8 SPORTS IMPACT -專題報導- 者互動數據，使行銷內容逐步優化，形成一 個閉環的資料驅動流程。 在設計端，生成式AI已開始進入早期概 念開發。透過與設計師的互動，AI可以快速 生成多組鞋面紋理、球拍外觀或運動服飾的 花紋方案[4]，並根據趨勢資料或歷史銷售數 據進行排序。這大幅縮短了設計決策的前期 時間，讓團隊能把更多資源投入到打樣與測 試，而非在初稿階段消耗過多人力。國際品 牌已經在嘗試將生成式 AI 與 3D 打樣系統整 合，形成「AI 輔助設計—快速原型—即時回 饋」的循環。 值得注意的是，生成式AI的滲透速度 之快，已經超過部分業者的想像。2024年， 國際運動品牌開始在生成式設計工具中導入 AI，不僅應用於鞋款紋理，也開始嘗試服飾 圖樣與市場測試。對台灣業者而言，這意味 著「設計」不再完全仰賴國際品牌主導，具 備數據與模型能力的製造商，也可能直接參 與到設計價值鏈的前端。 生成式 AI 的挑戰當然也存在，包括版權 歸屬、設計同質化、以及如何在效率與創意 之間保持平衡。但不可否認的是，它已經在 產業內部打開一條新的通道：讓設計與行銷 的流程更快、更廣、更精準。對於身處競爭 激烈且週期快速的體育用品產業，這是一個 結構性的改變。 三、檢索增強生成（RAG）：知 識變成即時資產 在 生 成 式 A I 之 後 ， 檢 索 增 強 生 成 （Retrieval-Augmented Generation, RAG）[5] 逐漸 成為企業導入 AI 的另一個核心策略。與單純依 賴語言模型不同，RAG的特點在於能夠即時連 結外部資料庫或內部知識庫，在生成答案的同 時引入最新、最準確的資訊。對於體育用品產 業而言，這項能力的價值在於「知識即服務」， 它讓累積多年的產品數據與營運經驗，真正成 為可以被即時調用的資產。 以客服為例，過去客服人員需要翻找大量 文件，才能回答消費者對於產品規格、保固或 維修的問題。即使建立FAQ，也往往無法涵蓋 全部情境，導致消費者等待時間過長或得到錯 誤回覆。導入 RAG 之後，AI 可以即時檢索最新 的產品手冊、維修紀錄與內部備忘錄，並生成 自然語言的回答。這不僅縮短了回覆時間，也 降低了訓練新客服人員的成本。更關鍵的是， 這種即時性讓品牌能在全球市場保持一致性， 無論是在亞洲、歐洲或美國，消費者得到的回 覆都可以基於同一套知識。 在製造端，RAG也逐漸展現價值。許多工 廠累積了大量的品管報告、機台維護紀錄與供 應商資料，但這些資訊往往分散在不同系統， 難以被即時使用。透過RAG，管理者可以在需
RkJQdWJsaXNoZXIy MjIwMjA1