微光新聞網

商傳媒｜吳承岳／台北報導截至2026年5月，美國金融業的大數據分析技術已從前沿探索階段，正式發展為一個成熟的專業領域。過去十年來，這項技術在美國金融界已累積多項成功實證，顯示其應用範疇已趨於穩定。技術選用上，美國金融機構的大數據分析工具已匯聚成一套明確的架構，包含雲端資料倉儲、資料湖倉（lakehouse）、串流管道及相關工具。現今，應用重心已不再是單純的資料儲存與處理，而是轉移至明確定義使用情境、強化資料治理，以及如何從龐大的資料投資中提取價值。在眾多應用中，經實證效益顯著的領域包括：全方位客戶視圖（Customer-360）平台、風險分析、具毫秒級決策能力的詐欺分析，以及用於自動化監管報告的合規分析。相較之下，若未設定具體使用目標就建立的資料湖、缺乏可衡量業務成果的通用預測模型，以及僅提供閒置儀表板的分析平台，則被證明效益不彰。專注於前者使機構能有效掌握價值，而追逐後者則常導致資料平台成本高昂卻營運影響甚微。資料品質是美國金融業大數據分析價值實現的最大瓶頸。投入資料品質專案的機構，涵蓋血緣追溯（lineage tracking）、結構驗證、漂移監控及明確的上游資料所有權等面向，其分析成果更能獲得決策者的信任。雖然資料品質投資初期顯得繁瑣且不那麼引人注目，但卻能為後續的分析應用奠定堅實基礎。即時分析技術同樣已趨於成熟，諸如詐欺評分、交易監控、個人化客戶體驗和營運儀表板，皆已能常態性地在毫秒級延遲內運作。支援毫秒級分析的串流基礎設施已相當成熟，其操作紀律普遍確立，且具實質效益的使用情境也多已確認。美國金融監管機構在近兩年來，已加強對資料治理的關注，對資料血緣、存取控制、保留政策以及分析輸出文件化的要求日益嚴格。其中，美國消費者金融保護局（CFPB）的1033最終規則，更為現有監管下的資料治理框架增添了消費者資料權利的要求。從初期就將治理機制整合到分析平台中的機構，能夠較輕鬆地回應監管質詢；而事後才進行補強的機構，則需付出高昂代價且常未能達到完整標準。美國金融業大數據分析的下一階段，將涉及向量資料庫與人工智慧（AI）工作負載的整合、透過FDX等框架逐步標準化資料共享，以及持續從既有資料投資中提取更多價值。那些在上一階段已建立堅實分析平台的機構，將在這些變革中佔據有利位置。相關新聞推薦正在載入相關新聞...標籤： 合作媒體商傳媒

商傳媒｜責任編輯／綜合外電報導谷歌（Google）近期為其搜尋平台推出逾25年來「最大規模」的更新，核心目標是深度整合人工智慧（AI）能力，提供更智慧、更個人化的搜尋體驗。這些變革於5月19日在Google I/O開發者大會上公布，並已開始陸續推出，主要由谷歌新發布的Gemini 3.5 Flash模型驅動。此次更新的重心在於強化谷歌AI模式（AI mode）。該模式於2025年推出，提供類似ChatGPT或Claude等AI聊天機器人的對話式搜尋體驗。現在，用戶可在谷歌首頁點擊「Google AI模式」按鈕或搜尋欄內的加號圖示進入，透過輸入提示來獲取答案，而非傳統的關鍵字列表。谷歌搜尋副總裁Elizabeth Reid表示，用戶只需分享特定條件，例如「週五晚上六人份、供應餐點的私人卡拉OK包廂」，搜尋功能便能整合最新價格與供應情況，並提供直接預訂連結。此外，谷歌也推出了自家的Search agents（AI個人助理）。這些代理程式將在用戶的瀏覽器背景全天候運作，從部落格、新聞網站、社群媒體貼文及網路市集等來源獲取資訊。Reid舉例說明，如果用戶想即時掌握喜愛運動員的聯名鞋款發布消息，代理程式將會即時通知，確保用戶不會錯過。新版Google AI模式也大幅提升了預訂功能，範圍涵蓋餐飲、票務活動及美容服務等。針對某些類別，例如家庭維修、美容或寵物照護，搜尋功能甚至能代表用戶致電商家，用戶只需回答一系列提示，通話結束後會收到一份摘要。另一項重要更新是Google Antigravity的整合。這是一個AI驅動的開發程式，能透過提示而非傳統編碼來建構應用程式。整合至Google AI模式後，用戶將能要求生成互動式視覺化內容、圖形、表格、圖表或模擬。Google Antigravity預計將於今年夏季正式開放給用戶使用。谷歌AI（Personal Intelligence）也同步於新版Google AI模式中提供，且無需訂閱費用。這項功能允許用戶同步如Gmail、Google 相簿，以及近期將支援的Google 日曆等應用程式，以便在使用搜尋時獲得更個人化的回應。儘管AI功能大幅擴展，但谷歌透過《今日美國》發布聲明指出，用戶熟悉的傳統搜尋體驗——顯示藍色連結列表的模式，仍會維持不變，僅對AI概覽（AI Overview）進行小幅更新。相關新聞推薦正在載入相關新聞...標籤： 合作媒體商傳媒

商傳媒｜何映辰／台北報導資安網路解決方案供應商Versa Networks昨日宣布，推出一項專利申請中的零信任架構，專為「模型情境協定」（Model Context Protocol, MCP）設計，旨在將零信任原則應用於人工智慧（AI）代理的執行行為。此舉旨在解決企業在部署AI代理時面臨的信任挑戰。隨著企業競相部署AI代理，一項根本性的信任問題逐漸浮現。由於AI代理的行動通常並非單一且透明，單一使用者提示可能觸發關鍵網路與安全系統中的多個底層步驟，其中許多過程對操作者而言是不可見且無法驗證的。此外，AI系統可能誤解意圖或產生非預期的行動，進一步加劇風險。若缺乏每一步驟的可見性與驗證機制，企業將被迫在AI生產力與操作安全性之間做出取捨。根據《Fierce Network》報導，Versa Networks提出的新架構確保沒有任何AI行動會被隱性信任。在執行之前，AI代理產生的每一步驟都將根據使用者身分、角色型存取控制和系統策略進行驗證，並依據管理員定義的策略進行明確的人工驗證。管理員可預先定義策略，決定哪些代理行動自動執行、哪些需要人工批准，以及哪些將被阻擋，判斷依據包括使用者身分、角色、系統情境、行動類型和風險等級。所有經批准的行動都會被完整記錄並附上歸屬，為操作者提供可見性、可稽核性及策略導向的控制，同時避免AI驅動操作產生瓶頸。《Gartner》指出，AI已引入新型態、高流量的數位使用者（即AI代理），而傳統的SSE/SASE平台並非為確保其安全而建構。相關新聞推薦正在載入相關新聞...標籤： 合作媒體商傳媒

商傳媒｜何映辰／台北報導隨著企業面對大規模代理式人工智慧（agentic AI）的挑戰，治理、資料主權和協調性成為關鍵成功因素。IBM將其混合式AI策略定位為回應這些挑戰的核心方案，並以此定義了新的營運模式。根據《SiliconANGLE》報導，IBM的混合式AI策略奠基於開放生態系統和夥伴合作，旨在建立一個穩固的AI營運模式。企業面臨將資料保持在主權控制之下，並在任何位置執行AI的迫切需求，這兩者在企業界形成交匯點。IBM全球服務部（IBM Consulting）認為其價值在於為特定客戶、特定產業及特定主權網路中的夥伴進行協調，扮演「協調者」的角色。IBM全球服務部核心業務應用程式全球主管兼管理合夥人Jason Kelley表示，挑戰在於確保夥伴們能為客戶共同協調，而IBM正是扮演「指揮家」的角色。IBM向以成果為導向的顧問服務轉型，反映了企業買家評估AI專案方式的廣泛轉變。客戶對於AI專案中的風險暴露、控制權和商業模式契合度提出更嚴苛的問題。IBM近期推出的IBM Sovereign Core平台，便是為了回應客戶不再滿足於靜態合規框架的需求，該平台將治理和合規控制直接嵌入基礎設施的執行時間中。IBM全球服務部混合雲端與資料全球管理合夥人Javier Olaizola指出，過去在簡報中「主權與風險暴露」問題通常排在第40頁，但現在已躍升至最前面，客戶會直接問「我的風險暴露有多大？」這促使IBM與客戶展開一系列新的對話。為提升效率，IBM全球服務部採用以「資產為基礎的顧問服務」策略，以預建好的解決方案而非開放式探索來處理客戶業務，從一開始就圍繞客戶的特定成果組建正確的生態系統參與者。Jason Kelley表示，為達到速度，組織必須「在進場前就已擁有完善的工作流程和透過強化資產建立的合作夥伴關係」。IBM對Confluent和HashiCorp的收購，便是這種預整合策略的實例。AI正迫使企業重新審視其核心商業模式，而非僅僅在現有流程上疊加自動化。Javier Olaizola強調，那些將整個營運模式圍繞AI重新調整的企業正在超越，而僅在邊緣應用代理程式的企業則逐漸落後。市場中的成功者，正是那些真正將其營運模式圍繞AI重新調整，並從中蓬勃發展的企業。相關新聞推薦正在載入相關新聞...標籤： 合作媒體商傳媒

商傳媒｜葉安庭／綜合外電報導在腫瘤學藥物開發領域，由於生物標誌物驅動的藥物開發、日益縮小的臨床試驗族群，以及患者識別成本不斷攀升，製藥業正面臨日益增加的壓力。同時，業界對於更快產出真實世界證據（RWE）的需求也日益迫切，以應對商業化、法規及支付者的要求。為應對這些挑戰，醫療科技公司正積極利用電子病歷（EHR）、分子檢測及長期患者預後等大量真實世界數據（RWD），建構互動式智慧系統，以提供即時的臨床與商業洞察。傳統上，生成真實世界證據耗時費力，分析師或生物統計團隊需花費數天甚至數週來建構同類群組、驗證標準並評估可行性，這與現代腫瘤學開發的節奏格格不入。Flatiron Health, Inc. 正是此波轉型的先驅。該公司近期推出名為 Telescope 的平台，其核心特色在於透過對話式介面，讓使用者能以自然語言描述同類群組的條件，動態地精煉篩選結果，並即時查看患者數量、流失曲線、治療模式及存活分析，全程無需編寫程式碼。根據 Flatiron Health, Inc. 產品長 Kate Estep 的說法，過去需要兩天才能完成的分析，現在透過 Telescope 僅需 30 分鐘即可完成，大幅提升效率。腫瘤學研究因其數據密集型患者旅程（包含病理報告、基因組測序、影像、生物標誌物檢測、治療線、進展追蹤和存活終點）而特別適合人工智慧（AI）驅動的證據生成。Kate Estep 指出，市面上現成的 AI 模型準確率約為 60%，但若能依循臨床與科學最佳實踐進行建構與訓練，準確率可超過 90%。她強調，醫療照護 AI...