薦系統的心得。

建立個人化推薦系統的困難

紀懷新表示，個人化是建立推薦系統的首要條件，因為每個人喜好不同，會瀏覽的項目也就不同，如果給兩個興趣截然不同的人推薦相同商品，那推薦就沒意義了，因此個人化是打造推薦系統的第一要件。但是，要推薦什麼樣的產品給使用者，對開發人員來說是一大挑戰。

首先，龐大的產品數量就是一個問題，紀懷新以Google Play商店的應用程式推薦為例，他說，在Google Play中的應用程式超過100萬個，而且有上億個來自190國的使用者，光是去年就有820億的下載次數，這樣龐大的資料要做到個人化推薦，不只需要複雜的演算法，還需要能應付這些運算的硬體設備。不過他表示，就方法來說，深度學習正好能處理龐大的數據，而在Google研發推薦系統的研究人員，也採用這個方法來精進推薦系統。

再來，個人化推薦系統的另一個問題，就是情境（Context）。情境不同，使用者想要的推薦內容也就不一樣。紀懷新舉例，有些人喜歡用平板裝置看電影，手機則用來看YouTube之類的影片，而這些人在不同裝置上想下載的App就會不一樣，而對於推薦需求，也會有所不同。

但紀懷新認為，個人化推薦系統將情境因素納入考量後，最困難的部分就在於「時間」。比如，一個人在白天時，較常用新聞或理財類的App，晚上則喜歡用遊戲類App來放鬆；又或者今年流行精靈類的遊戲App，明年流行策略性質的戰爭遊戲。這種動態性的變化，讓打造個人化推薦系統的難度又更高了。

建立個人化推薦系統的關鍵

綜合以上三點，紀懷新表示，Google用來建立個人化推薦系統的方式，就是將使用者與情境、App項目和時間點來配對。而他也強調，要提升推薦品質，就必須平衡冪次定律（Power Law）帶來的影響。

冪次定律指的是在一個事件的發展中，其規模與次數成反比，也就是規模越大，次數就越少。而以網路服務的角度來說，冪次定律指的是20％的使用者產生了80％的資料量。也因為冪次定律帶來不平衡的分布狀態，紀懷新表示，Google團隊在做推薦系統時，會重新平衡分布情況（如下圖）。

他指出，重新平衡不同使用頻率的推薦系統，讓Google Play上應用程式的安裝率提高3.3％。

個人化推薦系統的研究方向

紀懷新認為，要精進個人化推薦系統，必須注重「因果關係」，而不是只考量變數與變數之間的相關性（Correlation）。他解釋，許多統計和計算研究員，常將焦點擺在相關性，但在推薦系統裡，應該要思考因果關係，也就是事件B是否由事件A造成。如果某人因為推薦系統的建議，而做了某些動作，「這就是我們要知道的。」

不過他也提到，在過去4、5年裡，自己一直在思考如何解決因果關係的難題，後來發現「重複出現」（Recurrence）是關鍵。他表示，重複出現在自然界中很常見，不論是空間還是時間，而從神經網路的模型來看，也有類似概念，比如Recurrent units，也就是將輸入-輸出的值，再當作輸入的值，重複使用，就像時鐘一樣。紀懷新舉例，這就好像一個使用者固定每天晚上九點看新聞，而開發人員只要掌握這一點，就能了解因果關係，做出更好的推薦系統。

英特爾（Intel）於本周三（7/4）在2018年百度AI開發者大會上宣布，百度人工智慧（AI）零售攝影機Xeye採用英特爾旗下Movidius的視覺處理器Myriad 2 VPU，來加強消費者在零售賣場的購物體驗。

Xeye攝影機結合了Myriad 2 VPU和百度的機器學習演算法，來強化攝影機的視覺運算能力，以分析零售賣場內的物品和手勢，同時，還能偵測賣場裡的人，以提供個人化的購物體驗。

而Movidius是英特爾於2016年買下的電腦視覺晶片廠商，專門提供電腦視覺晶片組，旗下的Myriad 2 VPU處理器也用在Google的AR手機計畫Project Tango和聯想的AR及VR產品開發。

此外，百度也應用英特爾的現場可程式化閘道陣列（Field-Programmable Gate Array，FPGA），來加強百度雲端服務。另外，百度也為英特爾的Xeon Scalable伺服器處理器，優化平行分散式深度學習平臺PaddlePaddle。根據英特爾官網，英特爾和百度正在研發整合PaddlePaddle平臺和深度類神經網路模型編譯器nGraph。

醫療軟體開發商TPP(The Phoenix Partnership）主動告知英國健康與社會照護資訊中心NHS Digital，由於其系統設計存在缺陷，導致15萬名病患的機密醫療資料，在違反意願的情況下，被分享用於醫療研究上，TPP對這個從2015年就存在的問題道歉，這項錯誤現在已經被修正，NHS Digital也發送信件通知家庭醫生（General Practice，GP）與每個受影響病患。

NHS Digital最近承認因為系統錯誤處理病患拒絕分享醫療資料的資訊，使得GP系統從2015年3月至2018年6月中，15萬名病患選擇自己的醫療資料只能用於直接治療，不得用於其他用途的資訊，未正確發送到NHS Digital的系統，導致NHS Digital意外的將這些資料全部用於臨床調查以及研究中。

而這項錯誤還是因為最近NHS Digital切換到新編碼系統的時候，發現不同意分享醫療資料的病患激增，才驚覺從2015年3月以來，這個漏洞便一直存在。由於GP用來記錄醫療資料共享異議的SystmOne軟體，錯誤編碼這項訊息，使得NHS Digital在漏洞影響的期間，皆無法知道哪些病患拒絕共享醫療資料。

英國衛生部長Jackie Doyle-Price表示，因為NHS Digital系統供應商錯誤處理病患醫療資料共享資訊，使得NHS Digital在共享醫療資訊的時候，同時也分享了這些被拒絕分享的資訊。NHS Digital得知這項消息後，已經迅速修正問題，且發信告知GP可以向受影響病患保證系統安全，同時也發信通知所有受影響病患，以確保他們了解事情原委。

重點新聞(0629～0705)

  監視系統   AI Guardsman   

店家防賊新利器，NTT和AI安控打造智慧監視系統能從肢體動作抓小偷

日本電信巨頭NTT和AI安控新創Earth Eyes共同開發一款智慧監視系統AI Guardsman，能協助店家抓偷雞摸狗的扒手。這款監視器的技術，採用了卡內基梅隆大學的開源資料OpenPose，可以即時掃描影像串流，並估測影像中的人物肢體動作。也就是說，這款監視器技術透過2D平面影像來追蹤每個人的肢體動作，然後將這些姿勢數據與預設的「可疑」行為相比，如果發現可疑行為，系統會透過App通知店家。此外，這款技術還能分辨架上商品是否錯置，如果擺放錯誤，系統也會通知店家。其實AI Guardsman已開發多年，但NTT和Earth Eyes最近正好公開試用狀況，甚至讓試用店家的遭竊率下降40％。NTT發言人表示，他們預計在今年7月底出售這款AI Guardsman，先期費用為2,150美元，如需雲端支援，還需付每月訂閱費40美元。（詳全文）

  阿聯酋     數位指揮中心  

阿聯酋啟用數位指揮中心，以AI來管理數位基礎設施

阿聯酋（UAE）日前啟用該國第一座數位指揮中心，用AI技術來監測和管理杜拜電力和水務局（DEWA）的數位基礎設施和服務管道，像是客戶滿意度中心的服務管道、DEWA網站和App等，另外，數位指揮中心也負責監測SAP和智能電錶等基礎設施，而為了保障中心網路的穩定度，也配備了替代電力線路。阿聯酋這間數位中心全年無休，以隨時應變緊急事故。DEWA的CEO Al Tayer表示，該中心透過分析用戶使用政府App的情況，來預測客戶滿意度，另外也會藉由能力分析，來預測數位基礎設施可能需要哪些改善。（詳全文）

  fMRI    智商預測 

只要分析腦部fMRI攝影，AI也能預測智商

來自加州理工學院、Cedars-Sinai醫學中心和Salerno大學的研究員最近開發出一款AI系統，可以從一個人的腦部掃描圖來預測其智商。也就是說，這款系統透過分析某人的腦部功能性核磁共振掃描（fMRI）數據，就能判斷個人的智商，而且受試者不需要做任何事。fMRI是透過檢測血流到大腦特定區域的變化，來呈現大腦的活動圖，而從大腦的活動模式，可以看出一個人的智商。為了訓練演算法，研究人員首先下載了近900人的腦部掃描圖和智商分數，而在處理這些數據後，研究人員發現該演算法預測智商的能力，提高到專業水準。（詳全文）

  臉書   假新聞 

臉書欲併購英國新創Bloomsbury AI來打擊假新聞

臉書計畫以2千3百萬美元至3千萬美元，來併購英國新創Bloomsbury AI，幫助自己打擊假新聞。英國這家新創，專門以自然語言處理（NLP）技術，來讓電腦回答問題。該公司的產品Cape，能夠閱讀文本檔案並回答有關內容的問題，包括推理和綜合的問題。而臉書正計畫部署該新創的技術團隊，來打擊假新聞，特別是針對大選發送的不實新聞。此外，臉書也計畫與Bloomsbury AI來加強文章內容審核的機制。（詳全文）

臉書     Spiral  

臉書透過即時機器學習自動調校工具Spiral，將快取最佳化過程從數周降低至數分鐘

臉書開發了一個小型的嵌入式C++函式庫Spiral，以機器學習為資源有限的即時服務，產生資料驅動或是反應式的啟發演算法，以讓服務最佳化。臉書提到，過去他們手動撰寫快取、許可與驅逐策略太過困難，而且也過分耗費時日，Spiral可以加速這個最佳化過程從數周到數分鐘。Spiral可以單純在本機端運作，進行輕量的模型訓練，也能用於回傳統計訊息或回饋至後端，以視覺化呈現資訊用作除錯，或是以日誌資料記型長期儲存，供未來分析使用，也可以進行資源吃重的模型訓練。（詳全文）

CNN    VOC  

AI分析人類呼氣就能診斷疾病

AI現在能透過氣味診斷患者的疾病了！由於人類呼出的氣體包含數千種揮發性有機化合物（VOC），透過氣相色譜法-質譜聯用（GCMS）資料，分析VOC就能知道病患身體狀況，但這個過程非常耗時，於是來自拉夫堡大學、西部綜合醫院、愛丁堡大學和愛丁堡癌症中心的研究人員共同提出新方法，以卷積神經網路（CNN）直接分析原始氣質聯用以檢測VOC，跳過勞動密集且耗時的資料預處理過程。研究人員使用Nvidia Tesla GPU、加速CUDA深度神經網路函式庫Keras以及TensorFlow來訓練神經網路，處理放射治療癌症受試者的資料。這個方法，只需要幾分鐘就能完成過去需要花費數小時才能分析完成的樣本。（詳全文）

微軟   人臉辨識 

人臉辨識對女性、深色人種辨識較差，微軟著手改進

微軟日前宣布更新該自家的人臉辨識技術，大幅強化系統辨識各膚色人種性別的能力。微軟數位顧問服務技術長John Roach表示，在辨識深色皮膚的女性上有較高的錯誤率，是因為AI技術只能跟用來訓練它們的資料一樣好，如果人臉辨識系統要對所有人類一視同仁，那麼用來訓練的資料集應該要能代表各式各樣的膚色和髮型等。於是微軟與專家合作以企圖解決偏差及公平的問題，改善了性別分類系統，以讓所有膚色在性別辨識上都能有更好的結果，現在的新系統在辨識深色皮膚性別的錯誤率降低了20倍。（詳全文）

Google     機器人   

Google讓機器人抓握技巧更像人

Google近日透過QT-Opt演算法，讓機器人可從一大群雜亂的物體中，像人一樣撈出目標物，或是推開阻礙抓取目標的物體，再進行抓取物體。而Google先透過離線方式訓練模型，之後再部署到真實機器人上進行微調。另外在執行QT-Opt演算法的同時，也能累積更多用來訓練模型的離線資料。Google以7個真實機器人，在4個月內運行800小時，此外由於機器人的抓取經驗可以互相分享，所以7個機器人共享58萬次的大型抓握資料集，最後QT-Opt演算法在沒看過的物體進行700次的抓握，成功率達96％，比先前監督學習抓握法78％的成功率，要精準許多。（詳全文）

智慧醫療      恩主公醫院  

恩主公醫院要用AI來打造智能醫院

恩主公醫院日前偕緯創醫學科技和馬雅資訊簽署數位醫療服務合約，要用AI和大數據技術來發展「智能流程系統」和「醫療專科系統」，打造智能醫院。在智能流程系統方面，包括了人員和儀器定位、智能排成和醫療語音辨識系統等，後者將利用語音辨識技術，讓醫護人員可以用口說方式填病歷，而不需要手寫。在醫療專科系統方面，則涵蓋了血液透析、手術排程、智慧藥局系統、手術室等，目的是將儀器的生理數據和參數即時上傳到雲端，自動完成各項電子表單的填寫。 （詳全文）

  空中巴士    漂浮機器人   

人工智慧首度飛向太空！空中巴士打造的漂浮機器人CIMON即將登陸國際太空站

由空中巴士帶頭打造的太空用智慧助理機器人CIMON在6月29日從地球出發，並於7月2日抵達國際太空站，開始輔助太空人執行日常工作，並在異常事件發生時，向人類發出警告。CIMON是第一個配備人工智慧的太空飛行機器人，由空中巴士、德國航空太空中心（DLR）、IBM和慕尼黑大學（LMU）共同組成的團隊打造。這個沒有四肢的飄浮機器人，外型接近球型，重量約為5公斤，由塑膠與金屬材質3D列印而成，機器人前方的螢幕會顯示表情或是操作流程等資訊，並且藉由機身特殊通道吸入與排出空氣，作為在太空中移動的動力，內部搭載著IBM的人工智慧系統Watson，除了協助處理太空工作外，也會透過臉部辨識系統分辨對話的對象身分。（詳全文）

圖片來源／Earth Eyes、Google、Airbus

 AI趨勢近期新聞 

1. 中國智慧販賣機，只要伸出手掌就能結帳

2. Google I/O上一鳴驚人的AI對話技術Duplex將在夏天開放公測

3. Google坦承曾想買GitHub

資料來源：iThome整理，2018年7月

蘋果App Store將在7月10日上線滿十周年，周四蘋果重述這個軟體市集如何從一個只有500款app的小服務，變成影響眾多消費者及開發商的重要平台。

雖然iPhone成功很大部分要歸因於App Store，不過第一代iPhone在2007年推出時是沒有任何第三方app的。要到隔年iPhone 3G推出前一天的2008年7月10日，App Store才問世。當時只有500個app。

App Store結合iPhone及iPad革新了軟體發佈及銷售的模式，受到消費者喜愛，也帶動更多內容及軟體大咖，像是美國職棒大聯盟（MLB）、HBO、Nintendo、紐約時報、eBay的加入。蘋果之後陸續引進新功能及商業模式，包括程式內購買（in-app purchase）、串流內容，使智慧型手機及數位內容成為現代消費者不可或缺的一部份。今天App Store每周造訪人次超過5億。

蘋果沒有說明現在App Store上有多少iOS app，根據研究機構Statista的統計，App Store上的app已經來到200萬。

另外，自2011年App store支援訂閱制以來，現有超過2.8萬個iOS app提供訂閱服務，而使用者訂閱量也比去年成長95%。蘋果還宣稱，到今年6月為止，開發人員從App Store賺進超過1,000億美元。

今年初蘋果還表示，光是去年一年App Store就為開發人員賺進265億美元。

近年蘋果積極推動讓iPhone及iPad打入健康照護產業的環節，先後推出HealthKit、CareKit及ResearchKit等開發工具，讓醫護及醫療研究人員開發出照護及研究用的app。蘋果表示現在已經有500多位醫生及研究人員使用這些工具，超過300萬人參加過醫療研究。

App Store 2017年推出「Today」及「遊戲」、「App」標籤頁，如今已經有100多萬人上過「Today」看過專題故事及編輯內容。

微軟於本周宣布，Outlook團隊過去幾個月都致力於打造Outlook.com的暗黑模式（Dark Mode），且正式版很快就會出爐。

Outlook.com的暗黑模式曾在去年萬聖節時驚鴻一瞥，不過當時還是原型，這是Outlook.com用戶最希望微軟提供的功能之一，而今即將上線。

對於許多長期注視電腦的工作者而言，相對於白色模式，背景全黑的暗黑模式或暗黑主題（Dark Theme）較不容易讓眼睛疲勞，因此有許多開發工具都已提供暗黑模式，也有不少電腦用戶利用諸如Stylus等瀏覽器擴充程式幫網頁變身。

微軟在Outlook的使用者意見回饋論壇中透露，之所以延宕這麼久完全是因為微軟想要提供所有郵件服務中最好的暗黑模式，他們變更了好幾次的顏色與程式碼，現在終於要步入正式版。

根據Outlook用戶所回饋的意見，對暗黑模式的需求排名第六，其它領先該需求的還包括有用戶抱怨很難辨識已讀或未讀郵件、在垃圾郵件匣之外的其它郵件匣缺乏封鎖功能，以及版面設計不佳等。

今年3月，臉書遭爆料洩露了超過8千7百多萬用戶個資，並被劍橋分析資料分析公司（Cambridge Anaytica）非法取用一事，造成了人心惶惶，甚至臉書也在美國多家大型媒體登報道歉，執行長Mark Zuckerberg更到美國國會說明。

即使臉書強調，早在2015年發現後，便立即要求劍橋分析刪除相關資料，以保護用戶個資。但根據華盛頓日報的報導，在最近臉書送交美國國會的一份747頁報告內容指出，他們在發現劍橋分析濫用用戶個資後，仍以緩衝期為由，針對AOL、Nike、United Parcel Service（UPS），以及Hinge約會App等60家廠商延長存取用戶個資的權限，為期長達6個月，而Serotek更取得了8個月的展延。

然而，這樣的說法，與先前臉書的聲明可說是南轅北轍。在前述劍橋分析事件爆發時，Mark Zuckerberg在美國國會上說明，臉書在2015年5月之後，就已經禁止第三方廠商存取臉書用戶個人資料的權限。

在另一份文件的內容中，也提及臉書與52間國際大廠的合作關係，藉由提供使用者的資訊，讓這些廠商能為旗下裝置提供專屬的臉書功能。這些廠商其中不乏美國科技巨頭蘋果、微軟、Spotify、亞馬遜，中國廠商華為和阿里巴巴，以及知名的行動裝置製造商三星和BlackBerry等。

臉書指出，他們已經停止與其中38間公司的合作，另外有8家廠商則分別在7月底和10月底終止。不過，尚有蘋果、亞馬遜，以及Tobii等公司，與其合作的關係將持續下去。

商業軟體聯盟（BSA）每2年推出的全球軟體調查報告中，最近發表2018年的分析結果。在這份報告中，他們針對超過110個國家進行調查，結果顯示，使用未經授權軟體帶來的顧慮，包含了資料損失、企業內部網路遭未經允許的存取，以及面臨勒索軟體攻擊等，同樣的情況也展現在資訊長認為使用合法授權帶來的好處上，高達54％表示能降低資安風險。BSA也引用了IDC的資料，指出採用未授權軟體比例越高的國家，越容易受到惡意軟體的攻擊。

一般談到惡意軟體攻擊，企業往往會著重如何有效的攻防，以及修補漏洞減少攻擊面等措施，但往往會忽略若是使用了未經授權的軟體，其帶來的潛在風險也相當嚴重。根據這份報告指出，使用未取得授權的軟體所造成企業損失，全球每年高達3,590億美元，平均每臺安裝這類軟體的電腦遭受攻擊後，會造成1萬美元的損失。

根據商業軟體聯盟2018年度的全球軟體調查報告中指出，企業認為如果使用沒有授權的軟體而受到惡意軟體影響當中，最為擔心的是公司或是個人資料損失，高達46％，其次是非法存取占了40％，但值得留意的是勒索軟體攻擊高居第3位，有3成受訪企業認為是最為嚴重的問題之一，超過系統停機的28%，與處理資料外洩所需花費的22%。

在針對資訊長的調查中，使用合法軟體帶來的好處，出乎意料之外，有超過一半的受訪者（54%）認為能降低資安風險，也是最多資訊長認同的選項，遠超過避免使用非法軟體可能產生法律上風險（43%）。

從BSA針對各國的調查中，使用未合法授權的軟體比例也普遍逐年下降。以臺灣來說，從2013年的38%、2015年的36%，減少到去年的34%。相較於其他亞洲國家來說，臺灣使用具備合法授權軟體的情況算是前段班，排名第6，僅次於日本、紐西蘭、澳洲、新加坡、南韓等國。

整體而言，根據圖表中統計的結果，未經授權軟體的使用率，包含臺灣（紅框處）在內，各國普遍都是逐年下降，大部分降低的比率都是每2年以2%至3%的幅度進行。另外，與其他華人地區的國家相比， 臺灣使用已授權軟體的比例，可是高於香港和中國，但略低於新加坡。 

針對資安的防護，網路設備廠商合勤科技近2年來持續擴增資安防護產品，先是去年推出了SecuReporter資安事件分析平臺，今年則先是在3月的臺灣資安大會上，預告將推出進階威脅防禦設備，而在今天（7月6日）開始，一連4天的智慧生活軟體應用展中，他們終於首度公開自製的沙箱檢測（Sandboxing）產品。

這款設備機型為ATP 300，機箱為桌上型、半寬尺寸。從外觀上來看，網路介面的部分擁有7個RJ-45埠和1個光纖埠，而與管理相關的連接埠則有2個USB 3.0埠。但可惜的是，除此之外，他們並未公布這款設備詳細的規格、功能等其他資訊。

至於這款設備正式推出的時間，合勤表示，預計是今年的第3季季末。

忙碌已成為當代工作者的常態，回想剛入行時，看到IT廠商打出「以少作多（do more with less）」，強調採用操作更簡易、性能更強大的系統，能夠幫IT人員與一般員工節省更多時間，轉而從事更有價值的工作，十幾年過去了，技術趨勢已然改變，我們真的如當初所想像的那樣理想嗎？恐怕很多人會說，需要進行的工作變得更多，可用的資源卻日漸減少。

這讓我想到最近在臺舉行的IBM Cloud & Data全球高峰會，在換場空檔期間所播放的短片，透過類似卡提諾狂新聞的風格，揭露許多IT人的心聲，其中提到的幾句臺詞都相當寫實，像是：「要馬兒好，又要馬兒不睡覺」，「人家說能力越強，責任越大；你是責任越大，肝越硬化」，「保密防諜，人人有責，資料洩密，就你負責」。

類似的場景，其實也在其他領域上演，不光是IT人員，各種從業人員都面臨這樣的挑戰。每個人肩負的責任越來越重大，所能運用的人力和預算又無法跟著增加，已經成為短期之內難以改變的狀況，如果要解決這樣的困境，並且繼續維持既有業務、拓展應用的範圍，我們也只能仰賴創新科技來幫忙，這也是現在仍有廠商高喊上述口號的原因。

回想過去，企業之所以推動電子化、數位化的應用，主要是為了提升工作效率，因此，許多公司紛紛導入企業資源規畫（ERP）、客戶關係管理（CRM），以及供應鏈管理（SCM）等類型的商業應用系統，希望透過這樣的平臺來集中控管、執行交易資料，同時，可將相關資料彙整到系統。

然而，在因應各自所針對的應用需求之後，企業如今所面對的狀況是另一番局面，例如，如果要完成一項工作，而需要跨越不同應用系統來整合時，該如何處理？當中若牽涉到需要審核、批准的作業，往往也要將這些功能涵蓋在內，而企業過去的作法，是透過工作流程系統（Workflow），以及商業流程管理（BPM）的解決方案來處理，而能提供更多流程自動化的特色。

時至今日，我們經歷一波波應用程式平臺與架構的改變，行動裝置、雲端服務、大數據等新興技術的崛起與普及，重新塑造了IT的外在面貌，但內在的作業流程，多半並未隨著這些演變而重新調整，而在整體執行效率上，形成新的挑戰。

而從去年底開始，我們發現市場上隱然出現了新的應用系統自動化浪潮，稱之為機器人流程自動化（RPA），臺灣有幾家大型會計師事務所，以及國際軟體廠商也開始針對這樣的概念，積極向企業推廣。

例如，資誠聯合會計師事務所在2017年12月，宣布成立50人規模的團隊，專門負責推動在臺的RPA業務；KPMG安侯企業管理公司去年8月和今年5月舉行的論壇當中，也主講RPA的議題，今年1月，安侯建業聯合會計師事務所上任的決策與經營團隊，也特別強調協助導入RPA的部份；勤業眾信聯合會計師事務所在今年1月底，也在他們舉辦的人工智慧實戰分享會當中，介紹了RPA；軟體大廠的部份，臺灣IBM在今年5月舉行機器人流程自動化實踐研討講座，並就銀行業與保險業來分組，探討各自的RPA應用場景。

在今年6月舉行的台北國際電腦展，我們也看到本土系統整合廠商凌群科技的展區當中，出現了日商Arise Innovation的RPA產品OfficeRobot（WinActor）。另外，大同世界科技今年也引進NICE公司的RPA產品。期望在不久的將來，我們也可以看到有本土軟體廠商跨入這個領域，推出相關的產品與解決方案。

 相關報導 RPA風潮吹向臺灣，辦公室自動化大變革

為提升企業營運效率，國外已有不少企業建置機器人流程自動化RPA（Robotic Process Automation），將原本繁瑣、重複的作業流程，像是處理各式訂單輸入、資料比對、製作報表、郵件通知等動作，改由軟體模擬人的方式來執行。今年也有臺灣企業開始導入，為何他們都擁抱RPA？

縮短法定工作時間，已成國際勞動立法趨勢，全球政府都曾面對這樣的議題，過往企業IT也在思考這件事，開發出更好的軟體系統幫助員工，就是普遍作法，這也已經行之有年，而現階段最夯的作法，則是要用AI來提供幫助，但AI的發展方向很廣泛，每個產業、應用著墨點也不盡相同，那麼企業現在可以怎麼做呢？

如果從流程改造的面向來思考，似乎也發展到了一個臨界點，只能不斷透過系統開發來因應，為找到突破點，重新思考流程自動化，可能就是新的方向。

辦公作業場景的自動化新應用，已經成為近年企業關注焦點

運用自動化機器來減輕人員的勞動力，從工業時代之後就不斷提起，早期應用單純，近年則變得多元而普遍。談到機器人（Robot），一般人想像可能都是在工廠，像是用於自動化生產流程的機器人手臂，或是用於物流倉儲作業的無人運搬車（AGV）。

現在，就像居家生活中都有簡單的掃地機器人存在，而在工作領域，數位化應用也早已普及而成熟，自動化更是朝向高整合性發展，將能結合語音、圖像識別，以及AI等技術，要能處理更多複雜的工作。

在辦公作業的桌面自動化應用，現在也比過去進步許多。在繪圖軟體Photoshop的批次處理功能，及Office軟體的巨集之外，企業內更普遍的是透過系統開發，做到跨系統流程的自動化。近年興起的辦公室作業自動化軟體，則以機器人流程自動化（Robotic Process Automation，RPA）最引人矚目。

簡單來說，使用者坐在辦公桌前，現在使用電腦操作不同應用程式與系統的過程，未來可以用軟體機器人來代替執行，尤其是那些繁瑣、不值得費用人力的作業流程。這有點類似過去的鍵盤滑鼠自動化模擬軟體「按鍵精靈」、「自動點擊軟體」與「外掛機器人程式」的概念，但RPA功能更進階，提供流程概念與跨系統整合能力。

更具體而言，像是金融業的開戶審核、授信與徵審流程與智慧化客戶服務等，甚至各產業與部門的商業流程，將原本要大量仰賴人工作業的場景，改為RPA而達到自動化的效果。

對於這類型商用軟體的供應，市場上也有一定規模，我們從研究調查機構Gartner列出的RPA知名廠商來看，包括像是Automation Anywhere、Blue Prism、Kryon Systems、UiPath與WorkFusion等，而且，全球已有不少顧問服務與系統廠商，正在協助企業導入RPA，像是資誠（PWC）、安侯建業（KPMG）、勤業（Deloitte），及IBM與富士通等業者。

對於企業而言，導入這類自動化軟體帶來最直接的效果，就是要減少高重複性與低效率的事務工作，強化整體企業效率，並帶來成本效益。畢竟，在強調數位轉型的時代，如何保持競爭力，已成當務之急。

高重複性、勞力密集與低效率的行政工作，可用自動化軟體代為處理

善用新科技，已是企業經營所不可或缺的議題，像是過去的ERP、BPM等，目的都是為了提升品質與產出效率，如何在符合企業內控與風管下，達到最大效益的自動化要求，而RPA已逐漸浮出檯面，渴望成為未來企業發展的焦點。

而RPA的採用與建置，根據我們目前掌握的消息，不只發生在金融業，其他如製造、貿易、服務、醫療等各產業，都已有導入案例。

原則上，在企業日常營運中，具有高重複性、具規則性的人工電腦作業，就可藉由軟體機器人來執行。舉例來說，企業員工平時處理各式資料輸入、資料比對、製作報表、郵件通知等動作，可能占用不少時間，RPA就能自動處理。

像是在業務流程上，仰賴人工作業的部分一旦遇到業務量大增，客戶送進來的案件，可能要拖上幾天才能排進流程，更遑論完成作業所需時間可能更久，如此一來，不僅拖累企業作業效率，也導致客戶等待時間拉長。

還有在製作報表、資料比對等耗時的人工作業，如果做完這些工作又接著就要開會，等於沒有時間解讀資訊與消化資料，可能影響開會效率與決策。

AI技術火紅，RPA技術成基礎建設，朝向智慧自動化發展

談到自動化，現在很多人也會聯想到AI，確實兩者存在著一定的關連性。在RPA的應用發展趨勢上，簡而言之，就是朝向智慧自動化發展，此議題將包含像是RPA、Chatbots與AI等技術整合。

從科技大廠的角度來看，今年三月，IBM在Think 2018年度大會上，提到Intelligent Automation（IA）的概念，就是關於RPA的應用發展。

對此，IBM應用系統創新服務事業部顧問協理陳昌裕進一步說明，隨著技術的進步，他們將自動化的演進分為四個階段，包括桌面自動化、RPA、進階RPA與認知流程自動化。

在最早的第一個階段中，就是桌面自動化軟體的應用，但缺點是受限於只能在該臺電腦上執行；到了第二個階段，則是將流程的概念整合進來，並能做到跨系統的整合，但處理內容也還是會受限於結構化資料與簡單的規則。

至於第三個階段，則將延伸RPA的應用範圍，能處理到非結構化資料與複雜的規則；最後階段則是要真正結合AI技術，這包括邏輯較複雜的自然語言處理、聊天機器人等應用，要讓原本流程的自動化程度更精細。

陳昌裕也指出，RPA能解決的是結構化的資料，固定邏輯的流程，一旦涉及人為判斷，就需要AI的支援。

無獨有偶，KPMG也提到同樣的概念。安侯企業管理顧問服務部執行副總經理李育英表示，隨著科技成熟度的不同發展，RPA的概念也越變越大，像是早期只是RPA單獨的應用，現在則是與AI一起討論，像是他們以前就只有談RPA，現在則是用上述「IA」的概念來看待整體應用面。

從KPMG對於IA的活用面向來看，他們是以知識、價值為衡量基準，畫分成三個階段，分別是定型作業自動化、非定型作業自動化與高度智能化。

也就是說，一般的機器人自動化流程應用，主要就是依照事先撰擬好的程式規則，執行例行任務，像是報表製作、資料輸入、判讀檢核與資料蒐集等。

而進一步的技術應用，就是要加入感知AI，做到圖片、影片與語音的資訊識別，以及聊天機器人效果，可針對非結構化資料識別與判讀，並與業務流程作業串接應用，或是查詢回覆並處理回應內容：最終則是要能對應自然語言處理，融入機器學習、深度學習、AI等技術，達到自主學習、進階分析與多元的判斷與處理能力。顯然，一些業者都以相似的概念，來看待RPA的應用發展。

相對地，在人工智慧的領域中，RPA其實也至關重要。AI不只是幫助拓展RPA的應用範疇，RPA也讓AI的應用可以延伸到更多場景之中，這兩種領域的結合，是可創造出更高的企業價值。

帶動企業邁向數位轉型，也間接促使企業人才轉型

過去實體的自動化機器，一直在取代提供體力勞動的藍領階級工作，現在，軟體機器人也能取代部分的白領人士工作，像是之前財務機器人的概念興起，讓基層財務人員感到職涯不保的壓力。

從這樣的角度來看，儘管RPA在現階段的AI程度還不夠高，但已經可減少重複性高與低效率的事務工作，但在某種程度上，還是在取代人的工作。

對於一些企業員工而言，應該能減少在繁瑣、無趣的工作處理，空出更多時間，專注於更多創造性、批判性思維的工作，或是增加與客戶互動的時間。

但對於一些工作重複性高的職務而言，也許一整天就是在無止盡的複製、貼上等工作中度過，就有可能像是高速公路收費員一樣，會隨著時代與技術演變而淘汰。

從這股RPA與AI的浪潮來看，確實是有可能逐步影響人類的生活和工作。對於企業而言，人的角色可能需要重新定位，甚至是要思考如何促進人才轉型。相對地，在新科技的衝擊之下，全球員工可能也將面臨重新學習的準備，要有隨時做好下一份工作的心態。

但人們可能也不用過於擔心，從企業制度上來看，還有像是工會的力量，以及企業社會責任等議題要去面對。除非再過個20、30年，工作環境已經發生變化，狀況可能又不相同。

換個角度來看，企業人力資源管理部門也應調整其思考與運作方式，畢竟自動化可能改變一些職業的工作內容，這也需要企業去重新定義工作與商業流程的轉型，並重新思考人力資源，甚至是需要變革管理。因為，在RPA的隱藏效益中，也將牽扯到的是企業流程再造。

鑑於現在新技術的演進之快，現階段RPA可能帶來不錯的效益，但也許未來又有新的技術出現，看起來，企業都應該要有隨時調整腳步的想法，才能保有企業競爭力。

近年來，RPA軟體的應用受到全球企業關注，像是去年就有不少日本企業陸續導入。在今年Fujitsu Forum 2018日本現場，也針對辦公自動化的新應用，展示了UiPath的軟體，介面上提供步驟錄製功能、流程圖的設計介面，也可以拖曳方式手動設計執行動作的元件等，進而著手進行機器人的開發。

專家觀點：資策會資深產業分析師郭家蓉

可提高資料處理效率，並減少人工失誤

• RPA為企業邁向數位轉型奠定基礎，並將隨AI發展擴大範疇

在國外快速竄紅的機器人流程自動化（RPA），近來風潮也吹向臺灣，企業該如何看待RPA？它是一套工具？還是企業流程再造的機會？

對此，資策會資深產業分析師郭家蓉表示，目前全球企業都意識到，邁向連續創新必須經過數位轉型，而公司必須持續導入新的智慧科技，改變公司內部流程，才有可能進一步改變生產或銷售的模式。

對於RPA工具，她認為可從狹義跟廣義的範疇去思考。

狹義來看，是以工具及服務而論，像是UIPath、Automation Anywhere或Blueprism等提供的服務。這些公司產品主要的目的，在於解決公司邁向數位轉型期間，用RPA工具來進行多個「既有系統」之間的串接。

透過這樣的工具，首先是要提高資料的處理效率及準確率，避免人工的失誤。其次，才是在節省人力成本。

而廣義而言，隨著近年人工智慧的發展，在機器學習、語音辨識、圖形辨識、自然語言處理等技術，越來越成熟的情況下，可以進入到公司流程，取代人工作業的範疇也就越來越大。除了會計相關外，從前端的業務銷售，到後端的生產排程、客戶服務等，都可以導入自動化的系統，提供策略建議或流程服務。

但她也提醒，企業導入RPA的困難，問題可能發生在技術面、專案管理、文化流程與制度面，因此，這將取決於企業領導者（CIO、CTO、CEO）的決心。

 相關報導  RPA風潮吹向臺灣，辦公室自動化大變革

乍看之下，機器人流程自動化（Robotic Process Automation，RPA）是個新興的應用，但其實早已存在，企業老闆必需瞭解到，RPA將帶來跨國性也跨產業性的變化。

舉例來說，根據會計師事務所PWC預估，全球45%的工作內容將可以自動化，而機器人流程自動化整體市場，從2014到2020年，預估複合增長率60%，市場規模將達49.8億美元。

在具體效益上，他們以採購到付款的流程為例，從供應商建檔、建立請購單、發票驗證等處理工作，一般人工作業流程約402秒，而透過RPA來處理只要69秒，效益提升83%。另外，他們預估在RPA提升自動化比例下，將可減少25％至50％的營運成本。

另一家會計師事務所KPMG也指出，在未來5到10年內，數位勞動力將會衝擊現有的業務流程與作業模式，並預估有47%的工作流程，可轉成自動且低失誤率的無人操作流程。而在5月舉辦的玉山安侯科技論壇上，由他們協助導入的奇美實業，應邀對外公開分享實際經驗，也已經印證有臺灣企業正在導入。

近年RPA在國內外快速竄紅，各國企業有不同層面的考量

無可避免地，面對新科技帶來的數位轉型與新競爭，將使全球企業受到影響。到底，現在企業可能面臨著什麼樣的問題？致使RPA開始崛起，或許，我們可以從以下一些面向來理解。

資誠智能風險管理諮詢有限公司董事長許林舜表示，過去歐美地區的企業，很早就導入大型先進的系統，企業E化程度高，IT資源大多分配於大型開發案，實務上仍有許多部分沒辦法解決，例如，對於使用者較多變化的需求，或是不夠明確的需求，不能即時因應，畢竟IT單位通常會將整個需求釐清後，再依優先順序開發排程。

對此，歐美企業也開始思考，是否有導入時程更短，或是對使用者友善的工具，可用來協助企業科技的進步，而RPA這時就發揮很好的效用。

而且，對於大型企業而言，往往擔心的是競爭者是否會有更好的流程管理，增加整體運作效率，等到RPA投資成本下降到可接受的地步時，他們採行的動機也變強了。

這一年來，日本企業對於RPA的應用也很積極，甚至不少科技公司投入RPA軟體開發。安侯企業管理顧問服務部執行副總經理李育英表示，日本企業的人力缺口很大，原因是他們的工作細緻度要求很高，比起其他國家企業，面對同樣的工作，日本企業需要相當大的工時才能完成。加上他們正面臨少子化，RPA就成為彌補人力缺口的一種選擇。

讓我們再看看其他鄰近亞太區的RPA應用。根據IDC Financial Insight研究團隊在今年4月發布的一份報告，是關於亞太區金融服務業的RPA早期成功導入，在介紹內容所列出的業者中，已經包括澳盛銀行、星展銀行、華僑銀行、大華銀行、印度工業信貸投資銀行與保誠人壽保險等。

相較於國外，臺灣人力成本算相對便宜，替代率還沒那麼高，但隨著勞工意識抬頭、呼籲每週工時縮短的社會要求日漸升溫，今年以來，我們發現有少數企業開始導入RPA。

儘管國外的企業型態與市場規模，與國內環境不同，但各個企業也是要看現在所面對的外部競爭環境，以及對自己的威脅又是什麼。像是KPMG李育英提到，在他們最近一個RPA導入案例，所屬產業是貿易公司，由於該公司內部很多業務是接單、報價、出貨與通知，他們企業的想法是，如果內部接單速度快、出貨快，客戶反應就會好，所以，一旦RPA能幫助作業流程更快速，等於就是增加了企業的競爭力。

據了解，今年臺灣導入RPA的企業，就各產業而言，都有例子，像是金融保險服務業、電子及電子組裝業、半導體通路、製造業、工程業、貿易業、服務業、醫療等產業。因此，儘管國內企業對於新技術的應用相對保守，但RPA確實引起了各領域企業的興趣與關注。

有助於縮減人力及作業時間，帶來不同面向的效益

相較於過往企業內部系統的自動化作業，實作方式往往都是透過系統開發，或是跨系統平臺之間的自動串接，近期崛起的RPA則有很大的不同，KPMG、PWC與IBM等廠商也向我們說明當中的許多特點，聽完之後，我們終於明白，為何有人形容RPA 是一項改變遊戲規則的技術。

舉例來說，RPA是直接模擬人的動作，不像過去系統開發是釐清動作並重鑄成另一個系統架構。RPA軟體的功能設計，則是讓一般人都能容易操作，像是提供腳本錄製功能，以及在介面上提供用拖拉（Drag-and-Drop）方式來產生程式碼，搭配基本的程式碼撰寫能力，不需要複雜的開發過程，就能實現應用，因此開發時程可以相對較短，開發成本也較低，看起來更容易增加企業導入意願，同時還能不影響企業現有的系統架構。而且，RPA這種模擬人在電腦作業的邏輯方式，也能讓以往只能靠人工作業的流程，納入自動化的範圍。

再者，RPA的處理速度，要比人工作業時間更快，並且可以全天候24小時不間斷工作，這不僅可節省作業時間，同時，也減少人力假日出勤的成本，還有例如銀行業的線上申辦作業，通常在假日無人可處理，但是機器人就不會有這樣的問題。

而且，軟體機器人不像真人有粗心、倦怠等問題，換句話說，透過完善的規則邏輯設定，將帶來工作品質的可靠性，也能相對強化企業風險管理。例如，簡單的資料複製、貼上的動作，只要設定正確，RPA就不容易出錯，不像人有看錯、手誤的情況，且軟體機器人的動作也都會確實留下工作日誌，因此也做為內部稽核的遵循規範檢查依據。

但各業者也強調，這並非是要完全取代人力，目的是要讓員工少花時間與精力在無趣的工作內容，而能用在更有效的事情上，像是創新、思考與決策等。未來，若能與更多AI技術相結合，將會進一步改變業務流程與作業模式。

但要注意的是，儘管我們樂觀看待這樣的技術應用，但RPA也並非萬能，企業如果沒有良好的系統環境，或是沒有完善的規則邏輯設定，RPA也無法發揮其效益，甚至可能帶來新的問題。而且，就算技術上能用RPA來執行各種流程，但從內控風險角度去看，實務上還有許多環節需要考量。

RPA的特性與優勢

相較於企業過去內部系統的自動化開發方式，或是人工作業習慣，RPA也具有其不同特性與優勢，下列我們將一一說明。

 相關報導  RPA風潮吹向臺灣，辦公室自動化大變革

這是實際發生在一家「臺灣」企業的辦公案例。原本該公司內部的法務單位，經常要製作一份產品的環保聲明書（保證函），若由熟手負責處理，整個人工作業時間需要12分鐘，而且，相關人員必須隨時保持待命，但透過機器人流程自動化RPA（Robotic Process Automation）來處理，只要2分鐘就完成。

雖然該企業已經E化多年，像是有合約管理系統可產出定型化合約，但實際製作文件的過程中，仍存在大量人工作業，像是先要登入文管系統，然後將申請人寄來的郵件附檔，把相關內容複製到Word應用程式再轉成PDF檔，以產出文件給客戶，之後還有用印、歸檔等過程。雖然只是製作一份文件，但實際上，整個作業流程有多達152個步驟，並需要跨很多的應用程式，需花上不少人工作業時間。

現在，RPA軟體機器人將能自動執行一連串的流程，大幅減少人力介入，讓這些可能不值得耗費精力的人工作業流程，變得更自動化。

看完上面的場景，別以為這樣的應用離現實生活還很遠，它並不是非常先進的概念，已經有企業積極發展應用，在強調企業競爭力與數位轉型的時代，這股數位化新浪潮，正逐漸受到企業重視，而上述只是一個簡單的文件製作應用實例，還有更多商業流程是可藉助RPA來完成。

RPA在各領域都有適用情境，可讓公司內部作業流程更有效率

到底，RPA可應用的場景有那些？目前在臺灣，已有不少業者正協助企業導入RPA，像是IBM、資誠（PWC）、安侯建業（KPMG），根據這些公司的說明，讓我們更進一步認識RPA在企業流程上的應用。

簡單而言，RPA能執行的動作，包含不同系統的資料輸入、電子郵件通知、報表製作與資料蒐集等，也就是各式資料的撈取、處理、輸入、通知與儲存。在應用範圍上，主要原則是針對具有高重複性、可規則性與人工作業的流程。

舉例來說，訂單處理系統中的資料，原本要靠人工方式輸入ERP系統，有了RPA，可以模擬人工作業的過程，自動將訂單處理系統中的訂單資料讀出，並輸入ERP系統對應的欄位。而紙本形式的文件，藉助光學辨識OCR技術將資料轉換，也能進行處理。

而在實際的企業環境中，有那些內部作業流程適合呢？以基本的運用場景而言，可以包含各類發票驗證、各類稅務計算及申報、各類調節表、電子郵件報表數據彙整、寄發特定檔案之電子郵件，以及外部網站彙整資訊。

從上述內部作業流程來看，我們可看出RPA能用於各行各業，像是金融、製造、物流產業，甚至財會、人資、業務、廠務與資訊等單位，都有適用的業務流程。

舉例來說，像是財會單位的應收帳款自動沖帳、銀行調節表；人資單位的薪資核對結算、出缺勤異常管理與人力搜尋與聘僱；業務單位的客戶帳戶自動開立、原物料市場價格分析；資訊單位的網域使用者新增與刪除。

還有像是貿易的進口報關文件準備，生產管理的產銷協調資訊，帳務的折讓單對帳，製造的工單收率分析，以及物流的產製出貨明細與金融服務的網路銀行傳票處理流程等。

在這些作業流程中，企業可能因為跨系統資料串連不易，多半仰賴人工作業來處理，但跨平臺資料的輸入與比對相當麻煩、耗時。

以製作銀行調節表的流程為例，我們通常會先從內部系統下載Excel帳目明細表，接著核對支票票號及金額，並產生需調整的帳務明細，再整理出當月銀行調節表，最後上傳ERP系統。現在，這樣的內部作業流程，就可以透過RPA來減少人為疏失，並減少人員重複工作的時間。

金融業對RPA的興趣濃厚，可提升前臺服務與後臺作業效率是關鍵

近年，金融業在Fintech的發展聲浪下，積極運用科技手段使得金融服務變得更有效率，已成為各大企業的重要目標，而這也使得RPA，成為邁向轉型創新的新議題之一。

近年在日本與亞太地區，我們也看到到不少的RPA應用實例。例如，日本三井住友銀行，他們在2017年4月開始成立了業務改革辦公室，目的就是為了提高整個集團生產力、營運效率與控制成本，機器人流程自動化軟體的導入，就是他們基礎業務改革的第一步。他們更預期，要在3年內，讓軟體機器人負擔起1,500人的工作量。

根據日本「每日新聞」報導指出，三井住友銀行、三菱東京UFJ銀行與瑞穗銀行等三大銀行，都已經導入RPA。而IDC Financial Insight在今年4月發布的報告中，也提到亞太區有近10家銀行是RPA早期成功導入的案例。

金融業可以如何運用RPA？已有許多實際的應用場景，例如，用於核保流程與開戶作業流程，以及AML洗錢防制作業、個金貸款流程與信用卡盜刷申報處理的自動化等。

以AML洗錢防制作業為例，在臺灣，兆豐銀行美國紐約分行因洗錢案受到重罰後，金融業更加重視這項工作。不過，相關的作業流程相當繁瑣，包含從ALM系統取得黑名單、客戶往來交易查核、公司戶徵信查核與負面新聞蒐證，以及查核結果匯總轉換成PDF檔，及歸戶、上傳黑名單系統，等到最後審核階段，再進行細部分析比對，以審核該客戶是否涉及洗錢不法行為。

這當中，銀行需要同時收集多個內外部異質系統資料，且作業流程需要大量檔案轉換與資料上傳，更大的問題是，系統濾出的可疑名單非常多，像是一次就需處理3千筆名單，但銀行為了要舉證，需耗費大量人力逐筆去檢核，甚至可能分配給不同單位協助作業。

而透過RPA的幫忙，可以將大部分流程自動化，像是簡化所有資料收集作業，並建立標準化資料蒐集程序，而員工所節省的時間，則可用於提高最後階段的審核品質。

在其他在對外服務的商業流程上，像是線上開戶、線上貸款等，不只是加速作業效率，也等於可以減少用戶等待時間，改善用戶體驗。例如，原本要花五個工作日的貸款流程，如果是貸款金額小、授信戶條件優的客戶，在RPA自動比對完各階段流程後，可能只要幾分鐘就完成撥款程序，相對來說，放款主管在先前的作業程序需要每一筆都看，現在只要審核高金額、高風險的項目。

畢竟，現在的金融業務隨科近進展越趨複雜，像是臨櫃開戶之外，現在還會提供線上開戶，還有像是辦卡、借貸、核章等各式重複性的事務工作，而RPA的應用也將用來加速前臺服務效率。

隨著感知運算與AI的加持，RPA現在能用在更多業務場景

機器人流程自動化RPA，不僅能自動執行簡單的電腦作業，並且加入OCR、語音等感知技術，也將促使部分需要人力介入的部分，改為自動化作業，可對應到更多複雜的商業流程。

面對機器人流程自動化的議題，企業不只是關心它所帶來的效益，實際導入可能面對的問題與狀況，也是IT單位關注的焦點。

用軟體機器人來替代人，去做重複性高的工作，看似相當合理，但實際上，關鍵在於，企業要如何有效運用RPA這樣的自動化工具。首先，可能要釐清一些事情，才能繼續思考RPA在企業的定位，畢竟不同環境有很大的差異。

今年，我們看到臺灣已有企業導入，在這次的專題製作過程中，我們也從協助導入RPA的廠商，像是安侯建業（KPMG）、資誠（PWC）與IBM，得到一些具體的建議，也讓我們更深入瞭解到箇中要點，企業在評估RPA時，其實，還有不少值得注意的面向。

企業該如何運用RPA？先從既有系統環境來思考

該如何將不值得花人力的作業流程，改為自動化？過去企業可能自行透過程式來執行系統整合、API串接，工程可能相當浩大，且複雜。但相較之下，導入RPA算是比較簡易的系統開發，可補強現有環境的弱點。

安侯企業管理顧問服務部執行副總經理李育英表示，像是ERP系統本身是很好的基礎架構，在流程上，可以串接企業內的物流、金流及資訊流，但有些企業ERP的導入都還不夠完善，應該要到無法再修改，而且IT部門也不能提供更多協助，這時，RPA就很適合採用。

另外，多數企業的情況是，在不同時間點導入了不同的系統，彼此之間可以介接，過去可能選擇系統開發，但現在也可以應用RPA來串起流程。

像是企業已經導入ERP系統，但後續又開發或導入了簽核系統、文件流程系統、進出口系統、R&D的系統等，如此多的系統需要介接，也導致使用者要面對如此複雜的介面與操作，但該怎麼整合，才能提升作業效率是重點。

RPA所能扮演的角色，也可以提供更多的功能。資誠智能風險管理諮詢有限公司董事長許林舜也舉例說明，假設公司已經導入了頂級的ERP系統，原本的管理控制功能就很強，在這樣的情況下，RPA就可以是輔助，但如果一家公司沒有BPM、沒有具自動控制的ERP，也可以用RPA來解決一部份問題。

而且，一般涉及到流程，就會與商業流程管理系統（BPM）整合。而RPA的特性是可以跨不同的系統，在上層的部分執行整合，不像BPM屬於基礎設施層級的流程管理，權限控管嚴謹度高，相對地，RPA並不是打造基礎，但可以協助讓整個工作流程更順暢。

而且，RPA導入週期短，一個作業可能只要四到六週，簡單的案例甚至兩周即可，視作業流程的複雜程度而定。

對於一些企業環境而言，可能還有不同的考量面向。IBM應用系統創新服務事業部顧問協理陳昌裕表示，通常企業一定有些系統不想用API去執行或提供服務，或是核心系統本身不想對外開放太多介面，亦或是系統太舊無法串接。這時，企業就很適合採用RPA。

作業流程如何梳理，內控風險如何要求，企業都須重新看待

是否所有業務流程都要自動化？這是多數企業也想知道的問題，若從效益與風險角度來看，會比較容易得出答案。

儘管數位轉型已經談了許多年，但在實際場景當中，仍然存在大量人工作業。從RPA的技術角度來看，許多流程要做到自動化並不難，但如何做才合乎效益，就是需要審慎評估的面向。

從企業營運角度來看，計算投資報酬率（ROI）就是很重要的一件事。李育英表示，有些作業流程可能是每月一次、每次8小時，需評估改用機器人是否划算？在第一波要納入RPA的流程，通常從最佔用人力的工作做起。

因此，在企業導入的過程中，內部的流程梳理，就是首要動作，而這也是導入RPA所帶來的隱藏效益。畢竟，這樣的過程不純然是為了RPA，對於流程改造也有很大的幫助，而對於每個流程的檢視，也應先從是否需要強化、改進來檢討，如果沒有辦法，再看看是否能用RPA來克服，也是一種作法。

另外，過去可能過度簡化的流程，現在因為RPA的評估，也能考慮改得複雜一些，因為RPA的執行速度夠快，如果可以讓流程更完善，增加動作其實也無妨。進一步而言，透過完善的機制，也將帶來作業流程的品質可靠性，進而消除人為錯誤的問題。

如何讓RPA能處理雷同的情境，是最難的部分。許林舜表示，企業在重新審視公司流程時，可能發現問題出在既有流程不夠標準化，還是各項規則之間確實都不同，或是使用者創造而變多。

不過，也因為RPA跟傳統開發概念不同，像是整個流程可先處理60％的部分，再去思考剩下40%為何做不到。

特別的是，他還提到了一個概念，就是人機要適當分工。這是從企業內控等風險角度來看，例如，有哪些流程中的步驟會產生風險，因此不能交給機器人做，而這就是需要考量的關鍵。

例如，在流程梳理時，可以加入關鍵風險的控制點。像是有些流程實作後，原本可能10個動作，現在將它拆解成13個動作，而自動化程度為80%到90％，往往就是因為關鍵風險由人工控制，不交給RPA去處理。也就是說，我們可以從帳號的風險等級，以及處理作業的敏感度，去評估RPA應該可以做的事情。

至於管理方式的差異，我們也看到一些特別的現象。例如，李育英提到，有金融業的作法，是將RPA納入人員管理機制，讓機器人也有員工編號，如同真的當成一個人在用。許林舜也提到，像是在存取ERP系統時，也可以給「它」單獨的帳號，雖然這可能要多一個授權，但好處是操作記錄可以被紀錄，在既有的安全控管之下。這也與過往管理機器的方式，有很大的差別。

軟體機器人可分兩種類型：部分自動化與無人自動化

透過RPA來做到辦公自動化，當中的應用方式可分成兩種，即部分自動化（Attended Automation）與無人自動化（Unattended Automation），也可說是人機共存或是全面自動化，各有適用的業務場景。（圖片來源／Pegasystems）

模擬人在電腦上辦公的機器人流程自動化（RPA），採用軟體機器人的概念，可視為數位勞動力。

但單就機器人的角色而言，其實也有不同定位。具體來說，依模式可簡單分為兩類，包括部分自動化（Attended Automation）與無人自動化（Unattended Automation），除此之外，若以對應執行方式而言，我們則是看到KPMG用前臺機器人與後端機器人來比喻，前者是使用者手動觸發執行，後者則是中央排程自動執行。

基本上，前臺機器人就如同業務助理型機器人，讓使用者自行將它們應用在某些特定工作上，成為個人專屬的使用方式。

舉例來說，當保險業的客服中心，在接到客戶要求時，做完身分確認後，可以讓機器人快速整理出需要的保單資料，只要將對方需要的項目勾選，就能自動完成資料剪貼作業，並發送電子郵件寄給客戶。或是某銀行於特別的節日、活動舉辦數位行銷活動，期間的線上開戶數突然爆增，這時承辦人員只需要手動執行開戶機器人，即可自動處理開戶檢核程序。具使用彈性，可用於不定時作業或業務支援上。

至於後端機器人，則是以集中排程的方式，可在伺服器上自動執行，主要適合定時、需大量處理的工作。安侯企業管理智能自動化顧問服務協理蔡君浩指出，運用後端機器人時，可使用儀表板進行排程，而這套儀表板的主要功能，便是中央管理並且監控機器人的執行狀況。

舉例來說，某科技公司的財會部門，每天下午3點需要進行應收帳款的沖銷作業，若能透過後臺沖帳機器人的協助，每天時間一到，即可自動執行，並將沖帳結果製成報表寄給負責的主管，因此不像過去的沖帳程序面臨複雜的步驟，並需要多人分工才能完成。同時，後端機器人也能被分配去處理不同的流程，像是白天執行進出口業務，晚上做銀行調解表。

從軟體角度來看，資誠智能風險管理諮詢有限公司董事長許林舜提到，RPA軟體可分伺服器版、個人版，目前國外這兩種方式都有企業使用。不過他也表示，各地區的應用方式會稍有不同，像是國內企業可能因為授權費為考量，所以部署、建置邏輯會跟歐美國家不一樣。

 相關報導  RPA風潮吹向臺灣，辦公室自動化大變革

在探討現代程式語言到達一定的深度之後，往往會開始討論值、變數、範圍鏈、繼承鏈，甚至於反射（Reflection）、自省（Introspection）等meta-programming的原理。

若曾經試著實作一門語言，再從實作角度看這些特性，就不再覺得霧裡看花，而是有趣而實用了。

值與變數

在程式語言中，值是什麼呢？就語言本身來說，值會是數字、布林、字串，或者是物件這類東西；在具備一級函式的語言中，函式也會是個值；進一步延伸的話，類別也會是個值，而方法也會是個值，例如JavaScript或Python——物件上的方法，實際上是個函式，說它是值並不為過。

然而，從語言實作上來看，任何抽象語法樹上的節點，本質上都可以當成是值，一個語法節點，除了封裝了底層操作細節，還會維繫著與其他節點的關係，例如，一個函式節點，包含了函式本體的陳述句，而這些陳述句也會是語法節點；如果語言在特性願意開放，函式本體的陳述句也可以是個值。

只不過語言在一開始就暴露太多語法節點的話，勢必影響語言的易用性，因此，大多數語言，會謹慎選擇常用的語法節點，供開發者使用，像是數字、布林、字串、物件等，高階一些的語言，就開放函式，而取得函式本體的陳述句這類的操作，多數場合中並沒有作用，就被語言隱藏起來了。

既然抽象語法樹上的節點，都可以當成是值，那麼，變數也不例外。在語言實作中，往往會為變數建立語法節點，當程式運行時，變數節點主要的目的，是查找環境物件中是否有指定之名稱，若有的話、是否具備對應的節點物件，這些節點物件通常會是數字、布林、字串等節點物件。不過，若是要實現惰性求值，變數節點也可以直接對應另一變數節點，而不是立即求得後者的值。

覺得奇怪嗎？變數怎麼會是值？這是從抽象語法樹的觀點來看。實際上，有的語言確實能讓開發者查找變數節點，並以適當方式呈現。例如Python的dir函式，若不指定對象，會查找目前環境物件中的變數，並以字串清單轉回，JavaScript的全域物件，本質上，也就是環境物件，Ruby的methods方法會傳回物件可用的方法符號（Symbol），某些程度上，這些都是語言暴露給開發者，令其有機會接觸語法節點的一種機制。

陳述句與函式

陳述句被當成值又是怎麼回事？我們先來談談指定陳述。例如，x = 1這樣的指定陳述，實作上，可以建立new VariableAssign(new Variable('x'), new Num(1))語法節點（Variable就是方才談到的變數節點），而這節點就是陳述句節點，在執行時，會在當時環境物件，增加Variable('x')與Num(1)的對應。

來想想看函式吧！函式是一組陳述句的集合，然而，參數實際上還沒有對應的值，呼叫函式時，要怎麼套用引數呢？若函式上有個x參數，呼叫函式時指定為1，在實作上，會建立一個VariableAssign節點，並取得函式本體的陳述句，兩者結合成一個新的陳述句節點，例如：new StmtSequence(variableAssign, bodyStmt)。

如果執行這個節點，就會先執行variableAssign節點，然後才是函式本體的bodyStmt陳述句節點。由於函式上可能會有多個參數，呼叫函式時指定的引數也就會有多個，因此，參數或引數都會設計為清單的形式方便對應。如果語言願意開放，開發者可以取得參數清單，甚至於引數清單，例如，Python若在函式中使用dir函式，就可以取得參數清單，而JavaScript函式呼叫時，函式內部會有個arguments，參考至全部引數的清單。

函式呼叫時，實作上是主動取得陳述句，這是從語言實作角度來看，有沒有語言開放可以傳入陳述句？有的！Scala的by-value paramenter特性，例如：

def foo(stmt: => Any) = {println("foo")stmt}foo(println("XD"))

不同於其他語言特性，上面的程式顯示順序並不是XD、foo，而是foo與XD。

因為println("XD")被當成值傳入，而執行是放在println("foo")之後。當然，使用回呼，也可以達到相同目的（Scala本身也是以語法蜜糖方式實作），然而，若語言上開放，在需要傳送陳述句時，運用by-value parameter之類的特性會方便許多。

物件與實例

初學物件導向語言時，是否對於物件（Object）與實例（Instance）的差別而困惑，甚至跟人爭論？

就語言層面，可以產生一個物件，然而，它不是任何語言規範中型態之實例。因為在底層實作中，物件可以單純只是封裝了成對的鍵值，不需與語言中的任何型態產生關係，而嚴謹的語言通常會避免這種情況，所以，多數的場合中，這兩個名詞指的是同一個東西。

多數物件導向語言都會談到，若定義了一個類別，類別定義的方法並不會被個別實例擁有，透過實例呼叫方法時，會查找類別上是否有定義該方法而後呼叫，這就是在說明該語言對方法查找的實作方式。然而，如果語言支援物件單體化，物件本身也可以擁有方法，查找方法時，就會先用物件上之方法，若無再使用類別定義之方法。

JavaScript就是這樣的機制，雖然一開始沒有類別，然而，當函式作為建構式使用時，查找方法的順序，就是物件、建構式原型，接著就是建構式原型之原型，這就是（原型）繼承鏈了。有些語言可以明確存取、修改繼承鏈，JavaScript是其中之一，Python中也有__bases__、__mro__可以使用。

方法中的this是怎麼回事呢？就是個變數而已，只不過綁定了物件本身，在Python中，方法首個參數必須接受物件本身，單純就只是將語言實作時的綁定動作明確化罷了，JavaScript的函式則有call、apply可以使用，能在呼叫時，明確指定this綁定的物件，如果語言本身沒有開放這種機制，那麼就是隱含地進行綁定的動作。

有些較嚴謹的語言，直接開放的底層機制不多，然而，還是可以透過迂迴的方式來存取底層的語言實作。例如，Java可透過反射，取得Method、指定this等，以便完成許多語言本身語法做不到的事情。

meta-programming的本質

有些語言易於進行meta-programming，若仔細看看，提供的機制當中，有些就是上頭談過的東西，也就是說，一個語言暴露的底層機制越多，就越易於進行meta-programming，調整語言來施展魔法。

從這點來看，私下猜測當年Brendan Eich以十天創造JavaScript，因為時間倉促，許多沒考慮到的臭蟲，被開發者適應而成為（奇怪的）特性留存下來，而JavaScript易於修補的原因，是因為在語言半成品時就上戰場了，許多底層實作的細節沒有被隱藏起來，而被開發者拿來運用了。

如果試著實作語言，可能就會發現meta-programming，本質上就是利用語言特意（或不小心）暴露的底層實作細節，讓開發者進一步對語言進行深層次的操作，從而對語言增添特性的機制。

而從語言實作角度來看待語言中的相關特性，就是有這麼多的體會與樂趣，若要從事meta-programming動作，也就更能掌握必要的細節。

數位轉型浪潮今年猛烈吹進臺灣，製造業也不例外。根據iThome今年CIO大調查，高達70.5%的大型高科技公司今年要推動數位轉型，一般製造業者也有6成今年要推。物聯網仍就是企業IT重點投資的大宗，高科技製造業今年IoT預算平均759萬元，約是IT預算的18％，一般製造業者今年也有近300萬元的IoT投資預算。

製造業對分析類的技術投資也不低。尤其高科技業者，除了上雲端之外，AI是另一個竄起的IT投資新需求，今年高達3成高科技業者要導入機器學習，甚至有一成四的高科技公司想用深度學習技術。高科技業者今年的AI投資規模，甚至比資安更高，和上雲端的投資相去不遠。開始積極擁抱數位轉型之際，AI應用成了製造業推動轉型的的新切入點。

 問卷執行說明 

調查對象涵蓋了臺灣2千大企業，搭配iThome歷屆CIO大調查企業中的資訊部門最高主管，及政府一級機構、大專院校資訊主管和資安主管等，來進行線上問卷調查。調查從2018年1月24日到2月22日結束，回收462份問卷，有效問卷數374份。其中有79.1％填答者是企業IT部門最高主管。

 相關報導  iThome 2018企業CIO大調查