InSpark
Intelligence Spark｜AI validation lab
Taiwan traditional industries｜validation phase
把人工智慧的火，帶進真正會痛的傳統產業現場。
InSpark 不是賣「AI 很酷」。我們正在驗證：哪一些傳產場景會因為 少虧一張單、少報廢一批貨、少漏一份證據、少一次救火 而願意改變決策。
我們現在不做什麼
1
不先賣通用 AI 工具。
先找高頻、可量化、會改決策的痛點。
2
不把 fake demo 當 PMF。
Demo 只是內部假資料決策面；目前不宣稱市場證據或 operator validation。
3
不追求作品集膨脹。
下一階段是 rank、validate、kill/park。
目前由 CEO／PM／CTO 先用公開資料做 pain mapping、POC 假設與 fake-data decision surface；只有在具體、已研究的 demo ready 後，才會邀請 operator review。
三條優先驗證線
1｜接單毛利防守製造、印刷、加工：報價假設 vs 實際毛利，急單、原料波動、MOQ、客戶分級是否會改變接單規則。
2｜證據包 / 責任 Gate工程、裝修、維修：LINE、照片、追加減、驗收紀錄能不能支撐請款、拒保、補簽或責任釐清。
3｜放行 / 交接 / 合規 Gate旅宿、檢體、長照、廢棄物、物流：在客訴、重採、罰款或報廢前先 hold、補件、升級處理。
目前驗證狀態
InSpark 還在早期 desk-research 階段：我們先用公開資料、替代方案分析、fake-data demo 與內部決策卡，判斷哪些傳產場景值得之後再做 operator review。
現在 Gary 與訪客都不需要採取任何對外行動。下一步由 CEO／PM／CTO 負責 pain mapping、POC pipeline 與假資料 demo 收斂；等到某個具體、已研究的 demo 足夠明確，再決定是否需要真人回饋。
內部假設先收斂成決策面
製造／印刷／加工最近哪張單看似賺錢，最後被急單、材料、工時或 MOQ 吃掉毛利？下一次會改報價或接單規則嗎？
工程／維修／到府服務哪次因 LINE、照片、追加減或驗收證據不齊，最後收不到錢、免費補做或責任說不清？
畜牧／養殖／夜班現場哪次晚幾小時處理，就變成死亡、報廢、折價或整晚救火？誰有權限提前改處置？
傳統服務／師傅帶新人哪次新人覺得完成，但資深師傅一看就知道會返工？簽結前補一張照片或複查值得嗎？