（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