不用重架構，你的資料庫早就 AI-ready：3 種企業轉型場景一次看（下）

作者：黃婉中（雲端架構師）

上一篇提到，很多公司以為要做 AI 就得打掉重練，但其實你現在用的 SQL 或 PostgreSQL，只要搬上雲，就能開始做語意查詢與自動問答。

這篇要繼續分享2個案例：一間電子設備公司怎麼讓 AI 幫忙處理合約，以及一家車用導航服務，怎麼解決個人化查詢的瓶頸。

情境二：沒人想讀的提案、合約

另一家電子設備公司，業務每天都在處理厚厚的提案文件、合約條款、技術規範。
原本資料放在 VM 上的 PostgreSQL，不容易對外連線，想整合 AI 或向量搜尋就卡關。

後來他們把資料庫搬上 Azure，改用 Azure Database for PostgreSQL。
搬上雲之後，資料連線變得簡單，也才能開始嘗試 RAG（Retrieval-Augmented Generation） 與向量搜尋架構。

他們做了一個 PoC：

• 把歷史提案與合約內容從資料庫中取出，轉成文字向量，放進向量庫
• 搭配 GPT 模型做語意比對與問答
• 使用者用自然語言查詢，找出過去的相似案例
• 系統自動產出摘要、標出重點條款，甚至能生成初版回覆草稿

以前一份標案要 3 個人花 2 天寫，
現在業務自己一天內就能完成初稿，請法務一次審完。
也能自動比對法規條文，讓回應速度提升好幾倍。

情境三：高頻查詢又要個人化

一家車用導航公司，提供即時交通資訊、個人化建議和語音互動功能。
但他們的系統一直卡在查詢效能和語意理解上。

駕駛常會問：「幫我找個可以放鬆的地方」或「附近適合帶小孩的景點」，
但系統只能靠關鍵字比對，查不到真正相關的內容，而且反應速度也越來越慢。

後來他們將資料轉移到 Azure Cosmos DB，改用彈性結構與快速查詢的 NoSQL 架構，並整合語意模型，讓系統能理解使用者的意思，實現即時回應。

現在系統不只查得快，也更懂駕駛的需求，像是推薦風景路線、親子景點、放鬆行程等，使用體驗提升，用戶留存率也跟著上升。

你不需打掉重練

你的資料庫可能長這樣：

別讓資料只能「被查詢」

你可能早就在用 SQL、PostgreSQL 或 Cosmos DB。
只要願意用雲，很多 AI 應用其實離你並不遠。

AI 不是從零開始的大改造，查文件、找資料，到做摘要、建聊天機器人，現在就做得到。

💡延伸閱讀

如果你對今天講的AI-ready資料庫感到有趣，或者希望能更熟悉這些實戰應用，那你可能會對這篇文章有興趣：我如何轉職成為雲端解決方案架構師 Cloud Solution Architect

瀏覽 78 次