AI 能讓醫院變綠嗎？從 HVAC 到耗材治理，AI 如何改寫醫院永續

FIND研究員：張乃方

根據《Lancet Countdown 2025》報告指出，醫療體系本身亦是重要排放源，約占全球溫室氣體排放的 4.2%，然而，醫院必須全年無休運轉拯救生命，又需維持嚴格HVAC（Heating, Ventilation, and Air Conditioning）、通風換氣、過濾、感染控制與照護安全等環境控制標準，加上大量精密儀器與複雜機電系統運作，本質上就是高能耗、高碳排場域。使得醫院的淨零路徑，必須走向不影響安全、可量化、可稽核的營運型減碳。

【國際案例探討】

近年已有醫院藉由AI科技導入運作，並多用集中在醫院設施營與能源管理上，同時也開始出現可直接降低範疇三排放的一線臨床案例。以下整理近年國際上具代表性的實例：

類型一：設施與能源管理

案例一｜National Hospital Surabaya × Resync（印尼）

印尼泗水國家醫院（National Hospital Surabaya）與Resync合作導入「AI 智慧能源管理」，整合智慧電表與設備數位化管理，並將 536 台風機盤管（FCU）納入平台集中管理。系統依即時資料（如：人流使用狀況、溫度變化）自動調節；在維持舒適標準前提下，HVAC能源消耗降低 27%，整體總能耗節省 19%。

將即時監測、排程與控制策略納入日常維運，降低不必要空轉，也減少對人工週期性排查的依賴，讓節能更像「營運能力」而非一次性專案。

案例二｜Circle Health Group × Schneider Electric（英國）

Circle Health Group 與施耐德電機（Schneider Electric）自 2017 年合作，推動醫療院所跨院區的能源管理與建築控制系統數位化。透過導入Connected Services Hub 與 EcoStruxure Building Operation，提供跨院區的集中可視化、進階分析，以及 24/7 遠端維運支援，並運用超過 500 種 AI 演算法，即時監控關鍵設備與系統的警示狀態，透過 AI 與遠端監控，約81%的維修問題可遠端解決，降低醫療設備與科室的停機風險。

目前超過 75% 的醫院已完成連接，預計 2025 年  第一季前再增加 15%，並自 2018 年起累計節省超過 20 萬英鎊。藉AI嵌入規模化維運作業系統，降低不必要出勤、縮短故障定位與處置時間、減少停機風險，同時以跨院區一致的能源數據與指標支撐永續決策與績效管理。

案例三｜San Juan de Dios Hospital × Siemens（西班牙）

西班牙塞維利亞的 San Juan de Dios Hospital與Siemens Smart Infrastructure合作，導入建築數位平台Building X，整合能源管理、安全系統、HVAC等建築關鍵設備，並提供即時監控、能耗分析、早期故障偵測等功能，從傳統自動化提升到「能預測、協調與優化」的智慧系統，提升照護品質與醫院整體運作效率，導入後的營運成本約降低35%，並仍有額外10%節省的潛在空間。

透過平台將醫院節能從單一設備的調校，推進到整體資產的協同營運（包含預防性維護、故障預警、能耗剖析與跨系統協調），更能符合醫院對可信度與可稽核性的需求。

類型二：臨床與耗材

案例四｜UC San Diego Health × UC San Diego Data Science Alliance（美國）

 UC San Diego 醫學院與 Data Science Alliance 研究以 preference cards（手術備物清單）為切入點，點出清單長期複製與堆疊導致多餘品項累積，使手術室常備大量實際用不到的耗材，形成浪費。

研究團隊以臨床流程治理導向的AI/統計模型應用系統，分析大量泌尿科、腫瘤外科與大腸直腸手術等，找出實際真正被使用的耗材，並以資料驅動方式精簡手術備物清單，降低手術備物中未使用之耗材，5 個月內即可節省高達 300 萬美元的物品成本與補貨潛在成本。

藉由AI進行「未使用耗材」的量測，並連動降低不必要採購、庫存周轉與廢棄處理負擔，同時在治理上也較能維持臨床品質與安全。

【未來發展】

現階段而言，AI 在醫院最成熟、也最容易被量測與治理的落點，仍以院區能源管理為主，特別是「監測、示警與自動化」上，因資料來源穩定（BMS/EMS/電表）、影響範圍、且成果可直接驗證。

未來進一步的AI應用，則很可能往兩個軸線擴張；一是導入更全面AI技術如數位雙生（Digital Twins），二是把方法擴張到醫院碳足跡占比更高、治理更困難的的範疇三；目前多數證據仍以學術框架、模擬或預測研究為主。

一、數位雙生：從可視化走向情境推演與驗證

數位雙生目前在醫院多半先用於資產資料整合與可視化，但研究界已清楚往「可控、可驗證、可稽核」方向推進，如2025年研究提出整合建築資訊模型（BIM）、數位雙生與醫療流程的框架，並以機器學習（如 SVM、LSTM）進行即時人流預測，以更貼近醫院使用情境的動態變化，同時維持安全與感染控制 。

2025 年亦有研究以醫院建築（12 個空調區、45 個量測點）為案例，使用本體論驅動的數位雙生（ontology-based digital twins)）的情境策略與最佳化能力，精準模擬醫院建築運作，並安全測試不同操作策略，目標在維持舒適度下最小化能耗。對醫院而言，智慧雙生將能把做成精準常規營運方法，從專案推進為長期治理能力。

FIND研究員：蔡家盈

隨著生成式 AI（GenAI）快速普及，不只改變一般使用者的上網體驗，也大幅改寫了線上詐騙的樣貌。根據Experian 2024《U.S. Identity and Fraud Report》報告指出，AI 讓假網站的「真實度」提高，過去詐騙網站常因語句不通順、圖片模糊或版面粗糙而露出破綻，如今詐騙者可以利用 AI 在數秒內生成自然的語言文案、品牌風格介面、整套常見客服說明，甚至模擬多語言內容。根據 Kaspersky 與 Forcepoint 2024 年度資安觀察，AI 協助詐騙者生成內容的規模已呈倍數成長，許多假網站的設計與資訊完整度甚至優於部分小型電商品牌。

生成式AI的普及化，助長詐騙網站在「質」與「量」的同步升級

另一方面，AI 也讓假網站的「數量」與擴散速度明顯加快，在黑色星期五、雙 11或年終大促這類高交易檔期，詐騙者會集中釋出大量搭配折扣話術與促銷主題的假站。以 NordVPN的黑五安全追蹤報告為例，2024–2025年黑色星期五前夕全球被偵測到的假網路商店較平常暴增約250%，此外專攻視覺威脅情報的Sensity 機構亦多次警告生成式 AI 已被廣泛用於詐騙與假內容製作，顯示生成式 AI 不再只是個別詐騙的輔助工具，而是推動整體詐騙產業「質」與「量」同步升級的關鍵引擎。

圖1：虛假的樂高促銷廣告，試圖用折扣來吸引消費者購買。
圖片來源： NordVPN

消費者用 AI 搜尋比價，無形中拉高誤入假網站的風險

相較過去消費者自己上搜尋引擎、比價網或品牌官網查詢優惠，根據 Adobe 2024年消費者行為調查，約有三至四成的受訪者曾經使用生成式 AI協助購物研究或進行比價，其中相當比例會直接點選 AI 回覆中的連結作為購物入口，但問題在於，現階段絕大多數通用型 GenAI 並非專門為「辨識詐騙網站」設計，模型在蒐集資料與產生建議時，難以完全排除新設立、無評價、或刻意用AI建置的假網站。當消費者愈依賴 AI 提供的「快速答案」，就愈可能在不知情的情況下，被帶往風險較高的網站，形成「AI 導購＋AI 假網站」交互放大的新型態風險。

產業議題：AI 假網站帶來的結構性風險

從產業觀點來看，AI 假網站已不再是零星個案，而是一種會同時影響品牌、電商平台與整體市場信任的「系統性風險」。若缺乏跨國與跨平台的協作機制，這股趨勢恐怕會持續侵蝕電商生態的聲譽與成長動能。

1.    詐騙成本接近零，假網站可以被大量複製

生成式 AI 讓詐騙者幾乎不用投入太多人力與時間，就能快速建立、複製與維護大量假網站，並在黑色星期五、雙11等高峰檔期集中出擊。這種「打帶跑」式行為，使假網站的生命週期雖短，卻能在短時間內製造高度風險與龐大受害數量。

2.    品牌信任被稀釋，真偽網站混在同一個搜尋結果

當搜尋結果、社群貼文與 AI 回答中同時出現官方網站與高擬真的仿冒網站，消費者對品牌標誌、視覺風格與網址記憶的信任基礎會被削弱，品牌需花更多心力於官方網站進行公告與澄清，連帶使客服處理的成本提高。

3.    平台與金流治理壓力全面升高

大型平台與金流服務業者必須投入更多資源，開發AI偵測工具、黑名單比對機制與假廣告過濾系統，才能維持基本的交易安全與用戶信任。當 AI讓假網站產生速度遠快於下架速度，平台治理將從「例外管理」變成日常必須面對的結構性負擔。

FIND觀點

在 AI 與詐騙「雙重加速」下，消費者如何辨識與自保？在 AI 持續演進、詐騙手法愈來愈精緻的情況下，「完全不被騙」並不現實，但我們可以透過調整購物習慣來降低被詐騙的風險。

1.    別再用「看起來像真的」當安全標準

頁面設計精美、文案流暢、評價眾多，在 AI 時代都可能是大量複製與生成的結果。與其相信第一眼的「質感」，更實際的做法是回到來源本身：優先從品牌官方 App、官網或長期使用的大型電商平台進入，而不是直接點陌生廣告、簡訊連結，或來路不明的 AI 回覆連結。

2.    將 GenAI 回答當「起點」，不是「一鍵下單指令」

使用 GenAI幫忙搜尋折扣或比價時，建議把回答視為「參考清單」，而非照單全收。遇到不熟悉的平台或聽都沒聽過的網站時，應另外查詢評價、公司資訊，或改從品牌官網交叉比對，再決定是否購買，避免只透過 AI 提供的單一路徑完成交易。

3.    付款條件與個資要求，是最重要的紅色警訊

在結帳過程中，如果網站只接受匯款、不支援常見的第三方支付或信用卡機制，或要求提供過多個資與證件影本（例如身分證正反面、存摺封面），都應視為高風險訊號。只要出現任何一項異常，最安全的選擇就是立刻中止交易、不要心存僥倖。
 

參考資料來源：
1.NordVPN：10 Black Friday scams to watch out for in 2025 (https://nordvpn.com/zh-tw/blog/black-friday-scam/?srsltid=AfmBOorXpTi6AO0SFwBaVYhlKqGLAlJgQkiQ5zCTjo8qdrEDWuqdHpCD)
2.Kaspersky ： Scammer Black Friday offers: Online shopping threats and dark web sales(https://securelist.com/black-friday-report-2024/114589/?utm_source)
 Forcepoint Warns：AI Supercharges a New Generation of Black Friday 3.Scams(https://www.enterprisesecuritytech.com/post/forcepoint-warns-ai-supercharges-a-new-generation-of-black-friday-scams?utm_source)
4. Adobe Digital Insights (2024). Adobe Analytics: Traffic to U.S. retail websites from Generative AI sources jumps 1,200 percent(https://blog.adobe.com/en/publish/2025/03/17/adobe-analytics-traffic-to-us-retail-websites-from-generative-ai-sources-jumps-1200-percent?utm_source)
5.Experian 2024《U.S. Identity and Fraud Report》New Experian report reveals generative AI, deepfakes and cybercrime are the top fraud concerns for businesses (https://www.experianplc.com/newsroom/press-releases/2024/new-experian-report-reveals-generative-ai--deepfakes-and-cybercr?utm_source)

當長照遇上MicroLED！高齡友善醫療走向虛實整合新體驗

FIND研究員：謝政樺 行政院核定的「長照十年計畫3.0」（以下簡稱長照3.0），於2026年至2035年推行，旨在長照2.0「社區為基礎、以人為本」的基礎上，進一步深化服務品質並強化醫療銜接。>

AI Agent 架構全解析：從 Google 白皮書到企業落地的技術藍圖

FIND研究員：董定融 摘要 ：2025 年末，Google 發布「Introduction to Agents」白皮書，標誌著 AI 正從被動的聊天機器人邁向自主代理系統（AI Agents）。這場典範轉移將如何改變企業運作？>