TVBS
「导入AI时，重点还是人。」TVBS AI未来科技部副总监吴桢文强调，TVBS不是用AI全自动化取代人类，而是作为人机协作过程中的副驾驶，让个人的工作效率提升3倍、5倍，甚至10倍。
「所以我们导入AI，第一个想到的不是可以裁员，是大家如何将省下来的时间，用来更进一步发挥自己的专业。」吴桢文认为，TVBS AI用得越多，不是省得越多，而是个人和企业的竞争力，能更加提升。
如今，TVBS各技术与非技术部门纷纷拥抱AI，使他们不仅用AI来加速软体开发，还能用更快的速度，产制更多电视台及网路媒体的内容。不只改造内部作业流程，他们还利用大数据与AI强化自家核心商业模式，包括强化数位通路经营、提升广告与行销精准度，以及发展更多广告投放模式。
用AI辅助晨间新闻资料搜集与撰写，不再需要夜间值班
早上6点，电视台就得开始播报晨间新闻。许多大型电视台及报社，甚至要有夜间人员轮班，追踪人们睡觉时发生什么新闻。传统做法，由人工花费大把时间读报、浏览主流媒体及通讯社网站，再整理素材、搜集补充资料、写稿。
然而，去年5月开始，TVBS不只半夜不需要有人值班，更只要在早上4点，靠1名早班人员，即可完成国内外新闻资料搜集、整理、挑选、撰稿，让主播可以准时于6点报新闻。
利用Elasticsearch和生成式AI等机制，TVBS可以自动从远超出人工阅读负荷的资料来源摘要出重点，利用Kibana仪表板呈现，提供早班人员快速阅览和撰写新闻。（图片来源／TVBS）
这个转变，背后功臣是TVBS综合开源技术及同集团公司旗下AI应用，自行打造而成的新闻资搜机制。首先，他们用RSS订阅机制来集中新闻资讯，再用由AI挑选出可能具有新闻价值的内容，用爬虫工具搜集文章全文，接著，利用生成式AI分析、摘要文章内容，储存到储存至Elasticsearch向量资料库。记者就能透过Kibana介面，去搜寻、浏览这些新闻资料。
有了由AI挑选、摘要过的内容，早班人员便能快速决定晨间新闻题目，并根据摘要来轻易撰写新闻稿。原本，人类只能看国内主要媒体的重要新闻中，约1、200则新闻标题。利用AI，他们扩大资讯搜集数量，可达到原本10倍以上，超过2000则，更能加入外媒资讯来源。
不止阅读量提升，这套机制更省下原先准备晨间新闻5至6成的人力与时间，得以多出余力，能将重要资讯提早发布至网路新闻平台。
TVBS与同集团的AI技术厂商合作打造生成式AI工具平台，类似于媒体业用ChatGPT，来协助专题素材整理、SEO文章撰写、中英台语的语音转字幕等，一系列图文处理作业。（图片来源／TVBS）
全面用AI自动校对资讯图卡，更用GenAI搞定4成一般图卡制作
过往，要制作电视新闻的资讯图卡，需要由编辑发送需求给专门制作部门，由具有美术设计专业的人员制作完后，还要经历校对错字、检查使用照片、查证内容等流程。
就算只是简单套用模板的图卡，仍须遵守标准跨部门协作流程，包括图卡申请、上系统填详细资讯、等待派单、完成初版后审核、审核后的完工输出，整体费时可能超过1小时。当资讯图卡需求较密集时，形成节目制作的瓶颈。
现在，TVBS使用生成式AI工具，来制作较简易的一般资讯图卡。首先，利用AI整理新闻内容，产出适合放在图卡上的小标与重点摘要。接著，AI会再结合美术部门设计的图卡样本，来生产出图卡。最后，利用AI视觉功能，来检查图卡错字、是否图文不符等情况。
整个图卡制作过程不需技术专业，也不再需要跨部门来回沟通，由编辑一人即可完成。美术设计人员不需负责制作大量一般图卡，即能更专注图卡样板制作，以及复杂或具情境性的图卡。
目前，由编辑自行用AI产制的图卡，占总图卡数量4成。不只如此，全部的图卡制作流程现在都导入AI，于美编收件和最后交稿时自动校对。
用生成式AI帮程式码评分，协助资深工程师审查程式码
资深工程师一个重要日常工作是程式码审查。不过，目前TVBS有接近50名工程师，资深工程师占比不大，每天必须要看数十个，甚至上百个Pull Request。面对大量程式码，不只费时费神，且速度与品质难以兼顾。
近期，TVBS IT部门尝试利用RPA工具N8N，串联不同LLM，来替资深工程师做第一轮程式码审查。当一段程式码有变动，系统会自动撷取变更内容，送交AI分析。
AI会针对每段变更给出0至100的分数，若低于60分，即表示该段程式码有明显问题，会直接拒绝。若高于60分，则会附上可接受的理由与改善建议。当AI判断程式码有改善空间，还会提供具体的修改建议与范例程式码。
当AI完成第一轮程式码审查，资深工程师只需查看AI提供的摘要与建议，再针对其中的关键部分进行复查，即可大幅节省阅读与分析程式码的时间，也提升整体审查品质。
用生成式AI主动推荐相关内容，透过互动式体验增加读者黏著度
2年前，TVBS就已经在自家健康类内容网站「健康2.0」推出AI聊天机器人，回答医疗、营养、运动及心理健康等问题，并推荐适合文章及影片。近期，他们更进一步强化用GenAI推荐的做法。
之前，需要读者主动对聊天机器人提出问题，AI才能开始与读者互动、推荐内容。现在，生成式AI根据文章内容，在文章底下生成相关Q&A，尝试引起读者兴趣。当读者点击问题，就会跳转到AI聊天机器人介面，并由机器人回答该问题、推荐相关影音和文章。
TVBS还会搜集读者点击问题的行为，以及读者和机器人互动的内容，进一步了解读者对文章内容的偏好，作为之后产制内容、设计产品以及投放广告的依据。
自动替文章贴标，支援读者喜好分析及广告更精准投放
TVBS数位通路流量常居全台一、二名，每月不重复使用者约1,600万人。TVBS希望，在这些读者进入自家网站后留住他们注意力，并更加了解他们喜好，以增加广告曝光度及精准度，进而提升重要广告收入。
TVBS利用潜在狄利克里分配（Latent Dirichlet allocation，LDA）模型，自动替自家网路文章贴标。这是一种NLP模型，利用统计方法在一系列文章中发现抽象主题。使用统计模型的好处是，不需要利用具备领域专业知识的专家先标注机器学习用资料，就可以根据文章内容提取出主题的关键字，以及关键字与文章的关联性强度。
运用LDA统计模型，TVBS可以替文章自动贴上标签，并分析文章与特定主题关键字的关联性，以支援内容搜寻、文章推荐等功能。（图片来源／TVBS）
除了LDA模型自动推荐文章标签，真人还可以根据自己专业理解、当下热门话题、行销需求等因素，来调整实际关键字。根据这些关键字标签，TVBS可以更好打造搜寻和推荐功能，还可以根据读者阅读行为，分析他们对不同主题的兴趣程度。
TVBS会实验，每个内容媒体，适合多少关键字分类数。当分类数过少，会降低推荐精准度，反之则会单一分类收录的文章太少。目前做法下，健康内容媒体共有30种分类，时尚内容媒体则是25种。健康内容等网站，文章性质较长尾，更适合依据兴趣主题推荐。这也是为何，TVBS尚未将此做法套用于新闻网站，因为读者阅读新闻的方式，较适合传统的最新时事和热门议题推荐。
用生成式AI打造虚拟艺人和主持人，提供个人化互动体验
TVBS与外部厂商合作，利用生成式AI打造虚拟艺人和主持人，在Web App上提供个人化、互动式的节目演出或主持。他们利用真实艺人相关的资料来训练AI，尝试重现艺人言行、擅长领域知识，甚至口头禅。
有些虚拟艺人，更经过艺人本人的声音语料训练，佐以云端技术计算技术，与使用者互动时，即时产出语音内容。甚至，会在互动过程中记忆使用者聊天内容、兴趣偏好及个性，给予个人化回应。
TVBS与外部AI厂商合作打造生成式AI艺人和主持人，可以在Web App中根据每一位使用者的输入内容，模仿真实艺人语气和知识来提供个人化的互动式节目。（图片来源／TVBS）