漸強 9/10 產品發表會 金句清單剪接版 · 161 條 · 時碼 = 檔內 TC @29.97

點時碼可複製。上半場檔＝漸強上半場影片/a7s320260910_0005.MP4（14:09 起，缺 16:12–16:34 換卡）；下半場檔＝漸強下半影片/a7s320260910_0001.MP4（16:34 起）。音源：相機音軌 whisper，時碼 ±0.5s，剪前請對波形。
Jin 開場引言 漸強上半場影片/a7s320260910_0005.MP4
1 5.0s Jin 薛覲 我們公司的使命是重塑商業溝通，Transform business communication 開場立論的公司使命一句話，中英對照可直接當字卡 slogan 策略
2 17.0s Jin 薛覲 我們每一年傳送的訊息量會超過100億。一個電信公司發簡訊一年大概三四十億封，100億完全是電信公司等級的訊息量 最強數字＋電信公司對比，量體感一秒到位 數字 對比
3 12.0s Jin 薛覲 他可能會優先找漸強實驗室，因為我們是唯一一家可以在當地有 local service team 服務這些廠商的公司 亞洲在地團隊的唯一性宣言，對海外夥伴的承諾 承諾 生態系
4 8.0s Jin 薛覲 如果你是用 Gemini 的 AI，底層有一些執行的 Agent，可能是 Powered by 漸強實驗室 上架 Gemini Enterprise Marketplace 的具象化說法，與 Google 合作的證據 生態系 產品
5 6.0s Jin 薛覲 如果今天我要重新創業，那我要把漸強實驗室幹掉，那我要做什麼事情 CEO 自我顛覆的挑戰句，中段論證的鉤子，張力最強 對比 策略
6 8.0s Jin 薛覲 在 AI 的極限裡面，製造成本降低，可是品牌信任跟工程深度的維運，這件事開始變得非常重要 軟體微笑曲線的結論句，AI 時代價值往兩端擺盪的觀點 對比 策略
7 7.0s Jin 薛覲 我最重要學到的事情是，你要親手做，才知道什麼事可以交給 AI，什麼事需要自己接手 全場最有手感的一句心得，短、獨立、可當金句字卡 slogan 對比
8 14.0s Jin 薛覲 同樣的 AI 有不同的成果，AI 其實是放大你判斷力的過程。人人都有類似的工具時，你怎麼利用你的 judgment 就變得非常重要 引哈佛肯亞研究後的結論，AI＝判斷力放大器的比喻 比喻 策略
9 5.0s Jin 薛覲 人人用 AI、流程用 AI、用 AI 開發產品、開發 AI 產品 AI first company 四句口訣，節奏感強適合快切字卡 slogan 策略
10 7.0s Jin 薛覲 AI 你要花到開始有點痛為止，你那個手感才真正出來，你知道哪些事情可以用 AI，哪些事情不行 「花到痛」是全場最口語的金句，有態度 slogan 比喻
11 19.0s Jin 薛覲 90 天整個公司花了 1792 億 token，一個一般人用 AI 可以用 5000 年的量，我們公司 90 天就燒完了 token 數字＋5000 年換算，數字對比極具畫面感 數字 對比
12 15.0s Jin 薛覲 我們公司現在每五分鐘會做一次產品的改動，現在有 24% 的 code 是 end-to-end 由 AI 自己寫的 用 AI 開發產品的實證數字，工程速度的證據 數字 產品
13 6.0s Jin 薛覲 趨勢一，AI 將成為第一個使用介面 三大趨勢的第一條，短句可當章節標題 策略 slogan
14 20.0s Jin 薛覲 未來你也不用再登入我們家任何的產品，你只要跟 AI 說，幫我針對這檔行銷活動做 end to end 的設計。漸強實驗室全產品線今天會推出 MCP 從趨勢直接落到今日發布，MCP 全產品線的產品承諾 產品 承諾
15 21.0s Jin 薛覲 Crescendo Agent Lab，漸強實驗室的 Agent Platform。內部的數位員工、外部產品上的 Agent，底層全部都是 Powered by 同一個 Agent Platform 今日重點發布的產品定義句，內外同源的說法 產品 策略
16 16.0s Jin 薛覲 漸強實驗室的前十年，是在做行銷預算的重新分配；後十年其實更多是 AI 預算的重新分配 前十年／後十年對比，收束段的戰略定位一句話 對比 策略 收尾
17 3.0s Jin 薛覲 松下幸之助想要把電賣得像水一樣容易取得 水道哲學的鋪陳句，接下一條願景用 比喻
18 6.0s Jin 薛覲 漸強實驗室的下一個十年，就是我們希望把 AI 用得像水一樣 全場願景金句，收尾必用 slogan 比喻 收尾
19 16.0s Jin 薛覲 不管你是個人創業、小型中型大型企業，透過我們公司開發的工具，你都可以把 AI 用得像水一樣，這是我們公司下一個十年的願景 願景完整版，含對所有規模客戶的承諾，可作結尾定格 承諾 收尾 比喻
Susan LINE 生態協作 漸強上半場影片/a7s320260910_0005.MP4
20 5.0s Susan Wang 王俞蓉 我們非常榮幸，在見證歷史轉型的一個 moment 開場定調句，短而有份量 slogan
21 9.0s Susan Wang 王俞蓉 我本人經歷過了，這算是第三次。第一次是兩千年之前，從傳統媒體跳到有網路跟沒網路的世界 三次典範轉移的立論起手，網路→iPhone→AI 對比 策略
22 13.0s Susan Wang 王俞蓉 現在此時此刻，去年到今年，我們在經歷的是 AI 的改變。有 AI 協作跟沒有 AI 協作之後，它又變得非常非常不一樣 第三次轉變的定義句，與 Jin 的 AI 論述呼應 對比 策略
23 8.0s Susan Wang 王俞蓉 就跟剛剛 Jin 講的，在喝水一樣，你每天是不是要喝水？它就是跟喝水一樣的習慣 接 Jin 的「AI 像水」比喻，兩位講者可以交叉剪 比喻
24 10.0s Susan Wang 王俞蓉 漸強是 LINE Biz-Solutions Tech Partner 的菁英夥伴，而且是連續 5 年的菁英夥伴 LINE 官方對漸強的認證背書，客戶確認頁必留 生態系 數字 承諾
25 7.0s Susan Wang 王俞蓉 這是非常非常不容易的一個成績，現在 LINE 的技術夥伴有 29 家 29 家裡的極少數菁英，數字襯托稀缺性 數字 生態系
26 6.0s Susan Wang 王俞蓉 這是非常非常不容易的，我想漸強是唯一的夥伴，可以做到這樣的一個地步了 LINE 高層口中的「唯一」，最強第三方背書 承諾 生態系
27 7.0s Susan Wang 王俞蓉 我們是兩千兩百萬之於兩千三百萬人口，所以我們密度是非常非常的高的 LINE 台灣滲透率一句話，數字對比清楚 數字 對比
28 6.0s Susan Wang 王俞蓉 它是在整個日常生活裡最龐大的一個對話式的生態系 LINE 生態系的定位句，簡潔 生態系 slogan
29 14.0s Susan Wang 王俞蓉 到去年年底已經來到 340 萬個官方帳號，數量非常可觀，年對年都持續是兩位數的成長 官方帳號規模＋成長率，市場面數字 數字
30 8.0s Susan Wang 王俞蓉 後臺的資料調查實際結果，平均在臺灣每一個使用者大概加了 60 個官方帳號，這是平均數 印象 10 個 vs 實際 60 個，現場互動後的反差數字 數字 對比
31 14.0s Susan Wang 王俞蓉 首先就是資料出發，你手上的品牌一定有你自己本身的會員資料，你一定要牢牢的去做掌握 三方向的第一條：資料出發，給品牌的行動指引 策略
32 13.0s Susan Wang 王俞蓉 到底誰要做？自己做嗎？不太可能，曠日廢時。所以最好的方式就是找到最適合的夥伴，大家一起去加速這整個區域的發展 三方向收束到「找夥伴」，直接替漸強背書的邏輯句 生態系 策略 對比
33 15.0s Susan Wang 王俞蓉 如果基礎建設沒有辦法滿足你的需求，接下來就要有夥伴的角色加入，幫助你的品牌打造更進階的場景 LINE 做基礎、夥伴做進階的分工說明，生態系協作主題核心 生態系 策略
34 10.0s Susan Wang 王俞蓉 賦能到官方帳號上面之後，它就是一個非常好的 touchpoint，可以讓你去面向消費者，因為消費者就在 LINE 上面 官方帳號＝touchpoint 的定位，呼應 One Touch 主題 策略 生態系
35 13.0s Susan Wang 王俞蓉 它加入漸強的 AI 客服功能，透過 AI 處理的訊息量，你看到已經來到了 75% 是 AI 去處理的 居家先生案例的成效數字，客戶案例必留 客戶案例 數字
36 9.0s Susan Wang 王俞蓉 大家回想一下，如果沒有 AI，那你要找多少客服的人去處理這些問題，這是一個非常龐大的工程 案例的反面對比，把 75% 換算成人力想像 對比 客戶案例
37 20.0s Susan Wang 王俞蓉 你就要去慎選夥伴，什麼樣的夥伴可以跟你整合更有效率。按下去所有的平臺都呈現在你面前，對方問你 How can I help you，你就可以把問題丟進去 收尾三步驟的「慎選夥伴」，畫面描述貼合 One Touch 策略 收尾 生態系
38 14.0s Susan Wang 王俞蓉 這三件事情都有辦法做到的話，不管是此時或是未來，一定可以讓你的會員、你的消費者有更驚喜、更不一樣的體驗 結尾收束句，對品牌的承諾 收尾 承諾
Peter 產品總論述 漸強上半場影片/a7s320260910_0005.MP4
39 10.0s Peter 可是心中大家一定有一個疑惑，特別你是主管，你想說到底部門或是公司的績效有沒有因此提升 主管視角的核心痛點，全場開題句 痛點
40 9.0s Peter 麥肯錫有一個研究，大概有三分之二的公司導入 agent，但是卻只有百分之十的公司說我的成效真的有提升 外部權威數字，2/3 vs 10% 的落差直接立論 數字 痛點
41 5.0s Peter 原因很簡單，就是因為 AI 很聰明，但是他還不瞭解你的工作場景 一句話點破問題根源，可當全片主軸句 slogan 痛點
42 9.0s Peter 這不是 AI 不聰明，而是說他沒有你公司組織最新最完整的資訊，我們把它叫做 context 定義 context 這個全場關鍵詞 產品 策略
43 14.0s Peter AI 要能夠真正的發揮效果，創造出商業價值，除了 AI 本身之外，有三個很重要的元素，第一，他必須要掌握你企業的 context 三要素框架的起手，全場產品邏輯總綱 策略 產品
44 17.0s Peter agent 不是光回答問題，他還要能夠完整的幫你執行任務，譬如幫你查詢會員資料庫、幫你退貨退款，把這些全部串起來，才能真正的創造商業的成果 從回答到執行的產品承諾，有具體例子 承諾 產品
45 11.0s Peter 最近半年我們看到跑在比較前面的企業，已經在把 AI agent 進行一些跨部門的工作 點出趨勢第三階段，鋪陳 Agent Lab 的必要性 策略
46 14.0s Peter 當你真的把 Agent 進行跨部門合作的時候，問題就立刻出來了，這些不同部門的 Agent 要怎麼協作、要怎麼管理 治理痛點的提問，直接接 Maggie 段 痛點 策略
Jean MAAC 漸強上半場影片/a7s320260910_0005.MP4
47 9.0s Jean 欸這道理我都懂，但是就是不會做，所以接下來這個環節我們就不打高空，帶大家直接來看 接 Peter 的轉場，口語親切有節奏 痛點
48 11.0s Jean AI 幫我們把分析產得更多更快，也幫我們把內容產得更多更快，分眾也分得更多更快，那行銷人的加班時間也更多更多 排比反轉的行銷人痛點，笑點與共鳴兼具 痛點 對比
49 6.0s Jean AI 幫我們加速，但是我們的決策方式沒有改變，成效就跟不上 6 秒點出問題本質 痛點 slogan
50 9.0s Jean 當他們進入到我們的工作流程中，他就會成為我們越用越懂我們的 AI 神隊友 DAAC＋MAAC 的一句話定位，「AI 神隊友」好記 產品 比喻
51 5.0s Jean 透過 Agent 找到對的人，我們可以達到過去平均 6 倍的轉換率 核心成效數字，5 秒乾淨（後面「語法怪怪的」自嘲要切掉） 數字 客戶案例
52 15.0s Jean 購買的人有八成是買了他們過去從來沒有買過的新商品，也就是說優惠只是催化劑，真正的成長引擎我們是靠找對受眾 八成數字＋催化劑／引擎比喻，可拆 3815.72 起只取後半 數字 比喻 策略
53 9.0s Jean 成效已經不再是一個報表數字拿來檢討我們的東西，而是可以直接去改寫到下一波的指標 以前 vs 現在的成效觀轉換 對比 產品
54 8.0s Jean 每一檔開始我們都會站在前一檔的成果上面去做判斷跟決策，那這就是越用越懂你的行銷 Agent Playbook 閉環收尾句 產品 收尾
69 8.0s Jean 先簡單跟大家說明一下什麼是 MCP，在 AI 世界裡可以理解它就是一個 Type-C 介面 MAAC MCP 新功能的比喻，一聽就懂 比喻 產品
70 8.0s Jean 這些權限、高風險動作跟核准記錄全部都會由 MAAC 來把關，我們不會繞過企業的資安防線 資安承諾，企業客戶最在意 承諾 產品
71 7.0s Jean 過去我們會追著 AI 請他給我們答案，現在 AI 會主動來找我們，請我們做決定 以前 vs 現在最精煉的對比句 對比 slogan
72 7.0s Jean 所有繁瑣複雜的工作我們交給 Agent，把真正重要的判斷留給行銷人 Jean 段收尾金句，可與上一條連剪 slogan 收尾
Paris 全電商證言 漸強上半場影片/a7s320260910_0005.MP4
55 8.0s Paris（全聯 全電商） 我們非常晚期加入電商的市場，所以我沒有把全電商當作一個電商在經營，它其實是一個 Data Center 的概念 客戶定位自述，反差開場 客戶案例 策略
56 11.0s Paris（全聯 全電商） 既然你要做 Data Center，基本上就是要有一個非常好的 Partner，幫你做 AI 裡面的演算、資料的清洗到落地 客戶親口說需要好的 Partner，直接背書 客戶案例 承諾
57 7.0s Paris（全聯 全電商） 你直接去問 GPT 說，你幫我比較現在蛋黃酥哪個糖分最低，你就會改變你的消費決策 消費決策改變的生活化例子，蛋黃酥有畫面 比喻 痛點
58 7.0s Paris（全聯 全電商） 過去真的就是資訊單一、也不夠迅速，所以我們的行銷人真的是拍腦袋做決定 「拍腦袋做決定」痛點，客戶說出來比廠商說有力 痛點 客戶案例
59 10.0s Paris（全聯 全電商） 但問題是他會離職，他個人的喜好會改變他的決策，也會有資深資淺的問題，所以其實我只相信資料，因為資料會說話 「我只相信資料，資料會說話」客戶信念句 slogan 客戶案例
60 5.0s Paris（全聯 全電商） 全聯的 PX Pay 自己有個 App，那邊有 1500 萬到 2000 萬的會員 客戶量體數字，凸顯案例規模 數字 客戶案例
61 10.0s Paris（全聯 全電商） first data 再加上在跟漸強的 LINE 互動裡面它的對話是什麼，由這些資料的足跡來做 360 度的交叉比對 客戶描述與漸強合作的實際做法 客戶案例 產品
62 4.0s Paris（全聯 全電商） 我是真的很認真的跟大家講，換一個通路，真的就要換一個腦袋 4 秒金句，語氣真誠有力 slogan 客戶案例
63 8.0s Paris（全聯 全電商） 資料會說話來決定你的消費決策，而不是用我們自己從 brand side 的角度或 platform side 的角度 資料驅動 vs 主觀判斷的對比 對比 策略
64 7.0s Paris（全聯 全電商） 你會發現有 75% 的顧客在做首購的時候，他是在做跨品類的首購 客戶自己公布的成效數字 數字 客戶案例
65 11.0s Paris（全聯 全電商） 你有辦法利用這樣的工具看到他的潛在需求而主動遞送，這才是 AI 的功能，AI 的功能絕對不是走 tracker，那太 low 了 客戶定義 AI 該做什麼，「太 low 了」有性格 客戶案例 對比
66 11.0s Paris（全聯 全電商） 你不可能永遠在舊的池子裡面只做你的舊會員，新的觸及、首購，還有發現他不同的需求跟切點，這才是漸強工具幫我們最大的一個切點 客戶點名漸強工具帶來的最大價值 客戶案例 承諾
67 11.0s Paris（全聯 全電商） 你知道你喜歡某個品牌的花生醬，但花生醬要一下跳躍到他會買這個品牌的雨刷，這真的還蠻跳躍的，所以還是要用 AI 演算 花生醬到雨刷的跨品類比喻，好記好剪 比喻 客戶案例
68 7.0s Paris（全聯 全電商） 跟我們持續的用這個 Data Center 創造更好的業績，也要創造更好的數位生態圈 客戶段收尾，正向展望合作 收尾 客戶案例
Lydia CAAC 銷售 漸強上半場影片/a7s320260910_0005.MP4
73 5.0s Lydia 顧客他想買的念頭，我們看到他想買的那個當下，可能不是你正在上班的時候 銷售場景痛點一句話 痛點
74 12.0s Lydia One Touch for sales，從點選到對話，從對話到成交，我們如何穩穩的接住這每一個想購買的念頭 段落 slogan，呼應主題 One Touch slogan 產品
75 11.0s Lydia 點完廣告，品牌沒有和顧客有下一次的互動機會，或是在首次回應的時候，我們錯過了最佳黃金跟進的時機 廣告到對話斷鏈的具體痛點 痛點
76 7.0s Lydia 企業真正缺的其實是一個懂你銷售場景、而且瞭解你顧客背景的 AI agent CAAC Sales Agent 的一句話定義 產品 slogan
77 11.0s Lydia 今年 Google 的廣告也正式接上了 LINE，而漸強實驗室是全臺灣第一家合作廣告點選以及對話的技術合作夥伴 「全臺灣第一家」重磅訊息 承諾 數字 產品
78 7.0s Lydia AI Agent 也可以及時的幫你接住第一句話，順手先把一些該問的問題問完 深夜進線場景的產品能力，口語清楚 產品 承諾
79 12.0s Lydia 當業務早上起床開啟電腦的時候，不再只是看到一則未讀訊息，而是一個 AI 幫他整理好的完整資訊 以前 vs 現在的畫面感對比 對比 產品
80 8.0s Lydia 把這些非結構化的對話轉換成結構化的資訊欄位，並且自動存回企業的 CRM 對話資料資產化的核心功能 產品
81 8.0s Lydia 漸強實驗室的價值在於打破企業之間的資訊壁壘，讓對話不再只是對話，而是能夠成為行銷成效以及業務成交的重點關鍵 「讓對話不再只是對話」品牌價值句 slogan 承諾
82 8.0s Lydia 成交從來都不是品牌與顧客關係的終點，真正重要的是在這之後我們如何持續讓顧客留下來 銷售段收尾，自然接客服段 收尾 策略
Jess CAAC 客服 漸強上半場影片/a7s320260910_0005.MP4
83 10.0s Jess 真的讓消費者決定我下一次還要不要再回來、要不要再繼續相信你的，其實是售後服務這個階段 客服段開題，定位售後的重要性 策略 痛點
84 10.0s Jess 一句話就是，我想要讓那個一模一樣的客服團隊，接下來可以做更多並且品質更好的服務 客服場景商業目標一句話 承諾 slogan
85 10.0s Jess 客服的工作流程其實很像一座冰山，通常都只會看到冰山上面的東西，也就是你的訊息回的快不快 冰山比喻，段落主視覺 比喻
86 5.0s Jess 最常被忽略的冰山下面的這些東西，往往才是決定你的客服品質怎麼樣的關鍵 冰山比喻的下半句，可與上一條連剪 比喻 痛點
87 10.0s Jess 一個消費者的訊息進來了，整間公司有超級多的人都試著在找正確答案，我們都知道正確答案一定在公司裡啊，但不知道在哪裡 救火現場的痛點描述，共鳴度高 痛點
88 6.0s Jess 當客服真的面對的是雪片般飛來的問題，你真的還有時間還有能力來沉澱這些知識嗎 反問句收痛點 痛點
89 12.0s Jess MoveFree 在找的不是一個單純會講話的 AI agent，他在找的其實是一個可以傳遞 MoveFree 品牌價值、並且按照 MoveFree 的想像跟定義來行為的 AI agent MoveFree 案例的需求定義 客戶案例 產品
90 12.2s Jess 確認我們的說法是否合規，最後最重要的就是把客戶最在意的優惠推到他的面前，這整套流程原本要 15 到 60 分鐘，現在只需要 3 分鐘 MoveFree 案例成效數字：60 分鐘變 3 分鐘 數字 客戶案例 對比
91 11.6s Jess 不只是速度的問題，更重要的是 AI agent 依照你企業所定義的方式來行為，而不是自己開始胡思亂想或是脫稿演出 可控性承諾，「脫稿演出」好記 承諾 產品
92 7.2s Jess 每一個客服單獨學會了，其實不代表企業學會了，存在個人的腦子裡面其實是不夠的 改善面的核心洞察 痛點 策略
93 4.4s Jess 最後一鍵更新，AI Agent 就是你最新企業流程的樣子 4 秒產品承諾 承諾 產品
94 6.8s Jess 這其實就是一個可以讓你的企業服務能力持續升級的運轉飛輪 執行＋改善的飛輪比喻收尾 比喻 收尾
Maggie CL Agent Platform 漸強上半場影片/a7s320260910_0005.MP4
95 7.7s Maggie AI 已經不是存在於我們對話框裡面回答我們問題了，而是真正的走進我們企業的工作流為我們工作 承接前三段的總結句 對比 策略
96 6.7s Maggie 你們公司就將不會只有三支 agent，有可能變成二十支、五十支甚至一百支 治理問題的規模鋪陳 數字 痛點
97 13.8s Maggie 就像我們公司請來了 100 位的明星球員，單看每一個都非常的強，但企業想要的從來不是更多的明星球員，我們想要的是大家聚在一起到底能不能一起贏球 明星球員比喻，段落主軸（略長，可從 6305.38 起剪） 比喻 策略
98 9.5s Maggie Frankie 他每個月的成本大概是五千多美金，但是他可以換回大概一萬五千多美金的人力價值，所以他的 Cost ROI 是 2.9 倍 內部數位員工 ROI 實證數字 數字 客戶案例
99 11.9s Maggie DAAC 告訴我們，一隻做成功的 agent，我們應該可以留下他背後的能力；Frankie 告訴我們，只要 agent 開始為我們工作，我們應該要把執行的邊界說清楚 兩個發現＝Agent Lab 的設計原點 策略 產品
100 4.8s Maggie 讓企業的創新可以分散，但治理可以被收斂 Agent Lab 的 5 秒 slogan slogan 產品
101 10.8s Maggie 要很清楚的定義四件事情：誰正在使用它、它可以讀取什麼資料、它可以執行什麼動作、有哪些還要再交給人做決策 治理四問，跨部門權限的具體框架 產品 策略
102 13.4s Maggie AI agent 今年的處理量已經成長了 9.4 倍，但整體使用 AI 的成本並沒有大幅增加，甚至每次平均使用 AI 的成本還下降了 52% Uber 外部數據佐證成本治理（略長，可取後半） 數字 策略
103 7.1s Maggie 現在在 AI 的時代，AI 不一定是增加一筆新的預算，它有可能是重新分配你們現在 IT 預算的邏輯 對老闆說話的預算觀點 策略 對比
104 5.8s Maggie agent 可以越來越多，但我們要 scale 的應該是我們企業能夠累積的能力，而不是複雜度 Maggie 段收尾金句，6 秒 slogan 收尾
Peter 產品收尾 漸強上半場影片/a7s320260910_0005.MP4
105 5.2s Peter 千萬不要讓你的組織圖限制了你的 Agent 的發展 Peter 收尾段最強金句，5 秒獨立成立 slogan 收尾
106 10.2s Peter AI Agent 絕對不只是會回答簡單的問題，它已經可以處理複雜、很長的營運上的挑戰 收尾總結產品能力躍升 承諾 收尾
107 7.8s Peter 透過這樣的一個 One Touch，可以把智慧 Intelligence 變成各位最重視的商業成果 Business Outcome 呼應活動主題 Intelligence in One Touch，全片結尾首選 slogan 收尾
Kiki 下半場開場 漸強下半影片/a7s320260910_0001.MP4
108 12.4s Kiki（主持人） 第一句話，通用 AI 人人都能取用，但是要變成真正的 Business Outcome，關鍵是加入你公司的脈絡資料還有工作的流程 上半場三句總結第一句，可直接當精華片開場字卡 slogan 策略
109 12.9s Kiki（主持人） 第二句話，Agent 時代的下一步，不僅僅只是每一個部門變得聰明，而是打破部門跟部門之間的藩籬，讓 AI 被組織統一的管理 三句總結第二句，點出跨部門治理主軸（56.28 處有重複雜訊，剪時跳過） slogan 策略
110 13.2s Kiki（主持人） 第三句話，Intelligence in One Touch，讓 Agent 一連串串聯所有的任務，並且走進每一個商業的場景當中，進入企業真正的帶回 ROI 活動主題句本人，精華片標題落點 slogan 產品
111 13.2s Kiki（主持人） AI 不僅僅只是漸強拿出來賣給客戶的產品，而是我們每天都在使用、每天都在磨、每天都在導入的一套實踐 自家 AI-first 影片後的收束句，展現漸強自己先做到的可信度 承諾 產品
Panel 1 企業 AI 零到一 漸強下半影片/a7s320260910_0001.MP4
112 15.9s Julie（巨匠） 剛好今年政府有一個不錯的補助計劃案，透過這個計劃案，可以有機會導入我們全省分校的 AI 應用 客戶說明啟動契機，具體到政府補助＋全省分校規模 客戶案例 策略
113 11.0s KJ（Google Cloud） 從過去用每一季三個月來算，到後來是 month，到了今年在 Google 內部已經到 weeks，每週都有新的模型版本迭代出來 模型迭代速度季→月→週，Google 內部視角數字 數字 對比
114 14.0s Henry（昕力） 我們在跟企業溝通的時候，不管是總經理或數位長，很少一開始就切入你是要雲或地，還是回到你企業的策略是什麼 雲地之爭回到企業策略，顧問視角定調 策略 對比
115 16.0s Julie（巨匠） 我們累積了將近 40 年自己學員的資料庫，就是我們專屬的 CRM，在導入 AI 的過程當中，開始陸續建立我們自己的資料中台 40 年資料資產＋資料中台，數字與行動都有 客戶案例 數字
116 19.0s Julie（巨匠） 我們會把這些東西串回到我們家自己的 CRM 裡頭，去讓 AI 讀懂這些資料，讓有需求的學員能透過 AI 的服務介面快速的問問題、找到他的需求 具體場景：第一方＋第三方資料串回 CRM 給 AI 讀 客戶案例 產品
117 18.0s Julie（巨匠） 讓我們全省分校的課程顧問師或服務人員，快速的了解學員的需求是什麼，也幫助我們在營運管理上快速了解整個客戶的全面樣貌 前線人員＋營運管理雙受益，客戶端價值描述 客戶案例 策略
118 10.0s KJ（Google Cloud） First party 的 data 真的是很重要，你要讓一個 agent 能夠懂你，而不是一個 generalist，最大因素就在於你的 first party data 呼應漸強「公司脈絡資料」主軸，平台方背書 策略 生態系
119 14.0s KJ（Google Cloud） 當你的 scale 小的時候，土法煉鋼是可以 work 的，但當你的 scale 慢慢擴大，甚至要擴到海外去的時候，土法煉鋼有時候會限制你的成長 土法煉鋼 vs 平台，金句式對比 比喻 對比 策略
120 3.0s Henry（昕力） 我覺得變得很簡單，但好貴 3 秒 punchline，導入是簡單還是貴的最短答案 痛點 對比
121 8.0s Henry（昕力） 從員工個人到老闆自己跳下去用的門檻變得很低，但是如果你沒有想清楚，後面會變得非常非常的貴 門檻低 vs 後面貴，成本警示對比句 痛點 對比
122 18.0s Julie（巨匠） 我認為它是貴的，非常的貴。但如果我們全省分校的人員都可以有效運用這個系統，把 AI 花出去的錢變成業務成長的動力，它也不能說是貴 貴不貴的正反轉折，客戶最誠實的一句，18 秒可剪頭尾 客戶案例 對比 痛點
123 6.0s Julie（巨匠） 比較容易卡關的，就是人員對於 AI 應用上面的認知差距 一句點出導入最大痛點，短而準 痛點 客戶案例
124 12.0s Julie（巨匠） 因為這段時間有漸強的夥伴一直不斷的輔導我們，其實也讓我們很快速的導入，而且現在運用的也還蠻不錯的 客戶對漸強的直接證言，精華片必收 客戶案例 承諾
125 11.0s KJ（Google Cloud） 透過 agent 的方式，讓非技術的人員可以透過自然語言對話的方式，access 你整個公司內部所有的資料 非技術人員用自然語言存取全公司資料，One Touch 概念具象化 產品 策略
126 14.0s KJ（Google Cloud） 如果今天你有 50 個 engineer，在一天之內都跟你做一樣的事情，沒有做控管的話，負責財務的那個人第二天看到帳單可能會嚇一跳 帳單嚇一跳，有笑點的成本警示 痛點 比喻 數字
127 15.0s Henry（昕力） 已經到了第六個月了，大家用得很開心，才回頭發現，噢架構好像怪怪的，那個時候的成本其實非常高 多頭馬車後果的具體情境，有畫面 痛點 客戶案例
128 13.0s Henry（昕力） 各位要找一個專家，這個專家必須要有很開放的心態，可以把跨業生態系的優勢做整合，而不是只侷限於自己的公司 找專家的標準＝生態系整合，鋪墊點名漸強 生態系 策略
129 12.0s Henry（昕力） 所以像漸強、像昕力、Google、LINE，都是非常適合的，找對專家比較不會讓各位在一個錯誤的路上面狂奔 第三方顧問點名漸強＋LINE 生態系，精華片可收 生態系 承諾
130 14.0s Henry（昕力） 我要怎麼讓 AI 這個員工部隊進到我的企業，我的人應該怎麼跟這個 AI 互動，當這個先想清楚之後，你的下一步就會非常非常的明確 AI 員工部隊比喻，高階主管思考框架 比喻 策略
131 11.0s KJ（Google Cloud） 第一件要做的就是改變你們公司每個人用 AI 的文化，bottom up，先讓每一個人在個人的生產力上找到 AI agent 能夠幫他的方式 明天就導入的第一步：bottom up 文化 策略 收尾
132 13.0s KJ（Google Cloud） 當他找到他真的 value 的時候，有時候員工你不需要去 push 他去用，他自己就會去宣傳說有很多好用的東西在上面 員工自發傳播，導入心法金句 策略 比喻
133 12.0s Julie（巨匠） 很重要的一個點就是人員的訓練跟凝聚共識，然後要非常明確的知道，你們導入 AI 的目的性到底要先以什麼為主 給老闆的建議：人＋目的，金句式收尾 策略 收尾
134 13.0s Julie（巨匠） 透過 AI 告訴我們，業務把電腦一開啟，就可以看到他今天的客戶有誰、客戶長什麼樣子、曾經在哪裡看過我們的資訊、他的需求是什麼 最具象的理想場景描述，畫面感強適合配 B-roll 客戶案例 產品
135 17.0s Maggie（主持） 從人的部分重塑我們的工作流，從平台的角度找到企業想要實現的場景，成本也要估算一下，找對的人找對的專家聊一聊，就是你們應該做的事 Panel 1 主持收束四步，可當段落過場 收尾 策略
Panel 2 觸點到資產 漸強下半影片/a7s320260910_0001.MP4
136 14.0s Tina（城市家居） 所有的資料都直接留在銷售人員身上，他的對話紀錄啊、LINE 啊，可是人員一走、流失掉之後，這些訊息我們並沒有辦法有效的留下來 導入前痛點：資料隨人走，觸點沒變資產的最佳例證 客戶案例 痛點
137 11.0s Tina（城市家居） 早期都會寫紙本的問卷調查，所有的資料回到總部，又要花人力去做統計分析，實際上那個是非常非常耗時的 導入前紙本作業場景，對比感強 客戶案例 痛點 對比
138 13.0s Tina（城市家居） 才會導致到說，欸不對喔，我們現在要趕快進入線上這一塊，所以在去年年底，我們才成立了一個新的電商平台 轉型決策的轉折點，口語自然 客戶案例 策略
139 13.0s Tina（城市家居） 還好我們的團隊能力實力也夠強，短短半年左右的時間，我們就可以直接在網路上面先把產品上架了 半年上線的具體成果數字 客戶案例 數字
140 9.0s Liwei（SHOPLINE） 線上跟線下，它就是一個天然不同的消費場景，線上天然的就是短平快，線下我們講究的就是體驗 OMO 基本觀念一句定義 對比 策略
141 12.0s Liwei（SHOPLINE） 線上跟線下你不要期待它是照搬，它本來就不一樣，所以第一步應該是先把線上線下各自做好，各自做好後才完成搭橋的動作 先各自做好再搭橋，方法論金句 策略 比喻
142 11.0s Liwei（SHOPLINE） 因為有像漸強這樣的服務、有像 LINE 這樣的服務，現在已經有更好的能力，能夠在進站的時候就讓消費者留下數位足跡 通路平台點名漸強＋LINE，直接肯定 生態系 承諾
143 8.0s Liwei（SHOPLINE） LINE 還在增長，所以可以驗證的是，消費者對於 LINE 的信任度是夠的，所以他願意用 LINE 這個帳號去登入 SHOPLINE 平台數據背書 LINE 登入趨勢 數字 生態系
144 12.0s Scott（Merkle） 資料留下來是一回事，但留到對的資料是另外一回事，你要在不同的場景裡設計你的體驗流程，逐步留下對你有用的資訊 對的資料 vs 資料，顧問視角的關鍵區分 對比 策略
145 9.0s Scott（Merkle） 第一方資料事實上是未來各位品牌的資料資產，這些資產怎麼樣能夠正確的留存，未來才會有正確應用的可能性 「觸點到資產」主題句，直接扣題 slogan 策略
146 12.0s Tina（城市家居） 我們就會去尋找之前的一些客戶，比如說發簡訊、門市人員 Call 客，把這些客人 Call 回來之後，請他直接加我們的 LINE@ 舊客回收到 LINE 官方帳號的實際做法，LINE 生態系落地 客戶案例 生態系
147 12.0s Liwei（SHOPLINE） 透過線上更高頻的去接觸到使用者，讓他理解這個品牌，這也是傳統線下大型低頻消費品牌去做線上最大的價值 直接回答城市家居這類低頻高單價品牌為何要做線上 策略 客戶案例
148 7.0s Scott（Merkle） 把握這三個步驟，從前面的 AI Ready，到 Data Readiness，到最後我們要去談整體的 AI Governance 三步驟框架一句收，字卡友善 策略 收尾
149 15.0s Tina（城市家居） 透過 LINE 的一些對話，因為我們有蒐集到客戶的訊息，我們就會知道消費者現在真正想要的家具材質、顏色，或者是什麼樣的偏好 LINE 對話資料反饋到採購決策，資料變資產實例 客戶案例 生態系 產品
150 11.0s Tina（城市家居） 而不是說照以往到國外去看，新品進來之後，有時候根本就不是客戶想要的，可能會造成一些庫存滯銷 導入前採購失真痛點，接上一條成對比 客戶案例 痛點 對比
151 14.0s Liwei（SHOPLINE） 所有最後做出 submit 的動作、送出做決定的動作，請保持用人去做。那讓 AI 做什麼呢？做你最討厭的、那些很重複性的工作 Human in the loop 白話版，全場最好記的一句 slogan 策略
152 13.0s Liwei（SHOPLINE） 只要有 AI 的存在，人機協作是永遠的課題，飛機自動駕駛到現在都還在處理人機協作的問題 飛機自動駕駛比喻，三到五年展望金句 比喻 策略
153 9.0s Scott（Merkle） 可是大家有沒有想過，有這麼多個性化的時候，你到底是用工人智慧，還是用人工智慧在做這件事情 工人智慧 vs 人工智慧諧音梗，現場笑點 比喻 對比
154 12.0s Scott（Merkle） 在座很多老闆也在現場，其實老闆很需要幫忙，老闆需要幫忙的是 decision experience，你怎麼看報表、怎麼確保決策是對的、資料是對的 對台下決策者喊話，DX 概念 痛點 策略
155 9.0s Scott（Merkle） 光部門跟部門之間、人跟人之間都會有問題了，你要怎麼去相信一堆 AI 之間一起協作這件事情 Agent Experience 的提問，呼應開場「打破部門藩籬」 比喻 策略
156 12.0s Scott（Merkle） 簡單來講我覺得是體驗的提升，從基本的 UX 到 EX、到 DX，再到所謂的 AX，體驗這個議題會是未來很重要的關鍵趨勢 UX→EX→DX→AX 四層總結，Panel 2 展望收尾 策略 收尾
157 14.0s Tina（城市家居） 他不需要再回到門市，就可以直接線上做下單簽單，包含後續的部分都可以在線上完成，不需要再讓客戶多跑一趟 未來三到五年的具體期望場景，OMO 落地 客戶案例 承諾
158 7.0s Tina（城市家居） 雖然我們是屬於家具的產業，那我們希望能夠漸漸的去改變客戶的一個消費習性 客戶自己的結語，傳統產業轉型宣言 客戶案例 收尾
Kiki 結語 漸強下半影片/a7s320260910_0001.MP4
159 8.0s Kiki（主持人） 從對話當中我們可以清楚的看到，其實顧客資產從來就不只是只屬於行銷部門 結語第一句，把 Panel 2 主題拉回全公司層級 收尾 策略
160 12.0s Kiki（主持人） One Touch 並不只是一個導入的新系統，而是把通用 AI 還有你公司中的知識跟流程，串成一條線 全片核心定義句，最適合當 ending 字卡 slogan 產品 收尾
161 6.0s Kiki（主持人） 先創造了更多的需求，再把需求變成成交，最後留住客人，當然也要越做越聰明 需求→成交→留客→變聰明，四拍節奏可配動態字卡 slogan 收尾