試著回想一下，你上一次在 Google 搜尋後，真的點進某個網站，是什麼時候的事？
根據 iKala 共同創辦人暨集團董事長程世嘉引用的數據，目前 Google 搜尋的零點擊率已高達 70%，消費者不再需要點進網站，因為 AI 已經替他們整理好答案，當 ChatGPT、Gemini、Perplexity 這些生成式 AI 引擎成為人們獲取資訊的主要入口，品牌與消費者之間的關係正在發生轉變。
同時，Google 與 OpenAI 正積極布局 AI 購物功能，當 AI Agent 開始代替人類搜尋、比較、甚至結帳，介入消費者的金流與人流，品牌失去的不只是流量，而是整個交易機會，品牌若無法被 AI 認識並推薦，將在這場商業賽局中徹底出局。
AI 賽局剛到第三局！從「智慧通膨」看企業競爭力
程世嘉引用 Google 的每月 token 處理量說明，從 2024 年 5 月的 9.7 兆、2025 年 5 月爆增至 480 兆，再到 2026 年 5 月已達到 3.2 quadrillion（千兆），光是最後一年就成長了７倍。程世嘉用「智慧通膨」來形容這個現象，同時也意味著當 AI 的供給以指數級速度累積，任何依賴人力執行、缺乏 AI 能力的企業，競爭力將以同等速度被稀釋。
而面對這波浪潮，許多企業卻還卡在起跑線上。
「最大的問題，是老闆自己不用 AI。」程世嘉表示，當決策者沒有親自使用並理解 AI 能解決什麼問題，就很難判斷哪些地方值得投入，更難帶動整個企業組織轉型。第二方面是 AI 導入方向模糊，許多企業知道要導入 AI，卻不知道從哪裡下手以及能解決哪些痛點，導致錯失時機。第三方面是企業把 AI 導入當成傳統 IT 系統的規劃方式，將轉型目標和計畫時間拉的太長。
端到端 AI 解決方案，以 TMMLU+ 築起繁中市場護城河
「不要執著於降本，要放大增效。」程世嘉建議企業先盤點內部業務流程，找出最痛的 20% 再集中資源用 AI 解決，然後快速測試、驗證、迭代，正是 iKala 提倡的「小步快跑、長期陪跑」解決策略。
在架構建議上，iKala 提出兩大核心引擎，第一是 AI Service，協助企業整合內部碎片化的第一方資料，打通資料孤島，讓主管層在做決策時有完整的數據支撐，第二是 AI Marketing，透過即時抓取的第三方社群與論壇數據，精準且快速的提供品牌對外行銷所需的市場洞察，讓行銷決策變即時。
但無論是 AI Service 或 AI Marketing，兩大引擎要能真正發揮效用，都必須建立在同一個前提上：AI「聽得懂」繁體中文，而支撐這整套架構的底層護城河，是 iKala 自主研發的 TMMLU+（Huggingface / Github），AI Service 靠它確保企業內部資料被正確解讀，AI Marketing 靠它精準判斷社群語意與品牌情緒。
程世嘉說明，繁體中文在全球 AI 訓練數據中僅佔 0.5%，這表示當企業把內部文件餵給 AI 做決策分析，或是監測消費者在社群上的討論時，AI 對繁中語境的理解可能從一開始就是偏差的。面對繁中市場的品牌長期在 AI 世界中面臨系統性的能見度劣勢問題，iKala 研發了 TMMLU+ 繁體中文 AI 評測資料集，目前涵蓋 66 個領域、被 Google、Meta 及全球頂尖 AI 實驗室採用，顯示出 iKala 在繁中市場的核心差異化，擁有其他競爭者難以複製的語意準確性，也讓台灣品牌在 AI 世界中更有存在地位。
iKala AI Marketing 串聯 Ontix、Kuroma 與 Kolr 打造全方位行銷服務
在如今的 AI 趨勢下，除了企業轉型的基礎建設，品牌端同時也需要面對不同問題。
iKala AI Marketing 是提供從洞察規劃到交付優化的端到端全方位行銷服務，以「顧問引領 × 策略驅動 × 技術賦能」為核心，分成四個環環相扣的階段。顧問診斷階段盤點品牌目標、受眾需求與市場機會，釐清問題與成長方向，策略規劃階段將洞察轉化為包含內容、渠道與 KPI 的整合式行銷藍圖，專案落地階段則串接資源、協作執行，成效優化階段則持續追蹤表現、回收數據並調整策略。從持續洞察、策略推進、執行落地到回饋優化，每一輪的成效數據都會回流成下一輪策略的依據。
而讓這個循環能夠高速運轉的，正是底層的三個行銷科技產品：Ontix、Kuroma 和 Kolr。
Ontix 負責監測「人類怎麼看品牌」，提供 24 小時即時語意監控，捕捉社群正在發酵、但人類難以預先設想的話題趨勢；Kuroma 負責監測「AI 怎麼看品牌」，追蹤品牌在 ChatGPT、Gemini、Claude、Perplexity 等六大 AI 平台中的被提及率、情緒傾向、競品排名與引用來源；Kolr 擁有全球超過 3 億筆創作者數據、覆蓋 190 個市場，能夠協助品牌精準找到對的 KOL/KOC 落地執行。
「先有人，才有 AI。」 iKala AI Marketing 總監許巧彤表示，AI 終究需要讀取人所產出的內容作為訓練基礎、用人的內容餵養 AI，AI 的推薦才會再影響人的行為與決策，因此品牌主需要同時聆聽 AI 與人之間的聲音。
品牌自己發布的官方訊息，在 AI 眼中只是單一來源的自我陳述，但當數十位創作者以各自的語言、從不同的使用情境討論同一個產品，具備多樣性與可信度的內容，更容易被 AI 模型抓取，而當這些內容進入 AI 的知識庫，整個行銷循環才真正開始運轉。
許巧彤以保養品為例說明這套循環。當「杜鵑花酸搭配外用 A 酸」在 Threads 引發討論，品牌先透過 Ontix 掌握話題熱度與消費者關注的功效、乾燥與刺激等問題，據此調整內容方向；再透過 Kuroma 觀察 AI 如何回答相關問題、引用哪些來源，以及品牌是否被提及，找出尚未被 AI 看見的內容缺口。確認方向後，透過 Kolr 找到合適創作者，快速擴大內容產出與觸及。內容發布後，再由 Kuroma 追蹤品牌在 AI 回答中的能見度與引用變化，並透過 Ontix 捕捉新一輪消費者反應，讓市場訊號持續回饋下一波內容策略，形成「洞察、內容、驗證、再優化」的循環。
從社群發酵到 AI 推薦，從 Ontix 監測人的聲音、Kuroma 監測 AI 的評斷到 Kolr 執行落地，整個循環在幾週內完成，這三者不是線性流程，而是一個穩定的行銷循環。「很多品牌拿到數據之後，第一件事是研究競爭對手，但對競品的分析，不會直接改善 AI 能見度。」許巧彤建議品牌把資源集中在做好自己的網站結構與內容品質，這才是提升 AI 能見度最直接有效的路徑。
「就像在教育一個新員工，只是這個員工是 AI 代理人，服務的是所有潛在客戶。」這項建議也呼應程世嘉對企業 AI 轉型的核心主張。面對 Agentic Commerce 時代，程世嘉與許巧彤一致認為，企業應優先整理品牌知識庫、產品規格與網站架構，確保提供給 AI 的資訊清楚、正確且易於理解。當 AI 能準確認識品牌、理解產品價值，才有機會在消費者提出需求時，將品牌帶進答案與推薦之中。
