因此，信義房屋很早就意識到，AI必須與數據深度結合，才能創造核心競爭力。
2021年開始建立數據中台，奠定AI應用基礎；2022年底生成式AI浪潮來臨，才得以快速開發出「AI智能配案」「不動產廣告AI審查」等服務。
張玄江將分享，房仲業如何從數據中台出發，逐步建立AI應用能力，以及他對2026年AI發展趨勢的觀察與建議。
【我的預測】多模態AI將重塑企業的資料競爭力。當生成式AI讓圖像、影音、文字都能被電腦讀懂，企業能蒐集的資料維度將大幅擴張，進而實現更精準的需求預測與個人化服務。
【我們正在做】透過數據中台與AI應用同步推進，開發「AI智能配案」服務，提升業務帶客戶看房的成交轉換率。對內，打造聊天機器人「義點通」，協助同仁即時查詢稅務與實價登錄資訊，兼顧實用性與風險控管。
【我的建議】企業推動AI時，先不要急著追逐最熱門的技術，而是回到三個最基本的問題：技術上做不做得到、做出來有沒有人願意用、能不能帶來可衡量的商業價值。
趨勢一：多模態AI，讓資料豐富化、預測需求更精準
企業應思考如何應用多模態AI指能同時處理文字、圖像、影片、語音等資料的AI系統。創造競爭優勢。
以信義房屋為例，過去蒐集的物件資料僅限於幾房幾廳、樓層等結構化資訊；現在，生成式AI能直接判讀房屋照片，自動轉換成「採光明亮、格局方正、暗房明廳」這樣的文字描述，大幅增加資料的豐富度。
當資料維度愈廣，對消費者喜好的掌握就愈全面——不只知道偏好的房型與樓層，也能清楚描繪對理想住所的想像，讓房仲推薦更合適的物件。
「AI智能配案」正是一個具體成果：以大數據比對買方偏好，業務帶看後，客戶下斡旋的轉換率提升近三成，最終成交高出二成，智能推薦點擊率更較過去提升200%。
多模態AI也讓服務內容更多元。客戶不只能看照片，還能瀏覽影音、3D模擬格局；我們開發的「AI一鍵清除雜物」功能，能自動移除照片中的雜亂物品，讓物件展示更乾淨專業。
對企業來說，多模態AI最大的價值，在於讓數據應用有更多可能，進而創造真正看得見的商業成果。
信義房屋以多模態AI開發出貼近使用者需求的服務，提升實質商業成果。圖片來源：截自信義房屋官網
趨勢二：擁抱AI代理，先從盤點流程開始
AI Agent是2026年最受關注的技術趨勢之一。尤其是OpenClaw發布AI Agent開源平台後，各界開始討論：能否讓AI自動完成一整串繁瑣任務，真正解放人力？
我認為，AI Agent能不能發揮作用，關鍵不在技術，而在於是否釐清工作流程。唯有把一項任務的Input、Output與中間步驟梳理清楚，才能判斷哪些環節適合交給AI處理。
因此，企業擁抱Agent應盤點三個步驟：第一，盤點內部流程；第二，找出影響最大的關鍵任務；第三，判斷哪些步驟可交給AI。
值得注意的是，許多流程優化並不需要動用Agent，Power Automate（微軟工作流程自動化平台）等自動化工具，就能處理大量重複性任務、串接跨系統流程，同樣能省下工時。
信義房屋就透過自動化工具讀取物件照片與描述，直接產出派送DM供經紀人使用，省去人工整理的時間。
等到流程成熟、資料與系統串接更完整後，再進一步評估是否導入AI Agent。
此時，企業就要規劃AI Agent的權限範圍、管理機制，才能在提升效率的同時，降低資安與風險控管問題。
行動一：數據中台與AI應用同步建構，創造競爭優勢
隨著導入AI的門檻大幅下降，大型語言模型與生成式AI工具幾乎人人可買、人人可用，企業若只是單純導入通用工具，和競爭對手之間的差距其實不大。
真正的差異，應該回到企業手上的資料、流程與商業know-how。
這也帶出了一個兩難：該先建好資料平台，還是直接上線AI應用、快速驗證成效？這就像蓋房子，先買家具看起來漂亮，日後才發現電路不足，重拉管線反而更麻煩；但光拉管線，又無法創造立即可見的績效。
信義房屋的做法是「邊做邊走」「小步快跑」，數據應用單位要跟IT合作，先產出幾個簡單的AI服務，知道公司需要怎樣規格的平台來支持服務後，再架設數據中台。前期會需要兩邊同時作業。
在組織面，我建議不要外包AI應用專案。
因為，外部團隊難深入理解企業組織文化、資料結構與商業模式，容易做出「能展示、難落地」的成果；後續的資料清理、流程改造與服務迭代也往往無人承接，無法培養人才。
信義房屋透過轉型辦公室，引進外部人才融入內部團隊，共同開發數據中台與AI應用服務；並在條件成熟後正式成立「AI數據應用發展部」，確保服務能夠永續運作。
AI從來不是「買工具」就能完成的事，而是一條需要內部持續參與、不斷修正的長期路徑。
行動二：別讓AI找事做，讓AI解決最重要的事
生成式AI興起後，客服聊天機器人成為企業最熱門的應用之一；例如房仲業者打造「找房機器人」，希望讓客戶透過對話快速找到適合的物件。
但我們的出發點不是先問「這項技術可以做出什麼應用」，而是先思考「企業真正的痛點是什麼？」
我認為，企業推動AI需要同時回答三個問題：
- 第一，技術可行性。這件事到底做不做得出來？模型準不準？資料撐不撐得起來？
- 第二，使用度。做出來之後，有沒有人願意用？能不能加進工作流程？
- 第三，商業可行性。它有沒有帶來價值？是改善決策、提升客戶體驗、節省作業成本，還是創造新的服務收入？並且能夠用對應指標來衡量價值。
信義房屋當初先跟外部管理顧問合作，先盤點哪些問題應優先投入，發現「為買家找到適合房子」最能直接連結商業核心問題。
方向確立後，才回頭思考技術怎麼支撐，包括建置數據中台、以預測式AI優化配對模型，再用生成式AI擴充資料維度。
過程中雖經歷多次失敗，但正因為解決的是核心問題，一旦方案逐漸成形，自然有人願意用，商業價值也更容易成立。
假使一開始跟風做「找房聊天機器人」，雖然技術上做得到，卻未必能真正解決問題。
房屋屬於高單價商品，客戶在意的仍是與經紀人建立的信任關係，而不是單純和機器人對話；加上生成式AI的幻覺風險尚未完全可控，若直接推向消費者端，出錯代價很高。
這正是只看到技術可行性，卻忽略使用度與商業可行性的典型例子。
我們也嘗試做聊天機器人，但先用在內部服務「義點通」，同仁可透過問答快速查詢稅務資料、實價登錄等資訊，協助即時回應客戶需求。對內使用，實用性高，風險也更可控。
未來城市＠天下｜信義房屋AI數據應用發展部協理張玄江2026年AI趨勢觀點：
A：不必二選一。建議採「小步快跑」策略，先與IT合作落地幾個簡單應用，摸清平台規格需求後，再同步建構數據中台。兩條線並行推進，既能累積實戰經驗，也不會因等待基礎建設而錯失市場時機。
A：不建議整包外包。外部團隊難以深入理解企業的組織文化、資料結構與商業模式，容易做出「能展示、難落地」的成果。較可行的方式是引進外部人才融入內部團隊，共同設定目標、共同負責，才能確保服務持續迭代與人才培養。
A：從企業最核心的痛點出發，而非追逐熱門技術或市面常見的應用。選定方向前，需同時評估三件事：技術上是否可行、做出來是否有人願意用、能否帶來可衡量的商業價值。三個條件缺一，AI應用就很難真正落地。
