巡檢的目的，是為了掌握人員、設備或環境的變化，提早發現缺陷或隱藏危險，才能及時採取有效措施，進而降低或避免損失。但若因巡檢地點就是高危險區域，如高山、海岸邊..等，如何避免人員傷亡，是現代社會一個重要議題。

特殊地點巡檢面臨的問題--
危險性：高風險環境，人力巡檢易有工安意外
細緻性：單靠人力盤查難以掌握

傳統仰賴人力的巡檢方式存在著許多問題。例如受限於高昂人力費用，不得不降低巡檢頻率，或巡檢場域太過危險，導致工作乏人問津。又或者需要長時間專注力的巡檢工作，容易造成人力疲乏，影響巡檢成效。
然而，針對這些問題，結合了AI、無人載具與感測器的智慧行動巡檢，恰好可以幫上大忙。

巡檢工作，AI會做得比人類好?

要回答這個問題，我們必須先了解AI原理。這裡討論的AI，是具備學習能力的機器學習。

AI沒有想像中的聰明，沒有人類的「教導」，什麼也不會。「教導」的方式可以是給它大量具備答案的數據(監督式學習)，或者給定一套演算法，讓機器「按表操課」，最終完成特定任務，例如資料分群(非監督式學習)。一旦學會了，AI就可以快速反覆地執行某項工作。

所以，人類該做的，是分配給AI它所擅長的工作。

例如搭配感測器，可以持續監聽機器的聲音或感測溫度變化，預判是否快要故障、持續查看製造出來的產品外觀是否出現瑕疵，又或者快速計算出某個造勢場合有多少人、水桶裡有幾隻魚苗…等。

對應到巡檢工作，就可以是監看禁釣區是否有人在釣魚、工地人員是否按照規定配戴安全帽、檢查保護碼頭與船隻的防舷材是否毀壞…等，透過無人機載具及AI分析，可以解決高危險地區巡檢問題。

但是，我們無法期待AI能像人類般，懂得運用「常識」解決問題--例如推理出「只拿著釣魚線或漁網的人，其實也是在釣魚」。

智慧行動巡檢的效益?

導入智慧行動巡檢方案之前，我們必須先確切了解場域痛點並衡量方案成本，包含是否需要訓練AI、開發管理系統、使用無人載具、串聯感測器…等。

然而，除了成本，還有一項指標格外值得重視，就是「安全」。

事實上，很多巡檢工作充滿危險性。例如需要攀爬建築物外牆或儲槽的高空巡檢、需要行走在濕滑海堤上進行堤道巡檢，又或者在風災火災後需要到受災場域勘災的災後巡檢。

也有一些本來就很難透過人力妥善完成，卻又嚴重關係公眾安全的巡檢工作，例如道路巡檢。巡檢人員需要在好幾公里的車道上仔細確認是否有直徑五公分以上的坑洞，因為每個小小的坑洞，都可能導致一場嚴重的事故。

針對這些高危險巡檢工作，不適合人去的地方，容易讓人類視覺疲勞的道路巡檢，應優先讓無人載具代勞，透過無人載具及AI影像辨識，能夠創造更加安全的巡檢行動任務，是智慧行動巡檢的最高價值。

如何導入合適的智慧行動巡檢解決方案?

沒有一個AI模型可以解決所有的巡檢問題，現實上也不存在一套萬用的智慧行動巡檢解決方案。

導入前的規劃十分重要，務必釐清目前所面臨的業務痛點，才能對症下藥。不期待能一口氣解決所有問題，但是要確保目前所解決的，是最迫切且重要的問題。

如果需要一份導入SOP，我的建議是：

1. 盤點現有關鍵業務流程，並找出業務中的痛點。
2. 與系統整合商合作規劃解決方案。
3. 問題釐清，未必所有問題都需要用到AI，有的問題可能只需要適度的作業流程優化，就可解決。
4. 若不確定是否可行的項目，建議先進行概念驗證(POC)。
5. 確認可行項目後，再進行完整系統規畫、建置與導入。
6. 不斷檢視與優化系統。

經驗來說，一套完整的智慧行動巡檢解決方案，需要具備以下功能：

1. 能讓巡檢人員方便、快速填報巡檢紀錄表單系統。
2. 能詳實蒐集數據的硬體設備，例如搭載感測器或鏡頭的無人載具。
3. 方便易用的數據介接管理工具。
4. 能妥善整理、存放數據的資料倉儲系統。
5. 能支持AI模型訓練與預測的雲端或地端運算資源。
6. 能自動針對監測或預測結果進行異常監控的警示系統。
7. 能快速掌握與追蹤巡檢業務現況的儀表板系統。
8. 能客觀評估整體巡檢業務績效的評核系統。

發展資訊科技的目的，始終是為了增進人類的福祉。運用智慧行動巡檢，可以創造更加安全的環境。