資料與AI系統整合公司炬識科技花費3年,從技術工程導向公司轉型資料庫顧問服務公司,今年一舉拿下一家大型台灣金控知識管理顧問合約,不賣產品,純粹賣「授信工作資料標準」,鎖定非結構資料庫與使用者之間稀缺的專業人力商機,這家「台版埃森哲(Accenture)」公司力拚2026年上半登錄創櫃板。
一位金融業授信工作新進人員,如何在進入工作崗位後,能透過內部一套生成式AI驅動的知識管理系統,利用問答方式,瞭解公司對授信流程的處理流程與要求規範?炬識科技今年攜手HPE,替一家大型金控業者建置知識管理系統,預計今年12月結案,這是炬識科技第一次不賣任何產品,單純賣「知識管理顧問合約」方式賺收入。
「我們會把資料分為Data(數據資料)、information(資訊)、Knowledge(知識)跟Intelligence(智慧)」,台灣過去20年幾乎沒有為了AI而存在的知識管理案子!」炬識科技創辦人暨總經理顏良修興奮地說,這應該是第一個Knowledge管理案例。
生成式AI的問世,讓企業知識管理應用加速發展,過去,這類工程必須靠大量工程師針對不同行業寫大量程式,但現在只要知道客戶需求跟商業邏輯,資料標準就讓AI去寫程式,降低企業的知識管理門檻。而對金融業生態有足夠深入瞭解,讓炬識科技得以打入金融業高牆。
連續創業三次,顏良修過去曾在矽谷服務,她表示,軟體產品的設計非常困難,而最難的是「設計產品」的思路,而不在於程式碼如何撰寫,產品設計思路也意味必須具備該領域長期累積的知識,比方金融業資料運用痛點及如何解決,現在的挑戰在於如何跟客戶討論所需商業場景要哪些資料解決處理?寫程式反而在生成式AI幫助下已不是問題。
顏良修透過拿下金控業知識管理顧問大案,也意味炬識3年轉型有成,已成為台灣少數專注資料治理落地的顧問服務公司。
台灣軟體人力稀缺,根據104人力銀行平台統計,職缺跟求職人力比為3比1,而資料庫工程師更不足,可能是10比1。隨企業採用生成式AI應用意願大幅提昇,大型企業對如何管理善用結構化跟非結構化資料庫數據感到困擾,缺乏長期的資料治理規劃,看準此商機,顏良修在3年前積極帶領團隊再轉型,
炬識成立於2015年,最初是專注於資料庫和系統建設的IT公司,2020年公司轉型為數據公司,2022年起,再轉型為顧問服務暨系統整合(SI)商,顏良修表示,今年初內部正式成立資料顧問部門,算是成功轉型從工程導向改為顧問導向。
炬識14日發表全新資料管理系統 Athemaster MetaRoots,這是一套模組化產品系統,可以加速幫助客戶建立資料庫管理,從過去要花3個月幫客戶建置客製化資料庫治理系統,到現在一個月或半個月就能建置,縮短時間之外,也減少10∼12人力參與。
根據炬識科技觀察,台灣企業在資料治理推進上主要面臨三大挑戰,包含資料人才稀缺、缺乏兼具資料工程與治理顧問能力的複合型團隊,以及受產業結構影響,長期性治理工作的優先順序相對偏低。
炬識主管坦言,過去大型企業的資料治理都偏向「合規需求」而建置,主要是符合管理者需要,但真正使用者(內部開發者)並不易使用,不是功能龐雜,就是資料很抽象,不夠詳細,舉例來說,「地址」到底是客戶地址還是供應商地址,「用戶」是使用者名稱或帳戶名稱等等。
另外,法規嚴格要求行業如金融業,不許可讓系統開發者接觸真實資料,資料庫開發測試也面臨考驗,資料庫驗證上也充滿挑戰,過去埋在數萬行資料庫程式碼中,如今他們透過分拆驗證碼方式化解修改難題。
資料治理需要資料庫工程師(DBA),該角色需能同時瞭解資料庫IT與業務需求,人才培養不易,顏良修舉例,一位工程師要轉型為資料科學專家,大概至少要1年時間。
而炬識科技最擅長便是非結構化資料庫管理,對於如何集中、梳理非結構化資料,並將其知識化以供 AI 使用提供顧問服務,顏良修指出,目前台灣十大金控中已拿到3家合作案,除一家金控要建立金融授信知識管理顧問,另外也取得一家證券業資料驅動藍圖規劃3年合約。
炬識預估2026年首季會完成創櫃板登錄,目前進入輔導期。「我們有研發產品,但我們是系統整合商,不是產品公司。我們主要是服務生意。」顏良修指出,企業從資料治理走向實用充滿挑戰,炬識是少數台灣具分散式系統和平行運算框架(SPARK)技術團隊,故也是Google在台灣的少數Spark serverless研討會受邀夥伴。