① 關於高手

從網路維運的人力痛點出發,把 AI 做成自主可控的維運大腦

黃俊凱(Gask.Huang)早年在 D-Link 擔任網路研發工程師,後在 QNAP 負責雲端儲存應用與專案管理。2015 年他創辦蓋斯克科技(ZONETECH),提供企業網路與 WiFi 建置、防火牆資安、NAS 儲存與 IT 委外服務,至今服務超過 1,500 家企業客戶。

他的 AI 之路起源於網路維運的真實困境。400 人的婚宴或展演會場同時連線,WiFi 常因空中時間(Airtime)壅塞與頻道干擾而癱瘓。原廠設定僵硬,只能靠 3 名月薪 10 至 12 萬元的資深工程師在現場手動調控。

他以 Python 腳本串接多個大型語言模型,採用「大腦決策、手腳執行」的分工:聰明的大模型做策略判斷,便宜的小模型或腳本負責執行。這套方法從高密度 WiFi 維運開始,延伸到公司自身的財務、客服與 SEO 自動化,再到食品工廠的 IoT 監控。

他相信企業不必事事依賴最昂貴的模型,也不該被封閉的黑盒系統綁住。把領域專業和可稽核、可調整的 AI 控制結合,讓資料與控制權留在自己手上,才能算出明確的 ROI。

② AI 落地應用

從網路維運到工廠監控,用 Agentic AI 放大人力與資安

高密度 WiFi 與網路維運自動化

痛點|400 人會場同時連線時,Airtime 壅塞與頻道干擾讓 WiFi 癱瘓。原廠只能設固定門檻,遇到全場訊號都達標、整體卻塞爆的情況就無法處理,需要 3 名資深工程師全程盯盤。解法|Python 腳本自動抓取各 AP 與防火牆的封包、RSSI 訊號和 Airtime 佔用。AI 每 1 分鐘判讀一次,做三件事:
• 偵測同頻重疊、互相干擾的 AP,把它們切換到空閒或較不擁擠的頻道
• 自動微調 20/40/80MHz 頻寬
• 剔除訊號不佳的裝置,讓它重新連線到距離較近的 AP
成效|人力從 3 名資深工程師降為 1 名一般工程師。這名工程師靠 Telegram 接收告警,就能監控現場 20 顆 AP 和 400 台連線裝置。

大腦與手腳分工的 AI 成本控管

痛點|AI 若事事呼叫昂貴的大模型,或陷入重複呼叫,雲端帳單容易失控。解法|以多模型分工(MoA/Router)架構,讓 Claude、GPT 等大模型當「大腦」做策略判斷,再把任務拆解給便宜的小模型或 Python 腳本當「手腳」執行。成效|維持 2 分鐘一次的即時調度,同時把 Token 運算成本降到最低;系統與數據都由企業自己掌握,不被單一廠商綁住。

老闆營運自動化矩陣

痛點|應收帳款追蹤、競品情報、SEO 優化與客服分派都靠人工,老闆難以即時掌握營運狀況。解法|每日由 Telegram 推送財務日報,列出 7/14/21 天以上未匯款客戶;AI 自動讀取 GSC 與 GA 數據,判斷哪篇文章需要優化,再自動改寫、排程發布。LINE 客服訊息由 AI 判讀後,分流給工程、財務或業務部門。成效|SEO 形成不需人工介入的 PDCA 循環;LINE 客服分流服務 3,000 多位客戶。

延伸應用:工業級 IoT 主動避險監控

痛點|食品工廠與製造現場傳統上靠警報器響後人工處理,反應延遲容易造成原料燒焦或設備損壞。解法|把 WiFi 監控邏輯套用到工廠,AI 即時讀取壓力、溫濕度、攅拌時間與氣體感測數據,一有異常就主動調控參數或緊急關機。成效|從「被動警報」升級為「AI 主動避險」,可望降低醬料熬煮等製程的公安與品質風險。
④ 我也想這樣落地 AI

留下痛點,聯盟顧問與你聯繫