「導入AI時，重點還是人。」TVBS AI未來科技部副總監吳楨文強調，TVBS不是用AI全自動化取代人類，而是作為人機協作過程中的副駕駛，讓個人的工作效率提升3倍、5倍，甚至10倍。

「所以我們導入AI，第一個想到的不是可以裁員，是大家如何將省下來的時間，用來更進一步發揮自己的專業。」吳楨文認為，TVBS AI用得越多，不是省得越多，而是個人和企業的競爭力，能更加提升。

如今，TVBS各技術與非技術部門紛紛擁抱AI，使他們不僅用AI來加速軟體開發，還能用更快的速度，產製更多電視臺及網路媒體的內容。不只改造內部作業流程，他們還利用大數據與AI強化自家核心商業模式，包括強化數位通路經營、提升廣告與行銷精準度，以及發展更多廣告投放模式。

用AI輔助晨間新聞資料蒐集與撰寫，不再需要夜間值班

早上6點，電視臺就得開始播報晨間新聞。許多大型電視臺及報社，甚至要有夜間人員輪班，追蹤人們睡覺時發生什麼新聞。傳統做法，由人工花費大把時間讀報、瀏覽主流媒體及通訊社網站，再整理素材、蒐集補充資料、寫稿。

然而，去年5月開始，TVBS不只半夜不需要有人值班，更只要在早上4點，靠1名早班人員，即可完成國內外新聞資料蒐集、整理、挑選、撰稿，讓主播可以準時於6點報新聞。

利用Elasticsearch和生成式AI等機制，TVBS可以自動從遠超出人工閱讀負荷的資料來源摘要出重點，利用Kibana儀表板呈現，提供早班人員快速閱覽和撰寫新聞。（圖片來源／TVBS）

這個轉變，背後功臣是TVBS綜合開源技術及同集團公司旗下AI應用，自行打造而成的新聞資蒐機制。首先，他們用RSS訂閱機制來集中新聞資訊，再用由AI挑選出可能具有新聞價值的內容，用爬蟲工具蒐集文章全文，接著，利用生成式AI分析、摘要文章內容，儲存到儲存至Elasticsearch向量資料庫。記者就能透過Kibana介面，去搜尋、瀏覽這些新聞資料。

有了由AI挑選、摘要過的內容，早班人員便能快速決定晨間新聞題目，並根據摘要來輕易撰寫新聞稿。原本，人類只能看國內主要媒體的重要新聞中，約1、200則新聞標題。利用AI，他們擴大資訊蒐集數量，可達到原本10倍以上，超過2000則，更能加入外媒資訊來源。

不止閱讀量提升，這套機制更省下原先準備晨間新聞5至6成的人力與時間，得以多出餘力，能將重要資訊提早發布至網路新聞平臺。

TVBS與同集團的AI技術廠商合作打造生成式AI工具平臺，類似於媒體業用ChatGPT，來協助專題素材整理、SEO文章撰寫、中英臺語的語音轉字幕等，一系列圖文處理作業。（圖片來源／TVBS）

全面用AI自動校對資訊圖卡，更用GenAI搞定4成一般圖卡製作

過往，要製作電視新聞的資訊圖卡，需要由編輯發送需求給專門製作部門，由具有美術設計專業的人員製作完後，還要經歷校對錯字、檢查使用照片、查證內容等流程。

就算只是簡單套用模板的圖卡，仍須遵守標準跨部門協作流程，包括圖卡申請、上系統填詳細資訊、等待派單、完成初版後審核、審核後的完工輸出，整體費時可能超過1小時。當資訊圖卡需求較密集時，形成節目製作的瓶頸。

現在，TVBS使用生成式AI工具，來製作較簡易的一般資訊圖卡。首先，利用AI整理新聞內容，產出適合放在圖卡上的小標與重點摘要。接著，AI會再結合美術部門設計的圖卡樣本，來生產出圖卡。最後，利用AI視覺功能，來檢查圖卡錯字、是否圖文不符等情況。

整個圖卡製作過程不需技術專業，也不再需要跨部門來回溝通，由編輯一人即可完成。美術設計人員不需負責製作大量一般圖卡，即能更專注圖卡樣板製作，以及複雜或具情境性的圖卡。

目前，由編輯自行用AI產製的圖卡，占總圖卡數量4成。不只如此，全部的圖卡製作流程現在都導入AI，於美編收件和最後交稿時自動校對。

用生成式AI幫程式碼評分，協助資深工程師審查程式碼

資深工程師一個重要日常工作是程式碼審查。不過，目前TVBS有接近50名工程師，資深工程師占比不大，每天必須要看數十個，甚至上百個Pull Request。面對大量程式碼，不只費時費神，且速度與品質難以兼顧。

近期，TVBS IT部門嘗試利用RPA工具N8N，串聯不同LLM，來替資深工程師做第一輪程式碼審查。當一段程式碼有變動，系統會自動擷取變更內容，送交AI分析。

AI會針對每段變更給出0至100的分數，若低於60分，即表示該段程式碼有明顯問題，會直接拒絕。若高於60分，則會附上可接受的理由與改善建議。當AI判斷程式碼有改善空間，還會提供具體的修改建議與範例程式碼。

當AI完成第一輪程式碼審查，資深工程師只需查看AI提供的摘要與建議，再針對其中的關鍵部分進行複查，即可大幅節省閱讀與分析程式碼的時間，也提升整體審查品質。

用生成式AI主動推薦相關內容，透過互動式體驗增加讀者黏著度

2年前，TVBS就已經在自家健康類內容網站「健康2.0」推出AI聊天機器人，回答醫療、營養、運動及心理健康等問題，並推薦適合文章及影片。近期，他們更進一步強化用GenAI推薦的做法。

之前，需要讀者主動對聊天機器人提出問題，AI才能開始與讀者互動、推薦內容。現在，生成式AI根據文章內容，在文章底下生成相關Q&A，嘗試引起讀者興趣。當讀者點擊問題，就會跳轉到AI聊天機器人介面，並由機器人回答該問題、推薦相關影音和文章。

TVBS還會蒐集讀者點擊問題的行為，以及讀者和機器人互動的內容，進一步了解讀者對文章內容的偏好，作為之後產製內容、設計產品以及投放廣告的依據。

自動替文章貼標，支援讀者喜好分析及廣告更精準投放

TVBS數位通路流量常居全臺一、二名，每月不重複使用者約1,600萬人。TVBS希望，在這些讀者進入自家網站後留住他們注意力，並更加了解他們喜好，以增加廣告曝光度及精準度，進而提升重要廣告收入。

TVBS利用潛在狄利克里分配（Latent Dirichlet allocation，LDA）模型，自動替自家網路文章貼標。這是一種NLP模型，利用統計方法在一系列文章中發現抽象主題。使用統計模型的好處是，不需要利用具備領域專業知識的專家先標註機器學習用資料，就可以根據文章內容提取出主題的關鍵字，以及關鍵字與文章的關聯性強度。

運用LDA統計模型，TVBS可以替文章自動貼上標籤，並分析文章與特定主題關鍵字的關聯性，以支援內容搜尋、文章推薦等功能。（圖片來源／TVBS）

除了LDA模型自動推薦文章標籤，真人還可以根據自己專業理解、當下熱門話題、行銷需求等因素，來調整實際關鍵字。根據這些關鍵字標籤，TVBS可以更好打造搜尋和推薦功能，還可以根據讀者閱讀行為，分析他們對不同主題的興趣程度。

TVBS會實驗，每個內容媒體，適合多少關鍵字分類數。當分類數過少，會降低推薦精準度，反之則會單一分類收錄的文章太少。目前做法下，健康內容媒體共有30種分類，時尚內容媒體則是25種。健康內容等網站，文章性質較長尾，更適合依據興趣主題推薦。這也是為何，TVBS尚未將此做法套用於新聞網站，因為讀者閱讀新聞的方式，較適合傳統的最新時事和熱門議題推薦。

用生成式AI打造虛擬藝人和主持人，提供個人化互動體驗

TVBS與外部廠商合作，利用生成式AI打造虛擬藝人和主持人，在Web App上提供個人化、互動式的節目演出或主持。他們利用真實藝人相關的資料來訓練AI，嘗試重現藝人言行、擅長領域知識，甚至口頭禪。

有些虛擬藝人，更經過藝人本人的聲音語料訓練，佐以雲端技術計算技術，與使用者互動時，即時產出語音內容。甚至，會在互動過程中記憶使用者聊天內容、興趣偏好及個性，給予個人化回應。

TVBS與外部AI廠商合作打造生成式AI藝人和主持人，可以在Web App中根據每一位使用者的輸入內容，模仿真實藝人語氣和知識來提供個人化的互動式節目。（圖片來源／TVBS）