(文章首圖由AI生成)
編按:《ĀnkěCare創新照顧》2025年5月推出第37期封面故事「AI照顧進化論」,結合雜誌和網路媒體提供完整內容,深入剖析AI照顧落地的邏輯與產業未來。近期將陸續推出「專家觀點」系列專訪報導。
當百工百業熱議大型語言模型(LLM)帶來的奇蹟,智齡科技執行長康仕仲卻選擇回到最原始、也最不引人注意的一環:資料治理(data governance)。康仕仲提到,AI只是技術工具,如果照顧端的資料不乾淨、不全、不可信,再先進的模型也無法產出有實際幫助的結果,希望產業共同重視資料品質、資料安全與資料標準。
在LLM時代 資料治理比AI更重要
康仕仲指出,AI演算法在系統中可能只佔10行程式碼,是1%的關鍵,但剩下的99%其實都在處理資料的結構化、即時性與準確性。這也是智齡科技一開始就選擇Mobile First設計的原因,希望讓照服員能用手機即時紀錄與上傳,確保資料時間準確,否則後續AI預測即會失準。
什麼是資料治理?康仕仲將其歸納為三大核心:「能用、敢用、好用」。
首先是能用。資料必須乾淨、結構化且標準化。例如,長照紀錄中「換尿布」與「協助如廁」在人眼看來差異不大,但對AI來說語義完全不同,若格式不一致、欄位定義模糊,AI將無法理解。
再來是敢用。照顧資料屬於高敏感性個資,資料治理必須涵蓋權限管理、去識別化、存取紀錄與風險控管,符合法規與資安要求。尤其在LLM容易產生「幻覺」的情況下,照顧領域更不能容忍AI「亂猜」。
最後是好用。資料品質攸關AI效能與成本。若紀錄資料混亂、無關資訊過多,不僅推論不準確,還會造成Token訓練成本暴增。因此,資料治理還必須能分類、篩選,甚至做任務分級,搭配不同模型成本與使用頻率,才能真正讓AI成為照顧的日常工具。
「AI就像神奇的水龍頭,但能不能出水、出什麼水,關鍵在於背後那座山林,也就是資料的治理。」
「讓AI變笨」才能真正落地
康仕仲強調,照顧AI的重點不是打造萬能模型,而是發展垂直應用,也就是讓AI只做一件事,做到最好。
智齡開發 N-Copilot(Nurse Copilot)就是典型例子,透過回應護理師「昨天誰發燒?怎麼處理的?」等問題,並附上原始紀錄來源,減少第一線人員的學習門檻,也避免LLM幻覺風險。
「我們不是在做AI,而是在做Infrastructure(基礎設施)。」康仕仲強調。
康仕仲指出,智齡希望透過AI讓照顧更精省、家人更安心、長輩更有尊嚴,這些價值都仰賴資料分析。他們選擇優先投入「非直接照顧」的應用,例如簡化交班紀錄、協助護理判讀與自動生成報告,因為護理師有6成時間都花在資料處理與溝通上,是AI最能發揮的區塊。
醫療AI難落地 長照AI更接地氣
康仕仲進一步分析,相較於醫療領域,AI在長照更容易落地。醫療AI多聚焦於診斷與治療,不僅要更新教科書、調整健保給付,更牽涉責任歸屬等法律風險,許多應用至今仍停留在「亮點」,難以普及成為常態。
反觀照顧現場,許多流程化的執行工作,如協助紀錄、即時辨識、異常提醒等流程,都可以由AI協助。部分機構已將AI應用於傷口辨識、生理徵象監測、交班等工作,將AI落實到照顧日常。
他認為,隨著醫療模式從「以治療為中心」轉向「以照顧為核心」,預防照護與健康管理將成為主流,來自長照現場與生活中的資料,將成為醫療決策的依據。
技術不是重點 拚的是資料整合力
為了讓AI應用持續擴展,取得跨場域資料,智齡近年陸續併購多家長照系統業者。康仕仲指出,真正的挑戰是資料整合。
他舉例,有系統為每間機構獨立建立資料庫,導致資料無法跨場域整併,智齡團隊花了數月時間,將分散於60台機器的資料,彙整於2台伺服器統一管理,「穿著西裝改西裝很辛苦,但做完才能整合。」
唯有落實資料治理的基礎工作,才是AI能否持續運作與進步的關鍵。康仕仲呼籲產業共同重視資料治理,包括資料品質、資料安全與資料結構標準,例如參照Cloud Native架構或ISO認證等既有規範,讓整個產業AI化有穩定基礎。
產業AI化能不能實現,康仕仲希望回到最本質的問題:照顧場域的資料準備好了嗎?AI照顧需要對實務現場的理解,而這份理解,需要從資料治理開始。
喜歡這篇文章嗎?加入會員即可收藏文章、產品及供應商