557 人的場子裡，怎麼找到「值得深聊」的那個人？——BNI 台灣年會 AI 媒合實戰
傳統答案是走動、換名片、一個一個問「你是做什麼的」。我們想試試看有沒有別的做法，於是在年會前幾天內做出一支商務連結 APP。
結果是這樣：
有人用到凌晨一點還在標記「想約 1-1」。但這篇想講的不是「我們趕工上線」——趕工不值得寫。值得寫的是：我們用 AI 做到了純關鍵字搜尋做不到的事。
為什麼關鍵字搜尋不夠用
一開始的直覺是「名單 + 搜尋框」，這根本不需要 AI。但實際想過一輪就發現問題：商務媒合找的不是關鍵字，是合作意圖。
你想認識決策者？想找同客群的夥伴一起開發客戶？還是想走引薦路徑？這三種需求，關鍵字搜尋分不出來。
更現實的是同義詞。有人在名單裡寫「醫美」，有人寫「診所」、「醫學美容」、「醫療器材」——一個搜「醫療廠商」的人，用模糊比對會漏掉一大票。
核心：AI 四步媒合
所以我們讓 AI 先「讀懂」需求，再交給評分引擎排序。使用者可以打口語（例如「我是律師，想找企業主」），也可以填結構化欄位。
| 步驟 | 做什麼 |
|---|---|
| 第 1 步 | 即時從後端拉最新名單（557 人） |
| 第 2 步 | 理解「你真正想找誰」——決策者？供應商？同客群夥伴？ |
| 第 3 步 | 展開產業同義詞（醫療廠商 → 醫美、診所、醫師、醫學美容…） |
| 第 4 步 | 比對全名單，規劃合作／引薦路徑並排序 |
介面上我們刻意讓這段跑滿數秒的思考動畫。這不是拖時間——是讓現場的人看見 AI 真的在「想」，而不是瞬間丟出一堆看起來像亂配的結果。信任感在現場很重要。
四層媒合引擎：分的是「怎麼合作」
AI 拆完意圖之後，前端會對每一位夥伴打分，分成四種類型。這一層才是整套系統的靈魂——不是「像不像關鍵字」，是「你們能怎麼合作」。
| 媒合類型 | 判斷依據 |
|---|---|
| 精準媒合 | 對方的專業／資源直接符合你要找的對象 |
| 同客群結盟 | 對方想認識的客群與你重疊，可以一起開發客戶 |
| 引薦路徑 | 對方想要的引薦類型符合你，可走引薦邏輯 |
| 可能相關 | 標籤、自介等弱匹配，供延伸探索 |
引擎裡內建了 30 組以上的產業同義詞、醫療與教育族群的展開規則、同業降權、決策者加分、以及「對方已標記想約 1-1」優先。這些規則不是一開始想好的，是現場一週內反覆試出來的——這正是敏捷開發的價值：快速把規則疊上去。
架構：撐得住 557 人同時搜尋
現場 Wi-Fi 不穩是可預期的，所以架構從第一天就往「邊緣運算 + 本機快取」設計，而不是把所有壓力丟給即時 API。
- API Key 不進前端：AI 呼叫走 Edge Function，金鑰留在伺服器端
- AI 掛掉不停擺：有本機 fallback，網路抽風時至少還能查名單、看標記，不會白屏
- 名單一次載入快取：現場網路差的時候，搜尋仍可離線跑
我們差點翻車的那個決定
這週辯論最久的不是演算法，是登入。
第一版用 Google 帳號登入——工程師的直覺：安全、標準、開發快。然後我們把系統拿給年紀比較長的前輩試用。
卡關了。 連 Google 登入的授權畫面都過不去。
現場刷認證碼？請專員代註冊？密碼寄信箱？我們討論了三天。最後的結論是：不要登入，填分會加姓名就完成認領。
當下我的反應是「這樣超危險吧」。但把場景想清楚：這是一個單日活動、參與者都是實名到場的會員、彼此在同一個信任社群裡。為了防範一個低機率的風險，讓大部分人無法使用，是本末倒置。
現場數據
| 指標 | 數字 |
|---|---|
| 累計媒合次數 | 2,287 |
| 想約 1-1 次數 | 1,338 |
| 互相連結（雙向配對） | 191 |
| 標記合作可能 | 722 |
| 當晚 21:00–24:00 互動 | 719 |
隔日凌晨 00:00–01:00 還有 39 次想約 1-1、18 次合作標記——商務連結沒有因為散場而停止。
有位參加者加入 BNI 十個月，第一次參加這麼大型的年會，原本擔心「這麼多人怎麼找得到對的人」。他填完「我是／我提供／我想找」，坐在座位上就完成了好幾次有效連結，其中一條直接解決了他新專案的關鍵人才問題。
上線前我們做了什麼
敏捷不代表不測。上線前跑過：
- 10 回合使用者旅程模擬（冷啟動、名單完整性、身分綁定、搜尋…）
- 多組真實現場語句的媒合品質測試——用真的會被打出來的句子，不是工程師想像的句子
- UI 自動化檢查
這套邏輯還能用在哪
這次驗證的其實是一個更通用的場景：人多、時間短、要找對人。同一套 AI 四步媒合 + 四層引擎，也適用於：
- 企業內部的人脈與專長資料庫
- 創投活動媒合（Demo Day、新創 × 投資人）
- 單次大型活動（尾牙、經銷商大會、校友活動）
常見問題
跟一般關鍵字搜尋差在哪？ 關鍵字只能模糊比對欄位；四步媒合會先理解意圖、展開同義詞，再由四層引擎判斷是精準合作、同客群結盟還是引薦路徑。
AI 掛掉現場會停擺嗎？ 不會。有本機 fallback、名單快取與離線搜尋——AI 是加分的理解層，不是單點故障。
沒有帳號登入，資料安全嗎？ 這是活動型產品針對場景的取捨，現場沒有發生惡意認領。企業內部版若需要嚴格驗證，可以在 MVP 之後補上。
多久可以做出一版？ 這次是幾天內完成 MVP 並在現場迭代。一般專案我們的節奏是 1–2 週建立 MVP，上線後持續修正。
最後一句心得：敏捷開發的秘訣不是寫更多程式，是敢刪更多功能——把力氣花在 AI 真正創造價值的地方。這次真正有價值的，是「理解意圖」那一層；其他的花俏功能刪掉也不影響結果。
如果你的組織也在煩惱「人認識了人，但沒有變成合作」，這條路我們剛走過一輪，歡迎找我們聊聊。